3D 프린터의 활용 범위가 갈수록 넓어지면서 용도에 맞는 프린팅 재료에 대한 수요도 빠르게 증가하고 있다. 새로운 적용 분야에 3D 프린팅 기술을 접목하려면, 먼저 사용 목적에 최적화된 프린팅 재료 개발이 선행되어야 한다. 3D 프린터로 인쇄(제작)하려는 대상이 필요로 하는 질감(toughness)이나 압축 강도(compression strength) 등 고려해야 할 요소가 적지 않다. MIT 연구팀이 개발한 3D 프린팅 소재 최적화 기술은 그래서 주목할만하다. MIT 뉴스는 '3D 프린팅을 위한 신소재 발굴 가속화(Accelerating the discovery of new materials for 3D printing)' 기술을 소개하고, 3D 프린팅 재료 개발에 머신러닝을 접목함으로써 시간과 비용이라는 두 마리 토끼를 한 번에 잡을 수 있을 것이라고 밝혔다. MIT와 BASF 연구팀이 개발한 3D 프린팅 재료 개발 시스템을 활용하면, 머신러닝 알고리즘을 활용해 빠르고 효율적으로 3D 프린팅 재료 물질을 찾아낼 수 있다. (자료 : MIT News, MIT CSAIL) MIT CSAIL(Computer Science and Artificial Intelligence Laboratory)의 프로젝트 관리자이면서 논문의 공동 저자인 마이크 포시는 "여전히 매우 수동적인 프로세스인 분야가 재료 개발이다. 화학자가 실험실에 들어가서 손으로 재료를 혼합하고 샘플을 만들고 테스트하고 최종 결과에 도달한다. 그러나 사람은 며칠 동안 몇 번만 반복할 수 있지만, 우리 시스템은 같은 시간 동안 수백 번을 반복할 수 있다"라고 전했다. 연구팀은 시행착오로 인한 시간 지연을 최소화하기 위해, 무료 오픈소스 재료 최적화 플랫폼인 오토OED(AutoOED)를 만들었다. 오토OED는 화학 전문가 없이도 재료 최적화 작업을 수행할 수 있는 소프트웨어 패키지다. 최적화 플랫폼에 재료 성분과 화학 조성에 대한 세부 정보를 입력하고, 새로운 재료가 가져야 할 기계적 특성을 정의하...

2021.10.20

반강자성 메모리(antiferromagnetic memory)는 여러 잠재적인 강점을 지닌다. 전통적인 실리콘보다 실리콘 집적도를 높일 수 있고 자력으로 인한 데이터 손상을 피할 수 있는 점 등이 그것이다.  오늘날 디지털 시대는 실리콘에 힘입은 바 있다. 지각에서 두 번째로 풍부한 원소(1위는 산소)인 실리콘은 값이 쌀뿐더러 전기를 전도하거나 차단하는 역할을 모두 할 수 있는 특성을 지닌다. 이로 인해 컴퓨터, 스마트폰, 각종 전자 기기에 널리 활용되고 있다.  하지만 실리콘에 대한 대안도 등장하고 있다. 점점 더 많은 데이터 저장에 대한 요구로 인해 실리콘의 한계가 가시화되고 있다. 실리콘 대안을 찾으려는 노력의 일환으로 MIT 대학 물리학 연구진은 반강자성 물질을 탐색하고 있다. MIT 뉴스 오피스의 제니퍼 추는 다음과 같이 기술했다.   “반강자성(AFM) 물질은 기존의 자성 물질의 사촌격이지만 잘 알려지지 않았다. 자성체와 달리 반강자성 물질 내의 전자들은 사촌 물질의 반대 방향으로 회전하려는 성질을 보인다.  이로 인해 아주 작은 규모에서도 자화(magnetization)를 효과적으로 억제하게 된다.” “반강자성체에는 순자화(net magnetization)가 없기 때문에 외부 자기장에 영향을 주지 않는다. 덕분에 반강자성 메모리는 자기 영향으로 인해 데이터가 지워지는 현상을 차단할 수 있으며 더 작게 만들어질 수 있다. 기존 실리콘보다 더 압축되는 것이 가능하다.” 이는 제조 단가의 인하로 연결될 수 있다. MIT의 물리학 조교수이자 이번 연구 보고서의 저자인 리카도 코민은 “AFM 메모리를 이용하면 데이터 저장 용량을 확장할 수 있다”라고 설명했다. 그러나 AFM 메모리와 관련해 해결해야 할 과제가 아직 남아 있다. 저자 중 한 명인 지아루이 리는 “읽거나 쓸 때 더 많은 에너지가 요구된다. 작은 크기와 인해 이는 발열 문제로 이어질 수 있다”라고 설명했다.  MIT 연구팀은 AFM ...

