메모리스터 기반 연합학습 칩, 효율과 프라이버시 향상 성공

최근 수십 년 동안 컴퓨터 과학자들은 대량의 데이터를 분석하여 특정 패턴을 예측하거나 작업을 효과적으로 완료할 수 있는 고도화된 머신 러닝 기술을 개발해 왔다. 그러나 일부 연구에서는 이러한 AI 기반 도구들이 악의적인 제3자에게 접근될 수 있다는 취약점을 지적했다. 특히, 의료 및 금융과 같이 매우 민감한 사용자 데이터를 보유하고 있는 산업에서 이러한 문제는 더욱 중요하다. 연방 학습(Federated Learning, FL)은 여러 사용자나 당사자가 서로 원시 데이터를 교환하지 않고 공유된 신경망을 협력적으로 훈련하는 방법으로, 데이터 프라이버시를 유지하면서 AI의 이점을 누릴 수 있다. 이 기술은 민감한 정보가 포함된 데이터를 안전하게 처리할 수 있어, 의료 및 금융 분야에 특히 유리할 것으로 보인다. 청화대학교(Tsinghua University), 중국 모바일 리서치 인스티튜트(China Mobile Research Institute), 허베이대학교(Hebei University) 연구진은 최근 연방 학습을 위한 새로운 메모리스트 기반 컴퓨트-인-메모리 칩을 개발했다. 이 칩은 비휘발성 전기 부품으로, 과거에 흐른 전류에 따라 저항을 조정하면서 계산을 수행하고 정보를 저장할 수 있다. 연구진이 '네이처 일렉트로니카스(Nature Electronics)'에 발표한 논문에 따르면, 이 칩은 연방 학습의 효율성과 보안성을 크게 향상시키는 것으로 나타났다. "연방 학습은 여러 참여자가 신경망을 공동으로 훈련하면서 데이터 프라이버시를 유지하는 프레임워크를 제공합니다. 이는 일반적으로 동형 암호화를 통해 이루어집니다," 청화대학교의 쥐에치 리(Xueqi Li)와 고빈(Bin Gao) 연구진은 논문에서 설명했다. "그러나 로컬 엣지에서 이 접근 방식을 구현하기 위해서는 키 생성, 오류 다항식 생성, 그리고 광범위한 계산이 필요해, 많은 시간과 에너지를 소비하게 됩니다." 연구진이 제안한 새로운 메모리스트 기반 아키텍처는 계산과 데이터 저장을 동시에 수행할 수 있어, 다양한 당사자가 인공 신경망(ANN)을 연방 학습을 통해 공동으로 훈련할 때 데이터 이동을 줄이고 에너지 소비를 제한할 수 있다. 또한, 이 칩에는 암호화 통신 중 안전한 키를 생성하는 하드웨어 기반 기술인 물리적 클론 불가능 함수(Physical Unclonable Function, PUF)와 예측 불가능한 숫자를 생성하는 참 랜덤 넘버 제너레이터(True Random Number Generator, TRNG)가 포함되어 있다. "우리의 아키텍처는 경쟁 형성 배열 작동 방식, 메모리 내 계산 기반 엔트로피 추출 회로 설계, 그리고 중복 잉여 번호 시스템 기반 인코딩 방식을 포함하여, 같은 메모리스트 배열과 주변 회로 내에서 낮은 오류율 계산, 물리적 클론 불가능 함수, 참 랜덤 넘버 제너레이터를 구현할 수 있습니다," 연구진은 논문에서 밝혔다. 연구팀은 이 메모리스트 기반 연방 학습 칩의 기능을 시연하기 위해, 심각한 감염으로부터 발생하는 치명적인 의료 상태인 패혈증(sepsis)을 예측하기 위한 두 개층짜리 LSTM 네트워크를 4명의 참여자가 공동으로 훈련하는 사례 연구를 수행했다. 이 네트워크는 482개의 가중치를 가진 딥러닝 기술로, 시퀀셜 데이터, 텍스트 또는 의료 기록을 기반으로 예측을 수행한다. "128KB 메모리스트 배열에서의 테스트 정확도는 소프트웨어 중심화 학습에서 달성한 정확도보다 0.12% 낮을 뿐입니다. 또한, 우리의 접근 방식은 기존 디지털 연방 학습에 비해 에너지와 시간 소비를 줄였습니다," 연구진은 결과를 요약했다. 이 연구의 결과는 메모리스트 기반 컴퓨트-인-메모리 아키텍처가 연방 학습의 효율성과 프라이버시를 향상시키는 데 큰 잠재력을 가지고 있음을 입증한다. 앞으로 이 칩은 개선되고, 다양한 실제 작업에 대해 다른 딥러닝 알고리즘을 공동으로 훈련하는 데 활용될 가능성이 있다. 산업계 전문가들은 이 연구가 연방 학습의 실용화를 한 단계 더 나아가도록 만든 중요한 진전이라고 평가한다. 청화대학교, 중국 모바일 리서치 인스티튜트, 허베이대학교는 AI 기반 시스템의 효율성과 보안성을 높이는 혁신적인 솔루션을 제공하는 데 앞장서고 있다. 이 칩의 개발은 미래의 AI 기술 발전에 중요한 역할을 할 것으로 기대된다.