심방세동 감지를 위한 초소형 고성능에너지 효율형 인공지능 칩v 배경- 인공지능 시스템은 환자의 회복 가능성을 높이고 의료 행위의 효율을향상시킨다는 점에서 미래 의료 서비스 품질 향상에 크게 기여할 수 있는 기반기술로 각광 받고 있다. 그러나 성능이 높은 인공지능 시스템은 일반적으로많은 전력을 소비하기 때문에 장기적인 관점의 해결책이 필요하다.v 필요성- 심방세동(Atrial fibrillation)은 부정맥 이상의 가장 흔한 형태로, 발현 후즉각적으로 감지하지 못할 경우 뇌졸증으로 이어질 가능성이 매우 높다. 이러한위험을 방지하기 위해서는 장기간에 걸친 심전도(ECG) 측정을 통한 진단이필요하다. 오늘날에는 스마트워치와 같은 웨어러블 디바이스의 보급으로 이러한행위에 대한 진입장벽이 낮아졌지만 보다 정확한 모바일 실시간 진단을 위해서는수집되는 ECG 데이터를 에너지 효율적인 기법으로 분석할 수 있어야 한다.환자에게서 수집·측정한 데이터를 다루는 알고리즘은 높은 컴퓨팅 자원이필요하고, 이에 소모되는 에너지의 양 또한 막대하기 때문이다. 따라서 인공지능기반 모바일 의료·진단 시스템은 하드웨어 아키텍처와 알고리즘이 에너지효율적으로 작동하도록 설계되어야 한다.v 개발 개요- 프라운호퍼 집적회로 연구소(IIS)와 산업수학 연구소(ITWM)은 심방세동을 초기에감지할 수 있는 고에너지 효율형 인공지능 칩 솔루션을 개발하였다. 이 아이디어를통해 두 연구소는 연방교육연구부(BMBF)의 파일럿 에너지 효율 인공지능w 두 연구소는 연방교육연구부 주관 에너지 파일럿 혁신 콘테스트인 <효율형 인공지능시스템>에서 공동 1위를 수상하였다(좌)w 이 성과는 기술은 초소형-저전력 모바일 인공지능 칩 설계의 핵심 기술이 될 전망이다(우)v 프로젝트 주요 내용n (1) 프로젝트 1 : 머신러닝 알고리즘 (Lo3-ML) 기반 저전력 저메모리/저비용 ECG신호 분석- 프라운호퍼 집적회로 연구소는 환자의 건강 여부를 감지하기 위해 다양한레이어에서 처리되는 신경망을 활용하는 딥러닝 기반 알고리즘을 활용하였다.심전도 신호를 신경망 입력값으로 처리하고, 신호 섹션을 필터링 한 후 개별 신호구성에 가중치를 부여하여 다중 레이어로 계산되는 구조를 취한다.- 에너지 효율성을 높이기 위해 신호 처리가 필요하지 않은 경우 휴면(idle) 상태로신경망 모드를 선택적으로 바꾸기 때문에 에너지의 95%까지 절감할 수 있다는효과가 있다. 예를 들어, 칩셋이 12.7초 동안 ECG 신호를 수집하면, 이 데이터를0.2%인 24밀리초 안에 처리할 수 있다. 따라서 신호 처리 자체는 99.8% 이상