빛으로 학습하는 AI: 에너지 효율 혁신을 향한 여정
본 연구는 다중 모드 광섬유의 광학 비선형성을 활용한 하이브리드 신경망 훈련을 통해 에너지 효율적이고 확장 가능한 AI 모델을 개발하는 혁신적인 방법을 제시합니다. 디지털 트윈 기반의 시뮬레이션은 실험적 오류에 대한 강인성을 확보하며, 최첨단 이미지 분류 정확도를 달성함으로써 AI 기술의 지속 가능성에 기여합니다.

인공지능(AI)의 눈부신 발전은 점점 더 커지는 신경망의 훈련에 의존하지만, 이는 막대한 에너지 소비와 컴퓨팅 자원의 증가로 이어집니다. Ilker Oguz를 비롯한 연구진 7명은 이러한 문제를 해결하기 위해 혁신적인 아이디어를 제시했습니다. 바로 다중 모드 광섬유 내의 극초단 펄스 전파를 이용한 광학 비선형 변환입니다.
이들은 하이브리드 신경망을 구축하여 광학 시스템의 복잡한 물리적 현상을 효율적인 연산 모듈로 통합했습니다. 핵심은 디지털 트윈을 이용한 것입니다. 실제 광학 시스템을 정확하게 모사하는 신경망 모델을 만들고, 이를 통해 훈련 과정을 시뮬레이션함으로써 실험적 오류에 대한 강인성을 확보했습니다. 훈련 알고리즘은 광학 시스템을 근사하는 신경망 시뮬레이터를 업데이트하고, 오류 신호를 역전파하여 광학 모듈 이전의 계층을 최적화합니다.
실험 결과는 놀라웠습니다. 최첨단 이미지 분류 정확도를 달성했을 뿐 아니라, 에너지 효율과 계산량 감소라는 두 가지 목표를 동시에 달성했습니다. 이는 기존의 막대한 컴퓨팅 자원에 대한 의존성을 낮추고, 지속 가능한 AI 개발의 가능성을 열어주는 중요한 결과입니다.
이 연구는 단순한 기술적 발전을 넘어, AI의 에너지 효율 문제를 해결하는 새로운 패러다임을 제시하며, 더욱 확장 가능하고 환경 친화적인 AI 시대를 앞당길 것으로 기대됩니다. 광학 시스템의 고유한 특성을 활용한 이러한 접근 방식은 향후 AI 기술의 발전 방향에 중요한 영향을 미칠 것으로 예상됩니다.
주요 연구진: Ilker Oguz, Louis J. E. Suter, Jih-Liang Hsieh, Mustafa Yildirim, Niyazi Ulas Dinc, Christophe Moser, Demetri Psaltis
Reference
[arxiv] Training Hybrid Neural Networks with Multimode Optical Nonlinearities Using Digital Twins
Published: (Updated: )
Author: Ilker Oguz, Louis J. E. Suter, Jih-Liang Hsieh, Mustafa Yildirim, Niyazi Ulas Dinc, Christophe Moser, Demetri Psaltis
http://arxiv.org/abs/2501.07991v1