2021.06.03

MIT의 초전도체 연구자들이 양자 컴퓨터 개발 및 구동 비용을 절감해줄 수 있는 컴퓨터 스위치인 나노 크라이오트론(nano-cryotron)을 연구하고 있다.  IT 전문가들이 알다시피, 기업용 서버 팜은 엄청난 에너지를 소비한다. 규모가 클수록 서버 팜의 에너지 소비량은 더욱 커진다.  양자 컴퓨팅은 (이 문제를 해결하는 데) 도움이 된다. 복잡한 문제를 기존의 컴퓨팅보다 기하급수적으로 빠르게 해결할 뿐 아니라 에너지도 덜 소비하기 때문이다. 그러나 양자 컴퓨터를 개발하는 길목에는 주요 장애물이 있다. 예컨대, 양자 컴퓨팅 요소에 사용되는 초전도성을 활성화하는 데 필요한 극저온을 생성하는 문제를 들 수 있다.    MIT 연구원들은 현재 양자 컴퓨팅을 구현하면서 서버 팜 비용을 대폭 줄이는 데 도움이 되는 작은 장치에 대해 연구하고 있다. 초전도 나노와이어로 만들어진 이 장치는 1950년대 MIT 전기 엔지니어가 고안했던 개념에서 비롯됐다. 이 엔지니어는 자신의 꿈이 현실화 되기 전에 비극적으로 요절했다.  먼저 현재를 살펴보자. MIT 전기공학부의 칼 버그렌 교수가 이끄는 전기공학 및 컴퓨터과학부 연구진은 초전도체의 효율성에 관한 문제를 연구하고 있다.  초전도체는 통상 극저온에서 저항없이 전기를 전도하는 금속이며 MRI 스캐너, 입자 가속기, 양자 컴퓨터에 사용된다. 초전도체와 관련해 두 가지 난제가 있다. 환경의 영향에 취약하며 생산 비용이 많이 든다는 점이다.  양자 컴퓨터가 비싼 이유 중 하나는 ‘조셉슨 접합’이라 불리는 컴퓨터 스위치에 있다. 이 스위치는 기본적으로 매우 얇은 비초전도 층을 사이에 둔 두 층의 초전도 물질이다. 조셉슨 접합은 “기본적으로 매우 섬세한 물체”이므로 제작하기기 어렵고 비용도 많이 든다고 버그렌은 MIT 뉴스를 통해 말했다.  버그렌은 그와 그의 동료들이 조셉슨 접합을 대체할 수 있는 작고 우아한 장치를 연구하고 있다고 말했다....

