분야
전기/전자,정보/통신
발행기관
한국전자통신연구원
발행일
2020.08.01
URL
최근 들어 인공지능 기술은 상당히 많은 수의 응용 분야, 즉 이미지 분류, 음성 인식 및 언어 번역, 의사 결정, 웹 검색, 소셜 네트워크의 콘텐츠 필터링, 전자 상거래 웹 사이트의 권장 사항 등에 활용되고 있다[1]. 인공 신경망(ANN: Artificial Neural Network)은 이러한 대규모의 데이터를 처리하고 대량의 정보를 신속하게 결합 및 분석하는 데 유용하며, 이를 위해 여러 가지 신경망 아키텍처 및 이를 구현하기 위한 하드웨어 기술이 연구되고 있다.
빅데이터 분석에 대한 현재 접근 방식은 소프트웨어를 기반으로 해서 직렬화된 중앙 집중식 폰 노이만 머신에서 실행되고 있으며, 최근 인공지능의 급격한 발전에는 GPU(Graphic Processing Unit)의 성능 개선이 크게 기여했다. 이러한 기존의 컴퓨팅 방식은 무어의 법칙으로 널리 알려진 디지털 전자회로의 기하급수적인 확장으로 인해 지속되고 있다. 지난 60년 동안 마이크로프로세서의 트랜지스터 밀도, 클럭 속도 및 전력 효율은 18개월마다 약 두 배로 증가하였다. 그러나 최근 10년간 마이크로 프로세서의 에너지 효율은 정점을 보여주고 있고, 보다 더 많은 연산량을 요구하는 인공지능 데이터 처리를 위한 하드웨어 확보를 위해 다음과 같이 연구가 진행되고 있다[2].....
Ⅱ. 뉴로모픽 포토닉스 기술 개념
Ⅲ. 뉴로모픽 포토닉스 기술 분류
1. 광 다층 신경망
2. 컨볼루션 신경망
3. 스파이킹 신경망
4. 축적 컴퓨팅
Ⅳ. 결론
약어 정리
* 자세한 내용은 바로가기(URL)와 첨부파일을 통해 확인하시기 바랍니다.
추천 리포트
-
[동향보고서] KEIT 이슈리뷰 2023-3월호 통합본. 반도체 기술
-
[동향보고서] US S&T Briefing, 2022 December Issue-반도체 과학법, 국립과학재단 기술혁신협력국 정책 명시 등 21건
-
[코센리포트] AI 및 디지털트윈을 이용한 신기술 개발 사례
-
[동향보고서] MRAM-PIM 기반 인공지능 프로세서
-
[코센리포트] 인공지능과 언어 모델
-
[코센리포트] AI를 생성하는 자동화 AI 연구 및 기술 동향
-
[코센리포트] 딥러닝 하드웨어 가속기에 대한 최근 기술 동향
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)