도서요약

어떤 신기술이 세상을 극적으로 변화시킬까? 세계 최고의 연구소에서 나오는 놀라운 혁신을 독점 소개합니다.

피어 리뷰(peer-reviewed) 과학저널 「어드밴스드 매터리얼스(Advanced Materials)」는 기계 학습(machine learning)을 방해하는 한 문제를 해결하는 데 도움이 될 수 있는 비휘발성 컴퓨터 메모리(non-volatile computer memory, 전원이 끊어진 상태에서도 정보를 유지하고 있어 전원이 공급되면 다시 저장된 정보를 사용할 수 있는 기억 매체)를 만드는 새로운 개발 방법을 설명하고 있다. 이 방법은 또한 음성 인식, 이미지 프로세싱, 자율 주행과 같은 각종 기술들을 혁신할 수 있는 잠재력도 갖추고 있다.

샌디아 국립연구소(Sandia National Laboratories)와 미시건 대학(University of Michigan)의 연구팀은 컴퓨터 칩에 더 많은 프로세싱 성능을 담는 새로운 방법에 관한 상세한 논문을 발표했다. 이들은 에너지 효율이 높은 ‘기계 추론(machine inference)’ 작동을 가능케 하는 아날로그 메모리 장치에 주택용 페인트에서 발견되는 일반 물질을 활용하는 방법을 적용했다.

산화 티타늄(titanium oxide)은 세계에서 가장 일반적인 물질 중 하나이다. 우리가 구매하는 모든 페인트에는 산화 티타늄이 들어있다. 이 물질은 저렴하고 독성이 없으며, 일종의 산화물이다. 그리고 이 물질에서 몇 개의 산소 원자를 제거하면, 우리는 소위 산소 공공(oxygen vacancy)으로 불리는 것을 만들 수 있다. 밝혀진 바와 같이, 산소 공공이 만들어졌을 때, 산화 티타늄은 전기 전도성을 갖게 된다.

이러한 산소 공공은 이제 전기 데이터를 저장할 수 있어, 거의 모든 장치에 더 많은 컴퓨팅 능력을 부여한다. 연구팀은 산화 티타늄으로 코팅된 컴퓨터 칩을 화씨 302도 이상으로 가열하여, 공공을 만들기 위한 전기화학을 통해 이 물질에서 산소 분자들을 일부 분리함으로써 산소 공공을 만들었다. 이후 열을 식힌 이 물질은 우리가 프로그램한 모든 정보를 저장할 준비를 갖추게 되었다.

오늘날, 컴퓨터는 일반적으로 한 곳에 데이터를 저장하고 다른 곳에 그 데이터를 프로세싱함으로써 작동한다. 이것은 컴퓨터가 한 곳에서 다른 곳으로 데이터를 끊임없이 전송해야 한다는 의미로, 에너지와 컴퓨팅 성능을 낭비하는 것이다.

연구팀을 이끄는 수석 연구원은 발표된 프로세스가 컴퓨터 작동 방식을 완전히 바꿀 수 있는 잠재력을 어떻게 가지고 있는지 설명했다. 연구팀이 한 일은 동일한 장소에서 프로세싱과 저장이 이뤄지게 한 것이었다. 또한 이것은 예측 가능하고 반복 가능한 방식으로 수행 될 수 있다.

연구원들은 이러한 산소 공공의 활용을 현재 기계 학습이 직면해 있는 거대한 장애물을 극복하는 하나의 방법으로 보고 있다. 그 장애물이란 바로 전력 소모(power consumption)이다.

기계 학습을 수행하려면 막대한 에너지가 소요되는데, 기계가 데이터 앞뒤로 이동하면서 전력을 소비하기 때문이다. 수석 연구원은 이렇게 말한다.

“자율 주행 자동차가 예로 든다면, 운전에 대한 결정을 내리는 데 많은 에너지를 소비하여 모든 인풋(input) 정보를 처리합니다. 컴퓨터 칩의 대체 재료를 만들 수 있다면, 정보를 보다 더 효율적으로 처리하고 에너지를 절약하고 더 많은 데이터를 처리할 수 있습니다. 현재의 휴대폰을 생각해 봅시다. 음성 명령을 내리고 싶다면, 음성을 듣는 컴퓨터의 중앙 허브로 명령을 전송한 다음 전화기에 수행할 작업을 알리는 신호를 다시 보내는 네트워크에 연결해야 합니다. 그러나 이 새로운 프로세스를 통해 음성 인식 및 기타 기능이 휴대폰 내에서 바로 이루어질 수 있습니다.”

연구팀은 현재 여러 프로세스를 개선하고 더 큰 규모로 테스트를 수행 중이다.

References
Advanced Materials, September 22, 2020, “Filament‐free bulk resistive memory enables deterministic analog switching,” Yiyang Li, et al. © 2020 John Wiley & Sons, Inc. All rights reserved.

To view or purchase this article, please visit:
https://onlinelibrary.wiley.com/doi/10.1002/adma.202003984
Filament‐Free Bulk Resistive Memory Enables Deterministic Analogue Switching - Li - 2020 - Advanced Materials - Wiley Online Library

The peer-reviewed journal Advanced Materials describes the development of a new method to make non-volatile computer memory which may help solve a problem that has been holding back machine learning. And it has the potential to revolutionize technologies like voice recognition, image processing, and autonomous driving.

A team from Sandia National Laboratories and the University of Michigan published a paper detailing a new method that will imbue computer chips which power machine-learning applications with more processing power by using a common material found in house paint in an analog memory device which will enable highly energy-efficient “machine inference” operations.

Titanium oxide is one of the worlds’ most common materials. Every painting you buy has titanium oxide in it. It’s cheap and nontoxic. It’s an oxide, and if you take a few oxygen atoms out, you create what are called oxygen vacancies. As it turns out, when you create oxygen vacancies, you make titanium oxide electrically conductive.

Those oxygen vacancies can now store electrical data, giving almost any device more computing power. The team created the oxygen vacancies by heating a computer chip with a titanium oxide coating above 302 degrees Fahrenheit and then separating some of the oxygen molecules from the material using electrochemistry to create vacancies. When it cooled off, it was ready to store any information you program it with.

Right now, computers generally work by storing data in one place and processing that data in another place. That means computers have to constantly transfer data from one place to the next, wasting energy and computing power.

The lead researcher explained how the process has the potential to completely change how computers work. What the team did was make the processing and the storage at the same place. What’s new is that this can be done in a predictable and repeatable manner.

The researchers see the use of oxygen vacancies as a way to help machine learning overcome a big obstacle holding it back right now: power consumption.

Doing machine learning takes a lot of energy because the machine is moving data back and forth causing power consumption. The lead researcher says, “If you have autonomous vehicles, making decisions about driving consumes a large amount of energy to process all the inputs. If we can create an alternative material for computer chips, they will be able to process information more efficiently, saving energy and process a lot more data. Think about your cell phone. If you want to give it a voice command, you need to be connected to a network that transfers the command to a central hub of computers that listens to your voice and then sends a signal back telling your phone what to do. Through this new process, voice recognition and other functions could happen right in your phone.”

The team is now working on refining several processes and testing the method on a larger scale.

Media Briefings