헬로티 이동재 기자 |

기계 학습(ML) 알고리즘은 한때 주로 고성능 데이터센터 컴퓨팅 플랫폼에서만 접할 수 있었지만 지금은 에지(edge)로 점차 확장되어 가는 추세다. 에지 디바이스에서 실행되는 ML 알고리즘이 발전하면서 전력, 성능과 면적에 최적화된 하드웨어 아키텍처가 크게 증가하게 됐다.

ML을 에지(edge)로 옮기려면 전력과 성능 면에서 중요한 요구사항이 뒤따른다. 평범한 상용 솔루션을 사용하는 방안은 실용적이지 않다. CPU는 너무 느리고, GPU/TPU는 비싼 데다 전력 소모량이 너무 크며 심지어 일반적인 기계 학습 가속기조차 사양이 과도하고 전력에 최적화되어 있지 않다.

이번 리포트에서는 차세대 에지 기계 학습 하드웨어 수요에 부합하는 효율적인 하드웨어 아키텍처를 만드는 방법에 대해 다룬다.