2021.03.26

‘전통강자’ C 언어는 여전히 컴퓨터 세계에서 널리 사용되고 있다. 다음의 4가지 강좌로 C 언어를 시작해보자.  오늘날 수많은 프로그래밍 언어가 있지만 ‘C 언어’는 지금도 다수가 사용하는 인기 있는 선택지다. 리눅스 커널(Linux kernel), 파이썬 런타임(Python runtime)과 같은 많은 주요 프로젝트가 C 언어를 사용하고 있으며, 계속해서 C 언어를 쓸 가능성이 높다. 임베디드 프로그래밍과 같은 일부 컴퓨팅 분야에서는 C 언어가 필수이기도 하다.    그리고 C 언어를 배우기도 더할 나위 없이 좋은 시기다. 책에서 온라인 강좌까지 학습 자원이 풍부하기 때문이다. 여기서는 C 프로그래밍 학습을 위한 주요 온라인 강좌 4가지를 살펴본다.  각 강좌는 각기 다른 수준의 사용자를 대상으로 하며, 서로 다른 접근법을 제시한다. 예를 들면 한 강좌에서는 C 언어와 리눅스를 결합해 배울 수 있고, 다른 강좌에서는 C와 C++를 함께 학습할 수 있다.  1. 유데미(Udemy): ‘입문자를 위한 C 프로그래밍(C Programming for Beginners)’ C 언어가 처음 배우기에 가장 쉬운 프로그래밍 언어라고 할 순 없다. 하지만 그렇다고 해서 C 언어가 ‘모국어’로는 적절하지 않다거나, 하나만 배우기 힘들다는 것은 아니다. 유데미의 ‘입문자를 위한 C 프로그래밍’ 강좌는 ‘기본을 우선하는(Basic First)’ 접근법을 취하며 이를 증명한다.  해당 강좌에는 윈도우, 리눅스, 맥 등의 시스템에 필요한 소프트웨어 설치 방법을 알려주는 과정이 포함돼 있다. 또한 초보자도 접근하기 편한 코드블록(Code::Blocks)을 코드 편집기로 사용한다.  본 강좌는 다국어 자막 서비스(영어, 프랑스어, 독일어, 이탈리아어, 포르투갈어, 폴란드어, 스페인어)를 지원한다.  • 수강 기간: 총 24시간 3분 / 자기 진도에 맞춰 학습할 수 있음    2. ...

2020.10.22

최근 인공지능 관련 기술에서 가장 많이 주목을 받는 동시에 단일 품목으로 큰 시장이 열릴 것이라 기대되는 기술이 있다. 바로 인공지능 구현에 필요한 연산을 가속해주거나, 이런 연산에 최적화된 고성능 반도체 프로세서 기술이다.  잘 알려진 인텔의 Xeon CPU, AMD의 Opteron CPU, ARM 코어 CPU는 일반 컴퓨터 작업을 위한 범용 프로세서고, 인공지능 구현에서 많이 쓰이는 행렬, 텐서 연산, 그리고 최적화(optimization) 연산의 성능 향상에 집중하여 프로세서를 설계, 양산한 제품이 인공지능 프로세서 반도체다. 인공지능 연산에 최적화된 프로세서들은 범용 CPU와는 다르게 일반적인 작업을 실행하지는 못하고, 인공지능 학습과 추론에 필요한 계산 성능을 향상하기 위한 목적으로 많이 쓰인다. 이 때문에 보통 일반 CPU와 함께 컴퓨터에 부가적으로 탑재되어 딥러닝 같은 인공지능 구현에 관련된 계산을 수행할 때만 해당 작업을 이런 인공지능 프로세서쪽으로 옮겨(off-load) 실행한 후, 그 결과를 CPU로 전달하여 다른 작업과 같이 수행하는 식으로 연산이 처리된다. 일종의 보조 프로세서(co-processor)인 셈이다.   지난 스물 한 번째 글에서 최근 딥러닝 연산을 가속하기 위한 엔비디아(Nvidia)의 GPGPU(General Purpose Graphic Processing Unit; GP-GPU)인 테슬라(TESLA), 퀄컴(Qualcomm)의 신경 프로세싱 유닛(Neural Processing Unit; NPU), 구글의 텐서 프로세싱 유닛(Tensor Processing Unit; TPU)과 같은 고성능 딥러닝 프로세서 기술과 IBM의 트루노스(TrueNorth), MIT의 아이리스(Eyeriss)와 같은 신경모방(뉴로모픽 프로세서; neuromorphic processor)들을 잠시 살펴본 바 있다.  반도체 설계 및 제조 기술이 발전함에 따라 이렇게 인공지능과 기계 학습에 많이 쓰이는 연산을 가속...

