ㅁ 하드웨어 혁신

ㅇ 정의:
인간 뇌의 신경망 구조와 작동 원리를 모방하여 정보 처리와 학습을 수행하는 차세대 컴퓨팅 아키텍처. 전통적인 폰 노이만 구조와 달리 메모리와 연산이 통합되어 병렬 처리와 에너지 효율이 뛰어남.

ㅇ 특징:
– 스파이킹 뉴런(spiking neuron) 모델을 사용하여 이벤트 기반 처리
– 초저전력 동작 가능, 센서와 직접 통합 가능
– 학습과 추론을 동시에 수행 가능
– 비정형 데이터 및 실시간 신호 처리에 강점

ㅇ 적합한 경우:
– 엣지 디바이스에서의 실시간 AI 처리
– 로봇, 자율주행, IoT 센서 네트워크 등 전력 제한 환경
– 뇌-기계 인터페이스, 신경과학 연구

ㅇ 시험 함정:
– 뉴로모픽은 GPU의 한 종류로 오해하게 하는 보기 (X)
– 폰 노이만 구조와 동일하게 메모리와 연산이 분리된다고 설명하는 경우 (X)
– 스파이킹 뉴런 모델이 아닌 전통적인 퍼셉트론 기반이라고 하는 경우 (X)

ㅇ 시험 대비 “패턴 보기” 예시:
– O: “스파이킹 뉴런 모델을 활용하여 이벤트 기반 처리를 수행한다.”
– O: “메모리와 연산이 통합된 구조로 에너지 효율이 높다.”
– X: “GPU와 동일한 구조로 대규모 행렬 연산에 최적화되어 있다.”
– X: “폰 노이만 구조와 동일하게 동작한다.”

ㅁ 추가 학습 내용

뉴로모픽 컴퓨팅은 인간 뇌의 신경망 구조와 동작 원리를 모방한 컴퓨팅 방식으로, 대표적인 하드웨어 예시로 IBM TrueNorth, Intel Loihi 등이 있다. 기존 GPU/CPU와 비교했을 때 장점으로는 낮은 전력 소모, 이벤트 발생 시에만 연산하는 이벤트 드리븐(event-driven) 아키텍처로 인한 효율성, 스파이킹 뉴럴 네트워크(SNN)를 통한 시간 기반 정보 처리 가능, 메모리와 연산의 통합으로 인한 지연(latency) 감소가 있다. 단점으로는 범용성이 부족하고, 개발 환경이 미성숙하며, 소프트웨어 생태계가 제한적이라는 점이 있다. 이러한 한계를 극복하기 위해 전통적 컴퓨팅과 결합한 하이브리드 아키텍처 연구가 진행되고 있다. 시험에서는 단순히 ‘뉴로모픽 = 뇌 모방’이라는 정의를 넘어 실제 적용 사례, 기술적 차별점, 하드웨어 특성, 기존 아키텍처와의 비교가 서술형이나 객관식으로 출제될 수 있다.