【59.rzc216.top】
모바일릴게임접속하기신천지인터넷게임황금성 사이트황금성사이트
릴게임황금성 ㎖ 53.rzc216.top ㎖ 릴게임횡금성
인터넷오션파라다이스 ㎖ 96.rzc216.top ㎖ 카카오야마토먹튀
온라인 슬롯 게임 추천 ㎖ 9.rzc216.top ㎖ 릴게임오션
야마토게임방법 ㎖ 0.rzc216.top ㎖ 바다이야기 하는법
황금성 슬롯 야마토3게임 다운로드 하기 바다슬롯먹튀 슬롯머신 알고리즘 바다이야기 넥슨 황금성온라인 인터넷야마토릴게임 릴게임판매 오리지날 양귀비 릴게임 종류 릴예시게임 온라인바다이야기게임 오션파라다이스3 프라그마틱 무료체험 메타 오션파라다이스게임사이트 오션파라다이스7게임 바다이야기시즌5 사이다쿨 야마토 릴게임 온라인슬롯 전략 릴게임꽁머니 백경게임 다운로드 바다이야기슬롯 알라딘온라인릴게임 야마토2게임 야마토 동영상 슬롯 무료스핀 슬롯 검증사이트 무료슬롯버프 릴게임골드몽 카지노 잭팟 인터넷백경 슬롯사이트 부산야마토 양귀비 릴게임 슬롯머신 이기는 방법 오락실게임 파라다이스 릴게임 코리아 일본빠찡코 인터넷 바다이야기 슬롯머신 규칙 릴게임 황금성 카지노 슬롯머신 규칙 인터넷게임사이트 바다이야기먹튀신고 오션슬롯 먹튀 바다이야기 먹튀 손오공 릴게임 야마토게임기 황금성 다운로드 모바일신천지 야마토2게임다운로드 슬롯릴게임 슬롯게임 무료 야마토게임 하기 골드몽릴게임 황금성2 체리마스터 확률 바다이야기꽁머니 야마토5게임다운로드 신천지 게임 공략법 바다이야기7 야마토게임공략 법 적토마게임 온라인신천지 무료 슬롯 머신 다운 받기 pc빠찡꼬게임 릴게임주소 황금성공략법 모바일릴게임 무료충전릴게임 릴게임릴게임갓 슬롯무료체험 한게임바둑이게임 바다이야기 사이트 먹튀 오션파라다이스 게임 슬롯머신 뽀빠이릴게임 슬롯사이트 순위 카카오릴게임 뽀빠이릴게임 릴게임릴게임갓 프라그마틱 무료 야마토게임다운 슬롯 무료스핀 100원바다이야기 야마토온라인주소 바다이야기 기프트 전환 체리 마스터 pc 용 일본경륜 파칭코종류 바다이야기릴게임사이트추천및안내 릴게임 5만 무료충전릴게임 키지노릴게임 릴게임신천지사이트 오리지날황금성9게임 백경게임랜드 오션파라 다이스하는방법 바다이야기 기계 가격 황금성포커 바다이야기먹튀신고 안전 슬롯사이트 모바일신천지모바일 카카오바다이야기 황금성게임다운로드 팡멀티릴게임 슬롯머신 확률 바다슬롯먹튀 바다이야기먹튀신고 손오공 게임 다운 바다이야기 환전 황금성하는곳 바다이야기 넥슨 동영상황금성 다모아릴게임 유희왕 황금성 슬롯 프라 그마 틱 무료체험 야마토릴게임 슬롯게시판 야마토2게임동영상 카지노 슬롯머신 바다이야기먹튀돈받기 메이저릴게임사이트 야마토 게임 오락실 (좌측부터) 유호천 교수, 박지수 석사과정생, 서주형 박사과정생
한양대학교 융합전자공학과 유호천 교수 연구팀이 성균관대학교 신원준 교수, 미국 일리노이 시카고대 Amit R. Trivedi 교수 연구팀과 공동으로 게이트 전압 조절만으로 Gaussian(정규분포)과 Sigmoid(S자형) 두 가지 활성화 함수를 하나의 소자에서 구현하는 '가우시안-시그모이드 강화 트랜지스터(Gaussian-Sigmoid Reinforcement Transistor, GS-RT)'를 개발했다고 17일 밝혔다.
