과학자들이 더 빠른 AI 처리를 위한 광학 컴퓨팅 방법 개발

Aalto 대학교의 연구진들은 전기 대신 빛을 사용하여 인공지능 계산을 처리하는 새로운 방법을 시연했으며, 이는 AI 시스템의 확장을 제한해온 주요 병목 현상을 잠재적으로 제거할 수 있다.​

POMMM(Parallel Optical Matrix-Matrix Multiplication)이라 불리는 이 기술은 신경망의 수학적 기초인 복잡한 텐서 연산을 단일 통과의 가간섭 빛으로 완료하며, 이는 11월 14일 Nature Photonics에 게재된 연구에 따른 것이다. 여러 번의 빛 전파를 필요로 하는 기존의 광학 컴퓨팅 방법과 달리, POMMM은 전체 행렬 곱셈을 동시에 수행하여 에너지 소비를 극적으로 줄이면서 더 빠른 처리 속도로 가는 길을 제공한다.​

"여러 다른 기능을 가진 여러 기계를 통해 모든 소포를 검사한 다음 올바른 보관함으로 분류해야 하는 세관 직원을 상상해 보세요"라고 Aalto 대학교 전자 및 나노공학과의 제1 저자인 Dr. Yufeng Zhang이 말했다. "우리의 광학 컴퓨팅 방법은 모든 소포와 모든 기계를 함께 병합합니다 — 우리는 각 입력을 올바른 출력에 연결하는 여러 개의 '광학 고리'를 만듭니다. 단 한 번의 작업, 한 번의 빛 통과로 모든 검사와 분류가 즉시 그리고 병렬로 일어납니다."​

GPU 병목 현상 해결

현재 AI 시스템은 텐서 처리 속도에 한계를 겪고 있으며, 이러한 제약으로 인해 OpenAI, Anthropic, Google, xAI와 같은 기업들은 대규모 모델을 훈련하고 운영하기 위해 수천 개의 그래픽 처리 장치를 병렬로 실행하고 있습니다. GPU는 병렬 처리에 뛰어나지만, 상당한 전력을 소비하고 메모리 대역폭 제약에 직면해 있습니다.​

POMMM 프로토타입은 이미지 인식 작업을 위한 합성곱 신경망을 실행할 때 94% 이상의 정확도를 달성했으며, 손글씨 숫자 분류에서 94.44%, 의류 아이템 인식에서 84.11%의 정확도를 기록했습니다. 이 시스템은 최대 50x50 크기의 행렬에 대해 0.15 미만의 평균 절대 오차를 보였으며, 줄당 20억 회 이상의 연산 효율성을 나타냈습니다.​

상업적 통합으로 가는 길

Aalto University의 Photonics Group을 이끄는 Zhipei Sun 교수는 이 접근법이 "거의 모든 광학 플랫폼에 구현될 수 있다"고 말했다. Zhang은 이 기술이 3~5년 내에 주요 AI 플랫폼에 통합될 수 있을 것으로 추정한다.​

이 혁신적 발견은 AI 인프라를 위한 광학 인터커넥트에 대한 업계의 증가하는 관심을 바탕으로 한다. Ayar Labs와 Lightmatter를 포함한 기업들은 데이터 센터 병목 현상을 위한 광학 솔루션 개발에 수억 달러의 벤처 캐피털을 유치했다. Nvidia CEO Jensen Huang은 2025년 3월에 공동 패키징된 광학 기술이 네트워킹 스위치에 대해 가능성을 보여주지만, 직접 GPU 연결에는 전통적인 구리 연결이 "몇 배나" 더 신뢰할 수 있다고 밝혔다.​

연구진은 POMMM을 포토닉 칩에 직접 통합하여 광 기반 프로세서가 더 낮은 전력 소비로 복잡한 AI 작업을 수행할 수 있도록 할 계획이다.