2020.08.26

인텔이 MIT·조지아 공대 연구진이 자동 코딩을 해주는 AI 엔진 개발에 나서고 있다. 이 엔진으로 코드 유사성을 분석해 각 코드의 역할을 파악함으로써 자동 소프트웨어 코딩 시대를 열겠다는 취지다.  인공지능(AI)이 급속히 발전하고 있다. 컴퓨터가 프로그래머 없어 혼자 코드를 작성하는 시대로 접어들게 되는 것일까? 이번에 발표된 연구를 보면 그런 획기적인 시점이 점점 가까워지고 있는지도 모른다.    MIT와 조지아 공대의 연구원들이 인텔과 손을 잡고 MISIM(Machine Inferred Code Similarity)이라는 이름의 AI 엔진 개발에 나선다. 이 엔진은 소프트웨어 코드를 분석해 그것이 다른 코드와 얼마나 유사한지 결정하도록 설계된다. 흥미로운 점은 이 엔진 시스템이 지닌 잠재력이다. 코드 조각들의 기능을 학습하고 학습한 내용을 바탕으로 소프트웨어의 코드 작성 방식을 바꿀 수 있다. 누구든지 소프트웨어 프로그램에게 원하는 바를 설명하면, 머신 프로그래밍(MP)시스템이 코드를 짜고 앱을 만들어 내놓는 일이 가능해질 수 있는 셈이다.  인텔의 수석과학자 겸 머신 프로그래밍 연구소의 이사 겸 설립자인 저스틴 고트슐리히는 보도자료에서 "(자동 코딩이) 완벽하게 구현되면 코드로든, 자연어로든, 기타 어떤 것으로든지 간에 사람들은 원하는 방식으로 MP에 의사를 표현해 소프트웨어를 만들 수 있게 될 것"이라고 설명했다. 이어 그는 "(자동코딩은) 원대한 목표이며 완수해야 할 과업들이 많다. MISIM는 그 목표를 달성하기 위해 내딛은 중요한 첫 발자국이다"라고 덧붙였다.  자동 코딩의 작동 방식 인텔 측의 설명에 따르면 신경망은 각 코드 스니펫들이 “수행하는 고유의 기능”을 바탕으로 코드마다 유사도 점수를 부여한다. 예를 들어, 서로 짜임새가 완전히 다른 두 개의 코드 샘플도 수행하는 기능이 같으면 동일한 점수가 부여된다. 이후 신경망 알고리즘은 어떤 코드 스니펫이 더 효율적인지 판단할 수 있다.&nb...

2020.08.14

MIT 연구팀이 사람의 뇌가 기억하는 방법을 모방한 인공지능 프로세서인 ‘브레인-온-어-칩(Brain-on-a-chip, 이하 브레인 칩)을 개발했다고 MIT 뉴스가 소개했다. 브레인 칩은 수만 개의 인공두뇌 시냅스를 하나의 단일 칩으로 구현한 인공두뇌로, 브레인 칩이 상용화되면 휴대 가능한 소형 인공지능 장치의 개발도 가능해질 전망이다. 사람의 뇌와 비슷하게 동작하는 인공지능을 구현하는 방법은 크게 두 가지다. 첫 번째는 기존의 컴퓨팅 시스템에서 인공지능 알고리즘을 적용한 소프트웨어를 활용하는 것이다.  두 번째는 사람의 뇌와 신경 시스템이 작동하는 방식을 모방한, 인공지능 프로세서를 통해 하드웨어적인 방법으로 인공지능을 구현하는 것이다. 두 가지 모두 사람의 두뇌와 신경 시스템이 정보를 수집하고 전달하고 분석하며 저장하는 방법을 모방하거나 응용한 방법을 사용한다. MIT 연구팀이 인공두뇌 프로세서인 ‘브레인 칩’을 개발했다고 발표했다. 실리콘과 구리와 은을 사용한 멤리스터를 집적한 것이 특징이다. 사진은 인텔이 개발한 신경망 연구칩(neuromorphic research chip)인 로이히(Loihi). (credit 인텔) 브레인 칩은 은과 구리의 합금을 활용한 멤리스터(memristor)를 기존의 실리콘 칩 제조 과정에 적용한 것이 특징이다. 멤리스터나 메모리 트랜지스터는 신경망 컴퓨팅을 구성하는 요소로, 이전 상태를 모두 기억하는 일종의 메모리 소자다. 메모리(Memory)와 레지스터(Resistor)의 합성어인 멤리스터는 전원 공급이 중단돼도, 이전에 흐르던 전류의 방향과 양이 그대로 보존되고, 다시 전류가 흐르면 이전 상태로 복원된다. 또한 멤리스터는 사람의 신경 신호전달 시스템을 구성하는 시냅스와 유사한 방법으로 작동하는데, 수신하는 신호의 강도에 따라 생성하는 신호도 달라진다. 즉, 하나의 멤리스터가 가질 수 있는 값이 다양해진다는 의미다. 반면, CPU, 램(RAM) 등과 같은 전형적인 반도체를 구성하는 가장 기본적인 소자인...

