AI TREND NOW

#메모리 효율 극대화! 초고차원 컴퓨팅의 새로운 지평을 열다: MEMHD 프레임워크

강도영, 오영환, 황찬욱, 김진희, 전강은, 고종환 연구팀이 개발한 MEMHD 프레임워크는 초고차원 컴퓨팅(HDC)의 메모리 효율성 문제를 해결하고 인메모리 컴퓨팅(IMC) 아키텍처의 성능을 획기적으로 향상시켰습니다. 메모리 사용량 감소 및 분류 정확도 향상을 동시에 달성하여 AI 기술 발전에 크게 기여할 것으로 예상됩니다.

메모리 효율 극대화! 초고차원 컴퓨팅의 새로운 지평을 열다: MEMHD 프레임워크

인공지능(AI)의 발전과 함께 초고차원 컴퓨팅(HDC)이 주목받고 있지만, 메모리 효율성 문제는 늘 발목을 잡았습니다. 특히 인메모리 컴퓨팅(IMC) 아키텍처에서는 고차원 벡터와 IMC 어레이 크기의 불일치로 인해 메모리 활용 저하와 연산 시간 증가라는 어려움에 직면했습니다.

하지만 최근, 강도영, 오영환, 황찬욱, 김진희, 전강은, 고종환 연구팀이 이러한 문제를 해결할 획기적인 프레임워크, MEMHD (Memory-Efficient Multi-Centroid Hyperdimensional Computing) 를 개발하여 학계의 주목을 받고 있습니다.

MEMHD는 클러스터링 기반 초기화 방법과 양자화 인식 반복 학습을 통해 다중 중심 연관 메모리를 구현합니다. 이를 통해 메모리 요구량을 크게 줄이면서 분류 정확도는 유지하거나 오히려 향상시키는 놀라운 성과를 보였습니다. 특히, IMC 어레이를 완벽하게 활용하여 원샷(또는 퓨샷) 연관 검색을 가능하게 했습니다. 이는 AI의 실시간 처리 능력을 비약적으로 향상시킬 수 있는 중요한 진전입니다.

연구 결과는 더욱 놀랍습니다. MEMHD는 기존 최첨단 이진 HDC 모델 대비 최대 13.69% 높은 정확도를 동일한 메모리 사용량으로 달성했으며, 동일한 정확도 수준에서는 메모리 효율성을 무려 13.25배나 향상시켰습니다. 뿐만 아니라, 128x128 IMC 어레이에 매핑했을 때 기준 IMC 매핑 방법에 비해 연산 사이클을 최대 80배, 어레이 사용량을 최대 71배까지 줄였습니다. 에너지 효율과 연산 사이클 효율 또한 크게 개선되었습니다. 🤯

이번 연구는 HDC와 IMC 분야에 새로운 가능성을 제시하며, AI 기술의 발전에 크게 기여할 것으로 예상됩니다. 메모리 제약을 극복하고 AI의 성능을 한 단계 끌어올린 MEMHD 프레임워크는 앞으로 더욱 다양한 응용 분야에서 활용될 것으로 기대됩니다. 특히, 실시간 처리가 중요한 자율주행, 의료 영상 분석, 스마트 팩토리 등의 분야에서 혁신적인 변화를 가져올 것으로 전망됩니다.