뇌 모델과 다코어 컴퓨팅을 잇는 새로운 인터랙티브 병렬 언어 설계

이 논문은 현대 컴퓨팅이 직면한 두 가지 큰 과제—다코어·다코어 하드웨어의 대규모 병렬 활용과 인간 수준의 인공지능 구현—를 하나의 통합적 프로그래밍 모델로 해결하고자 한다. 저자들은 먼저 인간 두뇌의 정보 처리 메커니즘을 모델링한 HTM(Hierarchical Temporal Memories)을 소개한다. HTM은 계층적 트리 혹은 DAG 구조를 갖는 노드들의 네트워크로, 각 노드는 입력된 시간 패턴을 일정 기간 관찰하고, 학습된 클래스로 압축한 뒤 상위 노드에 전달한다. 이 과정에서 노드는 현재까지 관측된 데이터에 기반해 미래 패턴을 예측하고, 필요 시 하위에서 상위로 피드백을 요청한다. 이러한 예측‑매칭·피드백 루프는 인간이 불완전하거나 잡음이 섞인 입력에서도 강인하게 인식·판단할 수 있게 하는 핵심 메커니즘으로 제시된다. 다음으로, 논문은 다코어·다코어 컴퓨팅을 위한 최신 아키텍처인 TRIPS(Tera‑Op, Reliable, Intelligent‑adaptive Processing System)를 설명한다. TRIPS는 명령을 작은 블록으로 분할하고, 실행 시점에 동적으로 재배치하는 VLIW‑like 구조를 갖는다. 사전 실행(speculative execution)과 스레드‑레벨 병렬성을 통해 높은 처리량을 달성하지만, 이를 효과적으로 활용하려면 프로그램 수준에서 예측 정보를 명시적으로 제공해야 한다는 한계가 있다. 이 두 영역을 연결하기 위한 핵심 도구로 제시된 것이 Agapia이다. Agapia는 기존의 명령‑기반 언어와 달리 ‘시간 데이터’와 ‘시나리오’를 기본 단위로 삼는다. 시간 데이터는 스트림 위에 타임스탬프가 붙은 값이며, 레지스터의 시간‑이중 형태인 ‘voice’를 통해 읽고 쓸 수 있다. 시나리오는 2차원 격자 형태의 실행 패턴으로, 가로축은 프로세스(코어), 세로축은 시간 흐름을 나타낸다. 시나리오 내부의 각 셀은 입력·출력 인터페이스를 정의하고, 수평(⊲), 수직(·), 대각선(•) 연산을 통해 복합적인 인터랙션을 구성한다. 이러한 연산은 HTM 노드 간의 데이터 흐름과 예측‑피드백 메커니즘을 자연스럽게 모델링한다. 예를 들어, 두 시나리오를 수평으로 결합할 때는 오른쪽 시나리오의 서쪽 인터페이스와 왼쪽 시나리오의 동쪽 인터페이스를 일치시키기 위해 nil 요소와 더미 행을 삽입한다. 이는 HTM에서 하위 노드가 상위 노드와 데이터 포맷을 맞추기 위해 패딩을 삽입하는 과정과 동일하다. Agapia는 또한 RV‑시스템(레지스터·보이스 시스템) 위에 구축된 인터랙티브 컴퓨팅 모델을 제공한다. 이 모델은 프로세스 마이그레이션, 이질적 하드웨어 배치, 비차단 메시지 전달을 지원한다. 따라서 Agapia 프로그램은 TRIPS 아키텍처에 컴파일될 때, 시나리오의 각 행이 독립적인 명령 블록으로 매핑되고, 예측된 시간 데이터는 사전 실행 단계에서 활용된다. 결과적으로 HTM 노드가 미래 입력을 예측해 상위 노드에 미리 전달하는 방식이, TRIPS의 사전 실행 메커니즘과 일치한다. 이는 멀티코어 시스템에서 예측 기반 스케줄링을 구현하는 데 큰 장점을 제공한다. 논문은 Agapia가 제공하는 ‘구조적 인터랙션’이 전통적인 객체지향 언어에서 발생하는 자유로운 goto‑스타일 흐름을 억제하고, 형식적 검증이 가능한 모듈식 설계를 가능하게 함을 강조한다. 시나리오 기반 의미론은 denotational 및 operational semantics를 동시에 제공하여, 프로그램의 행동을 수학적으로 증명할 수 있는 기반을 마련한다. 이러한 특성은 수천 개의 프로세스를 포함하는 대규모 병렬 시스템에서 디버깅 비용을 크게 낮추며, 뇌 모델링과 같이 복잡한 피드백 루프를 갖는 시스템을 안정적으로 구현하는 데 필수적이다. 결론적으로, 저자들은 Agapia가 HTM 기반 뇌 모델과 TRIPS 기반 다코어·다코어 컴퓨터 사이의 ‘언어적 다리’ 역할을 수행할 수 있음을 시연한다. Agapia 프로그램을 통해 HTM의 계층적 예측·피드백 구조를 명시적으로 표현하고, 이를 TRIPS 아키텍처에 효율적으로 매핑함으로써, 뇌와 컴퓨터 사이의 공통된 계산 원리를 탐구하고, 미래의 지능형 병렬 시스템 설계에 새로운 방향을 제시한다.