노스웨스턴 대학의 엔지니어 팀은 최근 실제 뇌 세포와 직접 상호 작용할 수 있는 인쇄된 인공 뉴런을 개발하여 획기적인 발전을 이루었습니다. 이러한 장치는 부드럽고 유연하며 제조 비용이 저렴할 뿐만 아니라 살아있는 뉴런과 매우 유사한 전기 신호를 생성할 수도 있습니다. 쥐의 뇌 조직 조각을 사용한 실험실 테스트에서 인공 뉴런은 실제 뉴런을 성공적으로 자극하고 측정 가능한 반응을 이끌어냈습니다. 이 성과는 전자 시스템과 생물학적 신경망 간의 전례 없는 수준의 호환성을 보여줍니다.
이 연구는 신경계와 통신할 수 있는 전자 장치에 대한 중요한 길을 열었습니다. 이 기술은 청력, 시력 또는 움직임을 회복하도록 설계된 임플란트를 포함하여 뇌-컴퓨터 인터페이스 및 신경 보철 장치의 개발을 지원할 것으로 예상됩니다. 동시에 이번 연구 결과는 보다 효율적인 컴퓨팅의 미래를 제시합니다. 가장 에너지 효율적인 컴퓨팅 시스템으로 알려진 뇌의 핵심 기능인 뉴런이 신호를 보내는 방식을 복제함으로써 차세대 하드웨어는 현재 시스템보다 훨씬 적은 에너지를 사용하여 복잡한 작업을 처리할 수 있습니다.
이 연구는 네이처 나노테크놀로지(Nature Nanotechnology) 저널에 4월 15일 게재됐다. "오늘날 우리가 살고 있는 세상은 인공지능이 지배하고 있다. 인공지능을 더 똑똑하게 만들려면 점점 더 많은 데이터로 훈련해야 한다. 이러한 데이터 집약적 훈련은 엄청난 에너지 소비 문제로 이어진다. 따라서 빅데이터와 인공지능을 처리하기 위해 보다 효율적인 하드웨어를 개발해야 한다. 뇌는 디지털 컴퓨터보다 에너지 효율성이 5배 더 효율적이므로 차세대 컴퓨팅에 대한 영감을 뇌에서 찾는 것이 합리적이다."
컴퓨팅 요구 사항이 증가함에 따라 기존 시스템은 동일한 구성 요소를 더 많이 추가하여 이러한 문제에 대응합니다. 최신 칩에는 단단하고 평평한 실리콘 조각에 배열된 수십억 개의 트랜지스터가 포함되어 있으며 각 요소는 동일한 기능을 수행합니다. 이러한 시스템은 일단 제조되면 변경할 수 없습니다. 뇌는 완전히 다르게 작동합니다. 이는 각각 특수한 역할을 가진 여러 유형의 뉴런으로 구성되며 소프트 3차원 네트워크로 구성됩니다. 이러한 네트워크는 지속적으로 적응하여 학습이 진행됨에 따라 새로운 연결을 형성하고 기존 연결을 재구성합니다. Hessam은 "실리콘은 수십억 개의 동일한 장치를 가짐으로써 복잡성을 달성합니다. 일단 만들어지면 모든 것이 동일하고 단단하며 고정됩니다. 두뇌는 그 반대입니다. 이질적이고 역동적이며 3차원적입니다. 그런 방향으로 나아가려면 전자 장치를 만드는 새로운 재료와 새로운 방법이 필요합니다"라고 Hessam은 설명했습니다.
이전에도 인공 뉴런이 만들어졌지만 대부분은 너무 단순한 신호를 생성했습니다. 보다 복잡한 동작을 생성하기 위해 엔지니어는 대규모 네트워크에 의존하는 경우가 많으며 이로 인해 에너지 소비가 증가합니다. 실제 뉴런의 행동과 더 잘 일치하기 위해 연구원들은 부드럽고 인쇄 가능한 재료를 사용하여 장치를 설계했습니다. 그들은 그래핀이 전도체 역할을 하는 동안 반도체 역할을 하는 물질인 이황화 몰리브덴 시트로 특수 e-잉크를 만들었습니다. 이러한 잉크는 에어로졸 제트 프린팅이라는 방법을 사용하여 유연한 폴리머 표면에 증착됩니다.
