시계열 정보 학습 및 예측을 위한 3차원 집적 인공신경망 개발
시간 정보 학습 및 예측하기 위한 3차원 수직으로 적층된 물리 레저버 시스템 개발
왕건욱 & J. Joshua Yang 교수팀 연구 결과, Nature Communcations에 게재

▲ 최상현(제1저자, KU-KIST융합대학원, University of Southern California (USC) & University of California, Santa Barbara (UCSB)), 

J. Joshua Yang (교신저자, USC), 왕건욱 (교신저자, KU-KIST융합대학원/융합에너지공학과)

KU-KIST융합대학원/융합에너지공학과 왕건욱 교수팀과 미국 University of Southern California (USC)의 J. Joshua Yang 교수팀은 3차원으로 수직  적층된 물리 레저버 어레이를 구현하여 시계열 정보를 학습하고 예측할 수 있는 새로운 하드웨어 플랫폼을 제시했다. 

본 연구결과는 다학제 분야의 권위 있는 학술지인 ‘Nature Communications (IF=16.6)’지에 3월 6일 온라인 게재되었다.
- 논문명 : 3D-integrated multilayered physical reservoir array for learning and forecasting time-series information
- 저자정보 : 최상현(제1저자, KU-KIST융합대학원, University of Southern California (USC) & University of California, Santa Barbara (UCSB)), J. Joshua Yang (교신저자, USC), 왕건욱 (교신저자, KU-KIST융합대학원/융합에너지공학과)

최근, 다양한 유형의 데이터 중에서도 특정 시간 프레임 동안 수집된 연속적 관측물인 시계열 데이터는 생체 인식 분석, 날씨 예측, 주식 차트 추정 및 수문 유입 예측과 같은 응용에서 동적 정보로서 점차 그 중요성이 커지고 있다.

이와 같은 시계열 데이터를 분석/학습하기 위한 다양한 방법 중 하나로 레저버 컴퓨팅 (reservoir computing)이 있으나 현재 컴퓨터 구조상 레저버 층에서의 반복적인 연산은 레저버 컴퓨팅의 효율을 극대화하지 못하고 있다. 다양한 해결방안 중에서 레버저층을 비선형의 물리시스템을 통해 구현하여 연산과정을 크게 감소시킬 수 있는 물리 레저버에 (physical reservoir) 대한 연구가 현재 활발히 진행중인 상황이다.

특히, 이론적으로 제안되었던 와이드 레저버 컴퓨팅 (wide reservoir computing)은 다층의 레저버층을 이용하여 학습 및 예측하기 어려운 시계열 데이터를 처리 가능케 하는 하나의 진보된 레저버 구조이지만, 현재까지 고성능의 물리 레저버의 부재뿐만 아니라 여러 물리 레저버층을 수직으로 적층할 때 발생되는 복잡성 및 불안한 작동으로 인해 와이드 레저버 컴퓨팅을 구현하는것은 매우 어려운 과제였다.

본 연구에서는 멤리스터라는 차세대 전자소자를 활용하여 3차원으로 적층된 물리 시스템을 설계/제작하여 다층의 레저버층으로 구성된 와이드 레저버 컴퓨팅 시스템을 하드웨어로 구현하여 (그림 1), 보다 복잡하고 예측하기 어려운 역동성를 가진 다중 시계열 정보를 효율적으로 처리할 수 있는 하드웨어 플랫폼을 제시하였다.

특히, 복잡한 시계열 데이터에 내재된 지엽적 데이터 특징들도 효과적으로 파악 및 학습 가능하게 하므로, 이전에 광범위하게 연구된 2차원 기반 접근 방식들에 비해 복잡한 시계열 데이터를 처리하는데에 매우 효율적임을 확인하였다 (그림 2). 이를 바탕으로 이 연구는 다중 동적 시계열 정보를 효율적으로 처리할 수 있는 물리 레저버 컴퓨팅에 대한 획기적인 방향을 제시하고 중요한 역할을 할 수 있을 것으로 기대된다.

이 연구는 연구재단 미래창조과학부, ‘중견연구’, ‘나노소재원천기술개발사업’, ‘국제연구교류지원사업’, 한국과학기술연구원 ‘위탁연구’의 지원을 받아 진행되었다.

<그림 1>

그림 1. 다층 레저버 구조와 이를 물리적으로 구현한 3차원 적층된 물리시스템 대표그림

<그림 2>

그림 2. (위 그림) 세포 위치 분류 및 예측 결과. 기존 2D & 단일 레저버층을 활용한 레저버 컴퓨팅에 비해 3차원 적층된 물리시스템 기반 와이드 레저버 컴퓨팅이 높은 정확도와 속도 및 적은 에너지를 소모하며 세포 위치를 예측함을 보임. 

(아래 그림) 예측하기 어려운 로렌츠 끌개 방정식을 기존 단일 레저버 컴퓨팅에 비해 3차원 다층 와이드 레저버 컴퓨팅 방법이 보다 적은 오차율로 예측할 수 있음을 확인함.