성능이 높은 CPU 또는 GPU는 많은 수의 뉴런을 시뮬레이션하는 AI 응용의 정확도를 위해 사용되어 왔다. 그러나 CPU와 GPU는 높은 전력 소비를 요구한다. 최근에는 더 빠른 응답 시간을 달성하고 네트워크 부하를 줄이기 위해 엣지에 위치한 임베디드 시스템에서 인공지능의 채택 가능성이 고려되어 왔다. 그러나 임베디드 시스템은 전력 공급이 제한되어 있어 높은 성능을 달성하기 위한 CPU와 GPU의 전력 요구가 너무 크다. 이러한 문제를 극복하기 위해 인공지능 전용 하드웨어를 활용하는 방안이 연구되었다. 본 논문에서는 NM500 뉴로모픽 칩을 사용하여 임베디드 장치에서 보행자 영상 검출 시스템을 구현하였다. 하나의 NM500 칩은 576개의 뉴런을 포함하며, 칩의 개수를 1개에서 7개까지 증가시키면서 정확도와 전력 소비를 측정하였다. 실험 결과, 전력 소비는 뉴런 수에 대해 선형적으로 비례하는 반면, 정확도는 향상되지만 뉴런 수에 선형적으로 비례하지는 않는 것으로 나타났다. 본 실험의 결과를 바탕으로, 인공지능 하드웨어를 임베디드 시스템에서 전력 소비와 정확도 사이의 트레이드오프로 활용할 수 있음을 제시한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.