이전에는 이들 잉크에 포함된 폴리머 성분이 전기 흐름을 방해한다는 점에서 단점으로 여겨져 인쇄 후 제거하는 경우가 많았다. 이 경우 연구팀은 이를 오히려 활용했다. 연구진은 “고분자를 완전히 제거하는 대신 부분적으로 분해한다”고 말했다. "그런 다음 장치를 통해 전류를 흐르게 하면 폴리머의 분해가 더욱 촉진됩니다. 이러한 분해는 공간적으로 불균일한 방식으로 발생하여 전도성 필라멘트가 형성되어 모든 전류 흐름이 공간의 좁은 영역에 국한됩니다." 이 좁은 전도성 경로는 뉴런의 발사와 유사한 갑작스러운 전기 반응을 생성합니다. 결과적으로 인공 뉴런은 단일 스파이크, 꾸준한 발사 및 폭발 패턴을 포함하여 실제 신경 활동을 밀접하게 모방하는 다양한 신호를 생성할 수 있습니다. 각 장치는 더 복잡한 신호를 처리할 수 있기 때문에 전체적으로 필요한 구성 요소가 적어져 미래 컴퓨팅 시스템의 효율성이 크게 향상될 수 있습니다.
이러한 인공 뉴런이 실제 생물학적 시스템과 상호 작용할 수 있는지 확인하기 위해 연구팀은 Weinberg School의 신경 생물학 교수인 Indira Raman과 협력했습니다. 그녀의 팀은 쥐의 소뇌 조각에 인공 신호를 적용했습니다. 결과는 이러한 전기 스파이크가 타이밍과 기간을 포함하여 자연적인 신경 활동의 주요 특징과 일치한다는 것을 보여주었습니다. 이러한 신호는 실제 뉴런을 안정적으로 활성화하고 자연 뇌 신호와 유사한 방식으로 신경 회로를 트리거합니다. Hessam은 "다른 연구실에서는 유기 물질로 인공 뉴런을 만들려고 시도했지만 너무 느리게 작동합니다."라고 말했습니다. "또는 그들은 너무 빠른 금속 산화물을 사용합니다. 우리는 이전에 인공 뉴런에서 입증되지 않은 시간 규모에 있습니다. 살아있는 뉴런이 인공 뉴런에 반응하는 것을 볼 수 있습니다. 따라서 우리는 올바른 시간 규모뿐만 아니라 올바른 스파이크 모양을 갖는 신호가 살아있는 뉴런과 직접 상호 작용할 수 있음을 보여주었습니다."
이 새로운 접근 방식은 환경적, 실용적인 이점도 제공합니다. 제조 공정이 간단하고 비용 효율적이며, 적층 인쇄 방식은 재료를 효율적으로 사용하고 필요한 곳에만 배치하여 낭비를 줄입니다. 인공지능 시스템이 지속적으로 확장됨에 따라 에너지 효율성을 향상시키는 것이 특히 중요합니다. 대규모 데이터 센터는 이미 많은 양의 전력을 소비하고 있으며 냉각을 위해 많은 양의 물이 필요합니다. Hessam은 "AI의 에너지 수요를 충족하기 위해 기술 기업들은 전용 원자력 발전소로 구동되는 기가와트 규모의 데이터 센터를 구축하고 있습니다"라고 말했습니다. "차세대 데이터 센터에 100개의 원자력 발전소가 필요할 것이라고 상상하기 어렵기 때문에 이러한 막대한 전력 소비가 컴퓨팅의 추가 확장을 제한한다는 것은 분명합니다. 또 다른 문제는 기가와트의 전력을 소비할 때 많은 열이 발생한다는 것입니다. 데이터 센터가 물로 냉각되기 때문에 AI는 물 공급에 심각한 부담을 주고 있습니다. 어떻게 보든 우리는 AI를 위한 보다 에너지 효율적인 하드웨어를 개발해야 합니다."
이 연구는 국립과학재단(National Science Foundation)의 지원을 받았습니다.