2020.06.10

보스턴 컨설팅 그룹과 가트너의 전문가들은 기업이 AI로부터 가치를 창출하는 것은 쉽지 않다고 말한다. 이들은 IT 부서와 현업 부문의 협업을 솔루션으로 제시한다. AI의 어마어마한 잠재력은 누구도 부인할 수 없을 것이다. 하지만 잘못된 전략, 프로세스 변화에 대한 형편없는 접근방식, 전문 지식 및 일반적인 기술에 관한 이해 부족으로 많은 기업이 AI로부터 가치를 얻어내지 못하고 있다.   MIT 슬론 매니지먼트 리뷰(MIT Sloan Management Review)와 보스턴 컨설팅 그룹(BCG)이 공동으로 발표한 ‘AI로 승리하기: 개척자는 전략, 조직 행동, 기술을 결합한다(Winning With AI: Pioneers Combine Strategy, Organizational Behavior and Technology)’ 보고서에 따르면 AI에 투자한 기업이 전체의 90%에 달했으며, 이중 어떤 형태로든 성과를 거둔 기업은 40% 미만인 것으로 나타났다. 해당 보고서는 전 세계 97개국 약 2,500명의 임원들을 대상으로 실시한 설문조사 결과에 기초한다.  기업이 AI를 도입할 때 조심해야 할 5가지 위험 요소와 이를 극복하기 위한 해결책을 살펴본다.  1. IT 부서가 주도하는 AI 프로젝트는 기회 낭비로 이어진다 BCG의 AI 및 빅데이터 분석 부문을 공동 지휘하는 파트너 셔빈 코다반데는 많은 기업이 EPR 시스템 구축처럼 IT 부서로 하여금 AI 개발 및 도입을 주도하도록 하고 있다고 지적했다. 이어서 그는 일반적인 AI 솔루션은 기업에 도움이 되지 않기 때문에 이는 중대한 실수라고 덧붙였다.  그는 이와 관련해 한 BCG 고객사 사례를 예로 들었다. 해당 기업의 IT 부서는 머신러닝 기술과 클라우드 인프라에 8,500만 달러를 투자했지만 웹 사이트와 애플리케이션은 거의 개선되지 않았다고 코다반데는 설명했다.  기업은 AI 이니셔티브를 비즈니스 전략과 정렬해야만 한다. 즉 AI 전략은 IT 부...

2020.04.06

경제협력개발기구(OECD)와 유럽연합 지적 재산권 사무소가 2019년 3월 발표한 ‘모조품 불법 거래 동향’ 보고서에 따르면, 위조품과 불법 복제품이 꾸준히 증가해 세계 무역의 3.3%에 달한다. 2016년을 기준으로 신발(22%), 의류(16%), 가죽제품(13%) 순으로 위조 제품이 많은 것으로 조사됐다. 또한, 경제협력개발기구는 2018년에 발간한 보고서를 통해, 2020년 전 세계 유통시장에서 ‘짝퉁’ 시장 규모가 2조 달러에 달하리라 예측했다. 이렇게 위조품과 모조품이 급증하는 것은 진짜와 구별하기 쉽지 않기 때문이다. 하지만 MIT 연구팀이 개발한 초소형 무선 ID 태그가 상용화되면 이런 가짜 제품의 횡행에 강력한 제동이 걸릴 수도 있을 것으로 보인다. 교통카드나 신용카드에 사용되는 RFID와 비슷한 원리로 동작하면서도, 훨씬 작고 가벼우면서 적은 전력을 소모하고, 암호화 기술을 적용해 강력한 보안성을 지원하는 것이 특징이다. MIT 연구팁이 개발한 초소형 초전력 무선 ID 태그. 크기가 1.6 제곱 밀리미터에 불고한 초소형 ID 태그로, 암호화된 데이터 전송과 전력 소모량이 낮은 것이 특징이다. 제작 비용이 몇 센트에 불과할 정도로 저렴한 것도 장점이다. (사진: MIT News) 제조 및 유통 분야를 위한 세상에서 가장 작으면서 강력한 방패라고도 할 수 있는 이번 기술은, 지난 2월 19일 개최된 IEEE 국제반도체 회로 컨퍼런스(ISSCC;International Solid-State Circuits Conference)에서 논문으로 발표를 통해 공개됐다. 초소형 단일(monolithic) 실리콘 칩에 모든 기능을 집약시킨 ID 태그는, 작으면서도 강력하고 불과 몇 센트에 불과할 만큼 저렴하게 제작할 수 있는 것이 특징이다. 지금은 다양한 분야에서 흔하게 사용하는 RFID(Radio-Frequency Identification)는 일단 크기가 너무 크다. 따라서 의료, 산업용 부품, 자동차 부품, 실리콘 칩처럼 제품 자체가 매우 작은 ...

