일반기술

재구성능력 및 확장능력을 가진 신경회로망 하드웨어

신경회로망은 논리식을 기본으로 하고 프로그램에 의해 동작하는 폰 노이만형 컴퓨터 구조와 달리 인간의 뇌를 모방하여 만든 연산방법이다. 이 방법은 대규모 병렬처리 및 분산 처리형태로 연산을 수행하며, 문제를 위한 선행적 프로그램 개발 대신에 학습을 통해서 해결하는 점에서 차이를 보이고 있으며, 인간의 뇌가 가지는 특성을 흉내내는 연산방법이다. 신경회로망은 기존의 폰 노이만 방식의 컴퓨터에 비해 병렬성, 학습능력, 고장극복능력, 적응성 등의 이점을 가지고 있으며 최적화 문제, 패턴인식, 연상 메모리 등, 기존의 폰 노이만 형 컴퓨터로써는 구현이 어렵거나 복잡한 알고리즘을 사용해야한 해결할 수 있었던 문제들을 쉽게 풀 수 있는 장점이 있다. 그러나 그 응용범위가 한정되어 있고 하드웨어 구현에 어려움이 있다. 본 기술은 이러한 문제점을 해결하기 위하여 제안되었으며, 본 기술의 프로세싱 모듈은 전체적으로 사다리형 버스 구조를 가지며, 사다리형 버스의 방향을 바꾸는 방법으로 뉴런이나 시냅스를 확장하게 된다. 그리고 각각의 모듈은 내부적으로 SPE(Synapse Processing Element)와 LPE(Layer Processing Element)의 두가지 모듈로 구성되며 인접한 SPE들 간에는 뉴런의 시냅스에 대한 누적합을 전달할 수 있는 내부연결 버스로 연결되어 있다. 이러한 내부연결 버스를 통해서 뉴런의 누적합을 전달함으로써 시냅스의 개수를 내부뿐 아니라 외부까지도 확장할 수 있다. 또한 본 기술은 SIMD(Single Instruction Multiple Data)구조의 신경회로망을 기본으로 하고 파이프라인 구조를 통해서 데이터 입력에 대해 1 클럭 대기의 지연을 가질 수 있도록 했으며, 모듈러 하드웨어 디자인을 적용하여 모듈 단위의 분산 컨트롤 유닛을 통해 인접된 PE(Processing Element)들 사이에 마스터-슬레이브 방식으로 데이터를 전달함으로써, 신경망의 시냅스, 뉴런, 레이어에 대한 확장시 발생하는 속도저하 및 컨트롤 신호의 증가, 뉴런 확장에 대한 시냅스의 비선형적 증가문제를 해결하였다.본 기술은 사다리형 버스와 모듈간의 내부연결 버스를 채택하여 가변성과 확장성을 확보하고, 병렬처리와 파이프라인 처리를 통해 고속의 신경회로망 연산이 가능하며, 소프트웨어 만큼의 유용성을 갖는 디지털 신경회로망을 제공한다.본 기술은 가변성과 확장성을 확보할 수 있고, 고속의 신경회로망 연산이 가능하며, 범용성을 갖는 신경회로망 하드웨어를 구현할 수 있는 효과가 기대되는 기술이다.본 기술의 신경망회로는 차세대 기술로서 향후 고도의 정보화 사회에서 많은 응용 가능성을 가지며 기술집약형 고부가가치의 중심산업으로 자리잡게 될 것으로 전망되고 있다.