소음으로 구동되는 어트랙터 전환 장치

초록

본 논문은 확률적 흥분 임계값 유닛을 이용해 환경 변화에 적응 가능한 인공 신경망을 설계한다. 억제 연결을 통한 소음 주입으로 어트랙터를 안정화·전환시키고, 히스테리시스 현상을 구현해 인간 시각 피질의 입체시와 양안 경쟁을 모사한다.

상세 분석

이 연구는 기존 인공 신경망(ANN)이 갖는 결정론적 한계와 사전 학습에 의한 경직성을 극복하기 위해 ‘소음 구동(excitable) 임계값 유닛’을 핵심 구성요소로 채택한다. 임계값 유닛은 입력이 특정 임계값을 초과하면 급격히 활성화되는 비선형 특성을 가지며, 여기서 ‘소음’은 외부 백색 잡음 혹은 내부 신경 변동을 의미한다. 논문은 먼저 단순한 임계값 모델을 통해 두 개 이상의 어트랙터(준안정 상태)를 정의한다. 각 어트랙터는 시스템이 외부 교란이 없을 때 머무르는 ‘준평형’ 상태이며, 소음 수준이 낮을 때는 해당 어트랙터에 머무르는 시간이 길어진다.

핵심 메커니즘은 억제 연결(inhibitory coupling)이다. 억제 뉴런은 현재 활성화된 어트랙터의 출력을 억제함으로써 다른 어트랙터로의 전이를 촉진한다. 여기서 소음은 두 가지 역할을 수행한다. 첫째, 소음은 억제 뉴런에 대한 입력 변동을 증가시켜 억제 강도를 순간적으로 약화시키고, 이는 기존 어트랙터의 안정성을 감소시킨다. 둘째, 소음은 억제 뉴런 자체를 ‘활성화’시켜 새로운 어트랙터를 선택하도록 하는 전이 에너지 장벽을 낮춘다. 결과적으로 시스템은 소음 강도에 따라 특정 어트랙터에 머무르거나 다른 어트랙터로 전이하는 ‘스위칭’ 현상을 보인다.

흥미로운 점은 이러한 스위칭이 히스테리시스(hysteresis)를 나타낸다는 것이다. 소음 강도가 증가하면 한 어트랙터에서 다른 어트랙터로 전이되지만, 소음 강도를 다시 감소시켜도 즉시 원래 어트랙터로 복귀하지 않는다. 이는 인간 시각 피질에서 관찰되는 입체시(stereopsis)와 양안 경쟁(binocular rivalry)의 동적 특성과 유사하다.

수학적으로는 클래스 1 뉴런을 기반으로 한 원형 억제 네트워크(ring network)를 제시한다. 클래스 1 뉴런은 입력 전류가 임계값을 초과하면 연속적인 주기 발진을 시작하는 특성을 가지고 있어, 임계값 유닛과 자연스럽게 매핑된다. 원형 구조는 각 뉴런이 양쪽 이웃 뉴런을 억제하도록 설계되어, 전체 네트워크가 다중 어트랙터를 동시에 유지할 수 있게 한다. 시뮬레이션 결과, 소음 강도와 억제 연결 강도의 파라미터 공간에서 어트랙터의 수, 전이 확률, 히스테리시스 폭이 정량적으로 변함을 확인하였다.

이 논문은 소음이 단순히 ‘잡음’이 아니라, 신경계에서 기능적 에너지 공급원으로 작용할 수 있음을 실험적·이론적으로 입증한다. 또한 억제 연결과 소음의 상호작용을 통해 비결정론적 전이와 히스테리시스를 구현함으로써, 기존 ANN이 갖는 경직성을 완화하고 급격한 환경 변화에 대한 적응성을 향상시킬 수 있는 새로운 설계 원리를 제시한다.