2020.02.25

미국에서 여러 주의 선거 공무원은 투표 접근성을 확대하기 위한 방법으로 다양한 모바일 투표 애플리케이션을 시험해왔다. 그러나 MIT 연구원들은 대중적으로 쓰이는 앱에 누군가 이를 악용할 수 있는 보안 취약점들이 있다고 지적했다.    MIT가 행한 보아츠(Voatz) 앱에 대한 분석에 따르면 ‘개별 이용자가 투표했던 방식을 해커가 바꾸고, 중지시키며, 노출할 수 있는’ 여러 취약점이 확실하게 드러났다.  나아가, MIT는 보아츠가 투표자 신원 확인과 검증에 이용하는 팔로알토의 주미어(Jumio)라는 업체는 잠재적인 프라이버시 문제가 있음을 발견했다. 이번 연구는 최근 논란이 있었던 아이오와주 민주당 대통령 전당대회를 계기로 이루어졌다. 여기서는 투표를 기록하기 위해 온라인 앱을 이용했지만, 앱에서 오류가 발견됐다. 원인은 코딩 결함과 불충분한 테스팅이었다.  일부 보안 전문가는 유일하게 안전한 투표 형식은 종이 투표라고 오랫동안 말해왔다.    보아츠 모바일 투표 앱은 총투표자가 600명에 불과한 웨스트 버지니아주 덴버, 그리고 오리건, 유타, 워싱턴 주의 5개 카운티 등 소규모 시험 투표에 사용되었다. 주로 해외에 거주하는 사전 선거 참여를 위한 것이었다.  위 보고서에 대응해, 보아츠는 MIT의 보고서가 이미 구식이 된 안드로이드 버전을 대상으로 했기 때문에 결함이 있다고 주장했다.  보아츠는 2월 13일 블로그 게시물에서 “다른 100여 명의 연구원처럼, MIT가 해커원 상의 공개 버그 바운티 프로그램으로 우리의 최신 앱 버전을 이용해 테스트하고 검증했다면, 틀린 방식에 근거해 주장하는 보고서를 발간하지 않았을 것이다”라고 밝혔다.  보아츠는 “600명 미만의 투표자를 비롯해, 우리가 지금까지 시험한 9건의 정부 선거는 어떠한 문제도 보고되지 않았다. 안전하고 확실하게 수행되었음을 분명히 하고 싶다”라고 말했다.  2018년 웨스트 버지니아주는 중간...