이 소자는 단일 트랜지스터 내에서 필요한 활성화 함수를 자유롭게 전환할 수 있는 구조로, 인공지능 강화학습 알고리즘에서 핵심적인 ‘탐색-활용’관심주
균형 문제를 하드웨어적으로 해결할 수 있는 것이 특징이다. 연구팀은 이번 기술을 통해 강화학습 기반 AI 시스템의 회로를 크게 단순화하면서도 학습 효율과 성능을 향상시킬 수 있을 것으로 기대하고 있다.
기존 강화학습 시스템에서는 가우시안과 시그모이드 함수가 주로 사용되나, 이를 하드웨어로 구현하기 위해서는 복잡한 연산과 수십 개의 트랜대경기계 주식
지스터가 필요해 전력 소모와 설계 난이도가 큰 한계로 작용해 왔다. 특히 두 함수가 모두 요구되는 회로 구성은 칩 면적과 자원 부담이 커 효율적인 AI 반도체 설계에 제약이 컸다.
이에 연구팀은 산화물 반도체(IGZO)와 유기 반도체(DNTT)를 수직 적층한 n?p?i?p 이종접합 구조에 절연층과 비대칭 전극을 적용, 게이트 전압만으로 1억으로10억만들기
소자가 시그모이드 또는 가우시안 전류 특성을 나타내도록 설계했다. 이를 통해 기존 복잡한 회로를 단일 소자만으로 대체할 수 있는 뉴로모픽 연산에 최적화된 구조를 구현했다.
GS-RT 소자는 강화학습 실험을 통해 실효성이 입증됐다. 멀티암드 밴딧 문제에서 기존 방식 대비 약 20% 빠른 학습과 30% 높은 보상을 달성했으며, 카트폴 실험에미디어플렉스 주식
서도 표준 ReLU 대비 빠른 수렴 속도와 잡음 환경에서도 높은 안정성을 보였다. 이는 GS-RT의 비선형 곡선 특성이 학습 과정에서 안정적인 그래디언트 흐름을 제공하기 때문으로 분석된다.
연구 책임자인 유호천 교수는 “이번 연구는 게이트 전압만으로 한 개의 소자에서 두 가지 활성화 함수를 구현해 낸 AI 반도체 기술의 새로운 가능성을 일양약품 주식
제시한 사례”라며, “향후 강화학습을 포함한 인공지능 신경망 연산, 뉴로모픽 시스템, 초저전력 엣지 컴퓨팅 등 차세대 AI 반도체 분야에서 하드웨어 기반의 효율적인 컴퓨팅 솔루션으로 활용될 것으로 기대한다”고 밝혔다.
이번 연구는 과학기술정보통신부·정보통신기획평가원(IITP)의 인공지능반도체 고급인재양성 사업 및 한국연구재단(NRF) 사업 등의 지원을 받아 수행됐으며, 연구 성과는 재료·전자소자 분야 국제학술지 『Advanced Functional Materials』(IF: 19.0, JCR 상위 5%) 2025년 7월호에 게재됐다.
해당 논문 “Gaussian-Sigmoid Reinforcement Transistors: Resolving Exploration-Exploitation Trade-Off Through Gate Voltage-Controlled Activation Functions”에는 유호천 교수 연구실 박지수 석사과정생이 제1저자, 서주형 박사과정생이 공동 제1저자로 참여했고, 유호천 교수가 교신저자로 참여했다.
김나혜 인턴기자 kim.nahye1@joongang.co.kr
|
조회 : 3
