With the rapid development of artificial intelligence (AI) algorithms, it has provided a breakthrough in intelligent systems, such as the Internet of Things (IoT), neuro-robotics, and autonomous vehicles. Since the fields of AI and neuroscience have been intertwined, neuroscience has become a rich source of inspiration and validation for various algorithms and architectures in AI, leading to the rapid development of artificial intelligence. However, due to the diversity and complexity of the biological nervous system, neuroscience-inspired AI faces a challenge in hardware implementation using conventional digital computing. Therefore, it is essential to develop neuromorphic hardware for neuroscience-inspired AI. Memristors can mimic the brain's synapses and neurons, providing a neuromorphic hardware platform. In this dissertation, I develop an intelligent system platform for artificial intelligence by developing memristor-based integrated devices and network structure-based memristor devices. First, using memristor-based integrated devices, I propose neuromorphic vision hardware for motion detection and explainable artificial intelligence hardware that provides explanations of artificial intelligence actions. Taking inspiration from the structure and function of the insect's visual system, a memristor-based neuromorphic vision system is proposed. This is incorporated with a neural network algorithm and used in a machine vision system to predict lane change maneuvers. In addition, inspired by peekaboo in infants, a memristor-based explainable artificial intelligence hardware is proposed to explain and interpret the AI decision-making process. Second, I propose self-organized neuromorphic devices and neuromorphic sensor hardware using network structure-based devices. A self-organized neuromorphic device is proposed to mimic the stochastic structure of the biological nervous system. I emulated the behavior of the biological neural network resulting from its structure. In addition, taking inspiration from the function of a bird’s multisensory system, neuromorphic multisensory sensor hardware is proposed. I examined its noise-tolerance performance in noisy and dim environments for object and motion perception. Each of the four studies performs computations for sensation, perception, decision, and explanation in biological neural networks, and integrates each function into a memristor-based intelligent platform. The feasibility and effectiveness of the memristor-based intelligent platform are confirmed through experimental verification and simulation-based large-scale system scalability verification.
인공지능 알고리즘의 급속한 발전과 함께 인공지능 기술에 대한 접근이 보편화되면서, 인공지능은 사물인터넷, 스마트 로봇, 자율주행과 같은 다양한 지능형 시스템에서 혁신을 이루었다. 신경과학은 인공지능 알고리즘과 아키텍처에서의 영감의 원천을 제공하고 그 유효성을 검증하여 인공지능 분야의 발전을 이끌었다. 하지만, 신경과학으로부터 영감을 받은 인공지능 기술은 생물학적 신경계의 다양성과 복잡성으로 인해 기존 디지털 컴퓨팅 기술로 구현하기 어려운 한계를 가지고 있다. 따라서, 이를 효율적으로 동작시키기 위한 뉴로모픽 하드웨어 개발이 필수적이다. 멤리스터는 생물학적 시냅스와 뉴런을 모사할 수 있어, 신경과학 기반 인공지능 기술에 적합한 뉴로모픽 하드웨어 플랫폼을 제공할 수 있다. 본 학위 논문에서는 멤리스터 기반 집적 소자 및 네트워크 구조 기반 멤리스터 소자를 개발하여, 인공지능을 위한 지능형 시스템 플랫폼을 개발한다. 첫번째 프로젝트에서는 멤리스터 기반 집적 소자를 이용하여 모션 감지를 위한 뉴로모픽 비전 하드웨어와 인공지능 판단의 설명을 제공하는 설명가능한 인공지능 하드웨어를 제안한다. 곤충의 시각 신경계 구조와 기능을 모방하여, 멤리스터 기반 뉴로모픽 비전 플랫폼을 제작한다. 이를 신경망 알고리즘과 결합하여 차량의 경로 변경을 예측하는 머신 비전 시스템에 활용한다. 또한, 유아의 까꿍놀이에서 영감을 받아, 인공지능 판단에 중요한 근거를 찾는 멤리스터 기반 설명가능한 인공지능 하드웨어 플랫폼을 제작하고 이를 실증한다. 두번째 프로젝트에서는 네트워크 구조 기반 소자를 이용하여 자기조직화 기반 뉴로모픽 소자와 뉴로모픽 센서 하드웨어를 제안한다. 생물학적 신경계의 무작위적 구조를 모사하는 자기조직화 기반 뉴로모픽 소자를 제안하고 구조로부터 기인하는 생물학적 신경망의 거동을 모사한다. 또한, 조류의 다감각 시스템의 기능을 모사하여, 뉴로모픽 다감각 센서 하드웨어를 제작하고 어둡고 노이즈가 큰 환경에서의 물체 및 움직임 감지를 위한 동작가능성을 실증한다. 네 연구들은 각각 생물학적 신경망의 감각, 지각, 판단 및 근거를 위한 연산을 수행하며, 각 기능을 통합하여 하나의 멤리스터 기반 지능형 플랫폼을 구성한다. 또한, 실험적 실증 및 시뮬레이션 기반 대규모 시스템 확장성 확인을 통해 멤리스터 기반 지능형 플랫폼의 가능성 및 유효성을 확인한다.