2020.02.18

마이크로소프트가 오픈소스 프로젝트, 딥스피드(DeepSpeed)를 선보였다. 딥러닝 프레임워크 파이토치(PyTorch) 사용자라면, 최소한의 코드 변경으로 딥스피드를 사용할 수 있다.  마이크로소프트가 2월 10일 자사 리서치 블로그와 기트허브를 통해 딥스피드를 공개했다. 딥스피드는 파이토치의 연산과 개발 속도를 더욱 가속화하는 최적화 라이브러리다. 이는 기존 하드웨어에서 딥러닝 모델을 학습시키는 데 있어 메모리 사용량을 줄이면서도, 더 나은 병렬처리를 이용할 수 있도록 설계됐다.    마이크로소프트 블로그에 따르면 딥스피드는 메모리 최적화 기술을 통해 파이토치 모델의 학습 속도를 향상한다. 또한 해당 모델로 이용할 수 있는 파라미터의 개수를 늘리고, GPU 로컬 메모리를 효과적으로 활용하며, 기존 파이토치 애플리케이션을 재사용하려고 할 때 변경 작업을 최소화한다. 기존 파이토치 코드에 미치는 영향이 최소화됐다는 점이 중요하다. 현재 여러 머신러닝 라이브러리들이 확고하게 자리를 잡고, 많은 애플리케이션이 이 라이브러리들을 기반으로 개발되고 있다. 그 때문에 새로운 프레임워크를 개발하기 보다는 기존 프레임워크를 더 확장하고, 성능을 더 향상시키는 방향이 더욱 활성화되고 있다.  파이토치가 연산과 개발 속도 측면에서 이미 빠르더라도, 더 이상 개선될 여지가 없다는 의미는 아니다. 충분히 향상될 수 있다. 파이토치로 개발한 애플리케이션은 최소한의 코드 변경으로 딥스피드를 사용할 수 있다. 다른 프레임워크로 처음부터 시작할 필요가 없다.  딥스피드가 파이토치의 속도를 더욱 가속화하는 방법은 해당 프레임워크의 기본 병렬처리를 향상시키는 데 있다. 딥스피드 공식 문서는 파이토치의 분산 데이터 병렬 시스템에서 엔비디아 V100 GPU 32GB를 사용해 모델을 학습시키는 경우를 예로 들고 있다. 이때 15억 개의 파라미터를 이용하는 데 GPU에서 메모리 부족이 발생했다. 하지만 딥스피드를 사용하면 동일한 GPU에서&nb...

2020.02.11

그동안 블록체인 업계와 컨소시엄, 공급 업체 등은 규모와 효율성 측면에서 블록체인 기반 암호화폐 거래 확장 문제를 해결하기 위해 노력해왔다. 이 문제를 해결할 수 있다면 디지털 화폐가 전통적인 은행과 경쟁하는 것은 물론, 심지어 신용카드의 대항마가 될 수도 있다. 개인의 은행 계좌와 신용을 은행이 아니라 블록체인 업계가 통제하는 퍼블릭-프라이빗 키 인프라에 연결해 운영할 수 있기 때문이다.   그러나 암호화폐 도입과 사용이 증가하지만, 블록체인을 사용해 대규모 결제를 빠르게 수행하는 것은 여전히 과제로 남아있다. 이를 위해 MIT 연구진은 “스파이더(Spider)”라는 더 효율적인 라우팅 체계를 개발했다. 연구진은 암호화폐 거래 속도를 4배 높일 수 있다고 주장하는데, 오는 2월 말 네트워크 시스템 설계 및 구현 분야 유제닉스(USENIX) 심포지엄에서 이 기술에 대한 상세한 내용을 소개할 예정이다.   현재 암호화폐 네트워크는 블록당 소량의 데이터만 허용하며, 각 거래를 처리하는 데 몇 분이 걸린다. 예를 들어, 비트코인 원장은 평균 3.3~7TPS(Transactions Per Second), 이더리움은 10~30TPS를 처리한다. 이에 비해 비자(Visa) 네트워크는 평균 1,700TPS, 최대 로드 시에는 그 이상을 처리한다. 블록체인은 피어 투 피어 분산 원장 기술로 거래를 실시간으로 누구나 열람할 수 있어 효율적이지만, 실질적인 성능에 문제가 있음을 알 수 있다. 블록체인의 모든 엔트리에 대해, 모든 노드가 동일한 거래를 처리 해야 하거나, 합의에 도달해야 하므로 많은 시간이 걸리는 것이다.    이런 한계로 라이트닝(Lightning) 네트워크나 레이든(Raiden) 네트워크와 같은 확장 가능한 양방향 결재 채널 네트워크(Payment Channel Network, PCN)가 등장했지만 완벽한 대안이 되지 못했다. PCN을 제어하는 스마트 계약 스크립트는 가장 짧은 경로를 따라 트랜잭션을 자동으로 라우팅하기 ...

