신경형 올팩터리 회로를 이용한 빠른 온라인 학습과 강인한 냄새 기억

초록

본 논문은 포유류 후각구조를 모방한 스파이크 기반 알고리즘을 인텔 Loihi neuromorphic 칩에 구현하여, 고차원 화학 센서 데이터의 원샷 온라인 학습과 강인한 식별을 실현한다. 시간 의존성 시냅스 가소성(STDP)과 감각‑전달 파동(γ‑패킷)을 이용해 냄새 표현을 형성하고, 신경조절·맥락 프라이밍으로 잡음 저항성을 높이며, 성인 신경발생을 통한 평생 학습 능력을 제공한다.

상세 분석

이 연구는 포유류 후각구(olfactory bulb)의 미세회로를 정밀히 재현함으로써, 고차원 화학 센서 배열의 데이터를 스파이크 시계열로 변환하고, 이를 Loihi의 이벤트‑드리븐 프로세싱 파이프라인에 매핑한다. 핵심 메커니즘은 γ‑주파수(30‑80 Hz) 패킷으로 구획된 입력 스트림을 순차적으로 처리하면서, 각 패킷 내에서 스파이크 타이밍에 기반한 STDP 규칙을 적용해 시냅스 가중치를 일회성(One‑Shot)으로 업데이트한다. 이러한 방식은 전통적인 배치 학습에 비해 메모리와 연산량을 급격히 절감하면서도, 학습 직후 즉시 인식이 가능하도록 만든다.

알고리즘은 먼저 화학 센서 어레이에서 발생한 전압 변동을 전류형 스파이크 시퀀스로 변환하고, 이를 미세구조인 미세구조체(glomeruli)와 미세세포(mitral/tufted cells) 사이의 연결망에 투입한다. 각 미세구조는 입력 스파이크의 동시성 및 순서를 감지해 고유한 스파이크 패턴을 생성하고, 이 패턴은 상위 층인 퍼리퍼리컬 코텍스(peripheral cortex)로 전달된다. 여기서 신경조절 물질(예: 아세틸콜린, 도파민)의 농도에 따라 가중치 업데이트의 학습률이 동적으로 조절되며, 이는 잡음이 심한 환경에서도 신호‑대‑잡음 비(SNR)를 유지하도록 돕는다.

특히, 논문은 ‘성인 신경발생(adult neurogenesis)’을 시뮬레이션하여 새로운 미세구조와 미세세포를 지속적으로 추가함으로써, 기존 네트워크가 포화되는 것을 방지하고 평생 학습(lifelong learning) 능력을 구현한다. 새로운 뉴런은 초기에는 낮은 임계값을 가지고 있어, 이전에 학습되지 않은 냄새 패턴을 빠르게 포착하고, 이후 STDP를 통해 안정적인 연결망으로 정착한다.

실험에서는 풍동(wind tunnel) 내에 설치된 64채널 화학 센서 어레이를 이용해 10가지 서로 다른 휘발성 화합물을 100 ms 이내에 한 번씩 제시하였다. 각 시도마다 γ‑패킷이 5번 반복되었으며, 학습 후 30 dB 이상의 잡음이 섞인 테스트 신호에서도 92 % 이상의 정확도로 냄새를 식별했다. 또한, 신경조절을 비활성화하거나 성인 신경발생을 차단했을 경우 인식 정확도가 각각 15 %와 22 % 감소하는 등, 두 메커니즘이 잡음 저항성과 평생 학습에 핵심적인 역할을 함을 입증하였다.

이 알고리즘은 후각 외에도, 고차원 시계열 데이터(예: 음성, 레이더, 바이오신호)에서 배경 잡음이 불확실하거나 동적으로 변하는 상황에 적용 가능하다. Loihi와 같은 이벤트‑기반 하드웨어와 결합될 경우, 저전력 실시간 신호 처리 솔루션으로서 사물인터넷(IoT) 디바이스, 자율 로봇, 환경 모니터링 시스템 등에 바로 활용될 수 있다.