망막 영감의 실시간 움직임 예측: 극한 에지 인텔리전스를 위한 새로운 지평

망막에서 영감을 얻은 뉴로모픽 프레임워크를 통해 실시간, 에너지 효율적인 움직임 예측을 가능하게 하는 획기적인 연구 결과가 발표되었습니다. GlobalFoundries 22nm FDSOI 기술과 3D Cu-Cu 하이브리드 본딩을 활용하여 설계의 소형화와 성능 향상을 동시에 달성하였습니다. 이 기술은 에지 인텔리전스 분야에 혁신적인 발전을 가져올 것으로 기대됩니다.

동물, 특히 생존에 중요한 공격과 탈출 반응과 같은 행동에서 실시간 움직임 예측 능력은 매우 중요합니다. 이러한 중요성을 감안할 때, 동물의 움직임 예측이 망막에서 시작된다는 것은 놀라운 일이 아닙니다. 컴퓨터 비전을 활용하는 자율 시스템 또한 실시간으로 움직임을 예측하는 기능으로부터 큰 이점을 얻을 수 있습니다.

따라서 컴퓨터 비전 응용 프로그램의 경우, 움직임 예측은 카메라 픽셀 수준에서 직접 통합되어야 합니다. 이를 위해 Subhradip Chakraborty 외 6명의 연구진은 카메라 픽셀 내에서 실시간으로 에너지 효율적인 움직임 예측(MP)을 수행할 수 있는 망막에서 영감을 얻은 뉴로모픽 프레임워크를 제시했습니다.

이들의 하드웨어-알고리즘 프레임워크는 GlobalFoundries 22nm FDSOI 기술을 사용하여 구현되었으며, 이중 위상 필터, 스파이크 합산기, 비선형 회로 및 다방향 움직임 예측을 위한 2D 어레이를 포함한 핵심 망막 MP 계산 블록을 통합하고 있습니다. 더 나아가, 3D Cu-Cu 하이브리드 본딩 방식을 사용하여 센서와 MP 컴퓨트 다이를 통합함으로써 면적 사용을 최소화하고 라우팅 복잡성을 단순화하여 설계의 소형화를 향상시켰습니다.

실제 객체 자극을 통해 검증된 이 모델은 예측 시각 계산에 의존하는 의사 결정 시나리오에 대해 효율적이고 지연 시간이 짧은 MP를 제공하는 동시에, 혼합 신호 하드웨어 구현에서 MP당 18.56 pJ만 소비합니다. 이는 에너지 효율성과 실시간 처리 속도를 모두 갖춘 혁신적인 기술로, 극한 에지 인텔리전스 분야에서 폭넓은 응용 가능성을 시사합니다. 이 연구는 자율 주행, 로보틱스, 보안 시스템 등 다양한 분야에 파급 효과를 미칠 것으로 예상됩니다.

향후 연구는 이 프레임워크의 성능을 더욱 향상시키고 다양한 환경에서의 적용성을 확장하는 데 초점을 맞출 것으로 예상됩니다. 특히, 복잡한 시각 정보 처리에 대한 연구는 이 기술의 실용성을 더욱 높일 수 있을 것입니다.