2020.02.07

무선 통신 시스템을 다양한 부품으로 구성된다. 수많은 부품은 모두가 필요하고 중요하지 않은 것이 없다. 그렇지만 만드는 사람이 생각하는 것과 사용하는 사람이 생각하는 ‘중요’한 것의 우선순위는 다를 수 있다. ‘기술’에 대한 이해와 적용이 다른 까닭이다. 그중에 가장 대표적인 것이 안테나다. 사용자가 볼 때는 별것 아닌 것 같지만 기술자 입장에서는 절대적으로 중요한 부품이다. MIT의 과학 및 인공지능 연구팀(CSAIL;Computer Science and Artificial Intelligence Laboratory)이 이러한 안테나의 기능이나 성능을 획기적으로 개선할 수 있는 '알포커스'(RFocus)라는 새로운 안테나 플랫폼을 연구하고 있다. 알포커스는 소프트웨어로 제어하는 스마트 서피스(Smart Surface) 형태의 어레이(array) 안테나다. 여러 개의 안테나를 모으고 배열해서, 마치 얇은 판처럼 만든 2차원으로 배열한 안테나라는 의미다. 3,000개 이상이 초소형 안테나를 연결해, 수신기의 신호 강도를 최대 10배 높여주는, 알포커스(RFocus) 프로토타입. 연구팀 중의 한 명인 벤카드 아룬이 스마트 서피스 안테나 시제품 앞에 서 있다.(사진 : MIT News / CSAIL) 연구팀이 공개한 알포커스 시제품은 안테나가 들어간 얇은 플라스틱판을 여러 개 이어 붙인 형태로 되어 있다. 초소형 안테나 3,000개 이상을 이러한 판 형태로 만들어 연결한 후, 자체 개발한 소프트웨어 컨트롤러를 이용해 전파를 투과시키거나 반사하도록 설계했다. 이러한 방법을 통해 수신기에서 받는 전파의 신호 강도를 최대 10배까지 향상할 수 있다고 연구팀은 밝혔다. 무선 통신 시스템은 전파에 데이터를 실어 보내고 받는 송신기와 수신기로 구성된다. 송신기에서 전파를 공중으로 떠나보내는 마지막 부분과 그렇게 전달된 전파를 수신기에서 처음으로 받아들이는 부분이 안테나다. 그래서 안테나의 성능은 무선 통신 시스템의 성능에 가장 큰 영향을 미친다. 무선으로 데이터를 더...

2020.02.04

LG전자가 메사추세츠공대(MIT) 기계공학부 김상배 교수와 손잡고 차세대 로봇기술을 개발한다고 밝혔다. 김상배 교수는 2006년 도마뱀처럼 벽을 타고 오르는 스티키봇(Stickybot)을 발명해, 주목을 받았다. 스티키봇은 그해 시사주간지 타임이 뽑은 최고의 발명품에 선정되기도 했다. 김 교수는 2012년부터 MIT 생체모방 로봇연구소(Biomimetic Robotics Lab)를 이끌며 4족 보행 로봇인 ‘치타’ 시리즈를 선보이고 있다. LG전자는 MIT 생체모방 로봇연구소의 연구인력과 인프라를 활용해 물체조작 기술(Manipulation)을 연구해 차세대 로봇기술을 선점한다는 계획이다. 물체조작기술은 로봇의 손이나 팔을 이용해 물체를 집거나 옮기는 기술이다. LG전자는 감성인식과 내비게이션 기술에 강점을 갖고 있어 4족 보행과 물체조작 기술 분야의 권위자인 김상배 교수와 협업으로 상당한 시너지를 낼 것으로 기대하고 있다. LG전자와 김상배 교수는 지난해 말 연구과제 선정을 마치고 이달부터 본격적인 협업에 들어간다. LG전자 CTO 산하 로봇선행연구소에서 연구에 참여한다. 이와 함께 LG전자는 미국 보스턴에 ‘LG 보스턴 로보틱스랩(LG Boston Robotics Lab)’을 설립한다. 보스턴은 로봇관련 기업과 스타트업이 몰려있어 기술 연구가 활발하고 빠르게 변화하는 로봇 산업을 살펴볼 수 있는 지역으로 꼽힌다. LG전자는 로봇 인프라가 풍부한 보스턴에 거점을 확보함으로써 미래 로봇기술을 확보하는 한편 김 교수와 보다 긴밀하게 공동연구에 협력한다는 계획이다. LG전자 CTO 박일평 사장은 “세계적인 로봇공학자 김상배 교수와의 공동연구에 본격적으로 착수하고 보스턴에 로봇 연구거점을 마련함으로써 미래 성장동력인 로봇사업의 기술 경쟁력을 한층 강화하는 계기가 될 것”이라고 말했다. ciokr@idg.co.kr

2020.01.15