Moving Machine Learning into the Analog Domain
최신 연구들은 머신러닝 연산을 디지털 대신 아날로그 회로에서 직접 수행하는 방법을 탐구하고 있다. 이 접근법은 데이터 센터의 막대한 에너지 소비 문제를 해결할 잠재력을 가지고 있다.
머신러닝 연산을 처리하는 방식에 근본적인 변화를 시도하는 연구 동향이 나타나고 있다. 전통적인 디지털 프로세서 대신 아날로그 회로를 활용해 데이터를 처리하는 방법이 주목받고 있다.
현재 AI 모델의 학습과 추론은 주로 디지털 하드웨어에서 수행되며, 이는 막대한 전력 소비와 열 발생 문제를 야기한다. 아날로그 컴퓨팅은 물리적 현상을 이용해 연산을 수행하므로 에너지 효율이 높을 수 있다는 이론적 장점이 있다.
만약 아날로그 머신러닝 하드웨어가 상용화된다면, 데이터 센터의 에너지 비용을 크게 절감하고 AI의 확산에 새로운 전기를 마련할 수 있다. 그러나 아날로그 회로의 정밀도, 노이즈, 제조 비용 등 해결해야 할 기술적 과제가 여전히 남아 있다.