딥러닝 혁신의 핵심: 테라비트급 뉴로모픽 광학 프로세서

본 기사는 생성형 AI의 급증하는 수요를 충족하기 위해 개발된 테라비트급 뉴로모픽 광학 프로세서에 대한 연구 결과를 소개합니다. 기존 DSP 방식의 한계를 극복하고 지연 시간과 에너지 소비를 획기적으로 줄인 이 기술은 차세대 AI 인프라 구축에 중요한 역할을 할 것으로 예상됩니다.

급증하는 생성형 AI의 수요는 초고성능 컴퓨팅에 대한 요구를 폭발적으로 증가시키고 있습니다. 대규모 AI 모델 학습에는 여러 데이터 센터에 걸쳐 광범위하게 상호 연결된 GPU 클러스터가 필요하며, 이는 막대한 에너지 소비와 지연 시간 문제를 야기합니다. 기존의 전기 및 광학 상호 연결 방식은 디지털 신호 프로세서(DSP)에 의존하여 신호 왜곡을 보상하지만, 이러한 엄격한 요구 사항을 충족하는 데 점점 어려움을 겪고 있습니다.

Wang Benshan을 비롯한 연구팀은 이러한 한계를 극복하기 위해 딥 리저버 컴퓨팅을 활용한 통합 뉴로모픽 광 신호 프로세서(OSP)를 개발했습니다. 이 OSP는 DSP가 필요 없는 완전 광학적 실시간 처리를 가능하게 합니다. 놀랍게도, 이 시스템은 5km 광섬유를 통해 100 Gbaud PAM4 per lane, 1.6 Tbit/s 데이터 센터 상호 연결을 달성했습니다. 이는 기존의 DSP 기반 솔루션보다 훨씬 뛰어난 성능이며, 특히 색수차로 인한 제약을 극복했습니다. 더욱이, 처리 지연 시간을 4자릿수, 에너지 소비를 3자릿수 감소시켰습니다. 고속 데이터 전송에서 지연 시간이 증가하는 DSP와 달리, 이 OSP는 데이터 전송 속도에 관계없이 일관된 초저지연 시간을 유지합니다.

이 연구는 성숙된 실리콘 포토닉스 공정을 사용하여 제작되었으며, 실리콘 포토닉스 트랜시버와 단일 칩으로 통합될 수 있어 소형화와 신뢰성을 향상시킵니다. 다양한 변조 형식, 데이터 속도 및 파장에 적응할 수 있는 OSP는 광학 장애 보상을 위한 완전한 광학 필드 정보를 유지합니다.

본 연구는 확장성이 뛰어나고 에너지 효율적인 고속 솔루션을 제공하여 차세대 AI 인프라 구축의 길을 열었습니다. 이 혁신적인 기술은 AI 모델 학습 및 추론 속도를 획기적으로 향상시키고 에너지 소비를 줄임으로써 지속 가능한 AI 발전에 크게 기여할 것으로 기대됩니다. 앞으로 더욱 발전된 기술을 통해 더욱 빠르고 효율적인 AI 시스템을 기대해 볼 수 있습니다.