본 기사는 RTD 기반 뉴로모픽 컴퓨팅의 혁신적인 가능성을 보여주는 최신 연구 결과를 소개합니다. RTD 뉴런이 생물학적 뉴런의 정보 인코딩 방식을 모방하고 초고속 처리를 가능하게 함으로써, 미래 AI 시대를 위한 핵심 기술로 부상할 가능성을 제시합니다. 하지만 실제 상용화까지는 추가적인 연구와 기술적 과제 극복이 필요함을 강조합니다.

Yang과 Chang 연구팀이 개발한 71.2μW 초저전력 음성 인식 가속기는 알고리즘 및 하드웨어 최적화를 통해 에지 디바이스의 실시간 음성 인식을 가능하게 합니다. TSMC 28nm 공정 기반으로 100kHz에서 동작하며, 뛰어난 에너지 효율과 면적 효율을 자랑합니다.

Wu Ci-Hao와 Chang Tian-Sheuan 연구팀이 개발한 저전력 스트리밍 음성 향상 가속기는 모델 크기 감소와 하드웨어 최적화를 통해 에지 디바이스에서의 실시간 음성 향상을 가능하게 합니다. TSMC 40nm 공정으로 구현된 이 가속기는 8.08mW의 초저전력 소모를 보이며, 다양한 AI 응용 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

윤태원 등 연구팀이 개발한 ReFeed는 반추적 추론을 통해 다차원 요약 개선의 문제를 해결하는 혁신적인 모델입니다. SumFeed-CoT 데이터셋을 활용하여 개발되었으며, 잡음에 강건하고 다양한 피드백에 효과적으로 대응합니다. 이 연구는 효과적인 추론을 위한 데이터 생성의 중요성을 강조하며, 관련 데이터셋과 모델을 공개할 예정입니다.

Luo Haoran 등 연구진은 하이퍼그래프를 활용한 새로운 RAG(Retrieval-Augmented Generation) 방법론인 HyperGraphRAG를 제시했습니다. 하이퍼그래프는 n-ary 관계를 효과적으로 모델링하여 기존 RAG의 한계를 극복하고, 다양한 분야에서 우수한 성능을 입증했습니다.