광섬유 고리 하나, 그리고 아날로그 하드웨어라는 승부수

AI 연산의 핵심 과제는 여전히 에너지 효율이다. 광학 하드웨어는 오래전부터 빠른 속도와 낮은 전력 소비를 약속해 왔지만, 해묵은 장벽에 부딪혀 왔다. 아날로그 부품 위에서 오차 역전파를 수행하기가 까다롭다는 점이다. 2026년 11월 5일 Nature Computational Science에 실린 도쿄대학교 나카지마 고헤이 부교수 연구팀의 논문은 그 대안을 내놓는다. 저자들에 따르면 SS-DFA(state-skipping direct feedback alignment)라는 이 방법은 오차를 전달하는 데 물리 시스템의 중간 상태에 접근할 필요가 없다. 여기에 많은 유닛이 복잡한 연결 대신 일반적인 규칙을 따르는 단일 맵 아키텍처를 결합했다. 박사과정생 Yongbo Zhang은 점점 더 크고 복잡한 모델을 계속 만드는 대신 학습 과정 자체를 다시 생각해 보려 했다고 밝혔다.

물리적 시연에는 광전자 회로가 쓰였다. 정보를 빛 신호로 바꿔 200미터 길이의 광섬유 고리를 따라 처리한 뒤, 최소한의 전자 부품으로 다시 전기 신호로 되돌리는 방식이다. 대학 보도자료는 시뮬레이션과 광학 실험 모두에서 이 단순한 설계가 더 복잡한 신경망 아키텍처와 비슷한 성능을 냈고, 일부 테스트에서는 이를 앞섰으며, 연산량은 훨씬 적었다고 밝힌다. 다만 보도자료에는 수치도 벤치마크도 없다. 2026년 1월 공개된 프리프린트(최종본과 제목이 다르다)의 초록에는 이 방식을 최신 아키텍처에 통합하면 성능은 높아지고 연산 자원은 약 40% 줄어든다고 적혀 있었다. 보도자료는 그것이 '비교적 기초적인' 아키텍처라고 단서를 단다. 게재된 논문에서는 수치가 다를 수 있다.

데이터센터의 에너지, 냉각, 물 소비에 미칠 실제 효과는 보도자료에서 가능성으로만 제시될 뿐, 연구에서 측정되지 않았다. 게다가 이 기술은 현재 분명한 한계가 있다. 나카지마 교수 본인도 이 방식이 아직 가장 큰 모델, 특히 언어 모델과 멀티모달 모델에서는 시험되지 않았으며, 실제로 쓰이기 전에 소형화, 안정성, 대량 생산에 관한 추가 연구가 필요하다고 밝혔다.

200미터 광섬유를 따라 흐르는 신호에게 계산을 맡긴다는 발상에는 부정하기 어려운 우아함이 있다. 하지만 실험실 시연과 데이터센터가 실제 운영에서 요구하는 것 사이의 거리는 여전히 멀다. 모델의 복잡성을 줄이려는 시도는 개념적으로 흥미롭다. 단, 이론적 가능성을 현장에서 이미 측정된 효율로 착각하지 않는다는 전제에서다. — Olya