꿈의 에지 AI를 향한 도약: DoRA 기반 RRAM 보정 기술의 혁신

Dong 등(2025)의 연구는 RRAM 기반 RIMC의 정확도 저하 문제를 해결하는 DoRA 기반 보정 프레임워크를 제시합니다. SRAM에 최소한의 보정 파라미터만 저장하여 RRAM 쓰기를 피함으로써 에너지 효율적이고 빠른 보정을 실현하며, ResNet50 실험을 통해 그 효과를 입증했습니다.

최근 에지 AI 분야에서 가장 주목받는 기술 중 하나는 바로 저항 메모리 컴퓨팅(Resistive In-Memory Computing, RIMC)입니다. 초저전력 연산이 가능하다는 매력적인 장점에도 불구하고, RRAM(Resistive Random Access Memory)의 전도도 변화로 인한 정확도 저하 문제가 RIMC 상용화의 발목을 잡고 있었습니다. 기존의 재훈련 방식은 RRAM의 높은 에너지 소비, 쓰기 지연 시간 및 내구성 제한으로 인해 효율성이 떨어지는 한계를 지녔습니다.

하지만 이제 희망이 보입니다! Dong 등(2025) 의 연구진이 DoRA(Directly Optimize RRAM Accuracy) 기반의 획기적인 보정 프레임워크를 제안했습니다. 이 프레임워크는 RRAM의 가중치를 직접 수정하지 않고, 영향력 있는 가중치를 SRAM(Static Random Access Memory)에 저장된 최소한의 보정 파라미터로 보완하여 정확도를 복원합니다. 이는 현장에서 RRAM 쓰기를 완전히 제거하여 에너지 효율적이고 빠르며 안정적인 보정을 가능하게 합니다.

연구진은 이미지넷-1K 데이터셋을 사용한 ResNet50 기반 RIMC 실험을 통해 DoRA의 놀라운 성능을 입증했습니다. 단 10개의 보정 샘플만 사용하여 정확도를 69.53%나 복원하는 데 성공했으며, 이때 업데이트된 파라미터는 전체의 2.34%에 불과했습니다. 이는 RRAM의 내구성 문제를 효과적으로 해결하면서, 에너지 효율과 속도를 동시에 확보한 혁신적인 결과입니다.

이 연구는 저전력 에지 AI 구현에 대한 새로운 가능성을 제시하며, 향후 스마트 기기, 자율 주행 자동차, 사물 인터넷 등 다양한 분야에서 폭넓은 활용이 기대됩니다. DoRA 기반 보정 기술은 단순한 기술적 발전을 넘어, 에너지 효율과 지속가능성을 중시하는 미래 사회를 향한 중요한 이정표가 될 것입니다. 앞으로 DoRA 기술의 발전과 상용화 과정을 주목할 필요가 있습니다.

[참고] Weirong Dong, Kai Zhou, Zhen Kong, Quan Cheng, Junkai Huang, Zhengke Yang, Masanori Hashimoto, Longyang Lin. Efficient Calibration for RRAM-based In-Memory Computing using DoRA. (2025)