열역학 컴퓨팅으로 AI 이미지 처리 에너지 사용량 대폭 절감 Thermodynamic Computing Slashes AI-Image Energy Use Heat may be 10 billion times as efficient for randomization

Thermodynamic Computing Slashes AI-Image Energy Use Heat may be 10 billion times as efficient for randomization

​

Generative AI tools such as DALL-E, Midjourney, and Stable Diffusion create photorealistic images. However, they burn lavish amounts of energy. Now a pair of studies finds that “thermodynamic computing” might generate images using one ten-billionth the energy.

https://spectrum.ieee.org/thermodynamic-computing-for-ai?utm_source=homepage&utm_medium=hero&utm_campaign=hero-2026-01-29&utm_content=hero1

​

열은 무작위화에 있어 100억 배 더 효율적일 수 있다.

​

DALL-E , Midjourney , Stable Diffusion 과 같은 생성형 AI 도구는 실사에 가까운 이미지를 만들어냅니다. 하지만 이러한 도구들은 엄청난 양의 에너지를 소모합니다 . 최근 두 연구에 따르면 " 열역학적 컴퓨팅 "을 이용하면 기존 방식보다 100억분의 1의 에너지로 이미지를 생성할 수 있다고 합니다.

​

많은 AI 이미지 생성기의 핵심에는 확산 모델 이라고 알려진 머신 러닝 알고리즘이 있습니다 . 프로그래머는 모델에 방대한 이미지 세트를 입력하고, 마치 제대로 조정되지 않은 아날로그 텔레비전 의 잡음처럼 보일 때까지 점진적으로 노이즈를 추가합니다. 그런 다음 신경망을 훈련시켜 이 과정을 역으로 진행하게 함으로써, 확산 모델이 특정 조건에 따라 완전히 새로운 이미지를 생성할 수 있도록 합니다.

​

하지만 노이즈를 추가하고 정지된 이미지에서 그림을 만들어내는 인공지능의 디지털 연산은 에너지를 많이 소모합니다. 캘리포니아 로렌스 버클리 국립 연구소 의 연구원인 스티븐 화이트럼은 열역학 연산을 이용한 새로운 기술이 "기존 디지털 하드웨어보다 훨씬 낮은 에너지 소비로 이미지를 생성할 수 있을 것"이라고 말합니다.

​

자연의 소음을 활용하기

열역학 컴퓨팅은 환경의 무작위적인 열 변동과 같은 잡음에 반응하여 변화하는 물리적 회로를 사용하여 저에너지 연산을 수행합니다. 예를 들어, 뉴욕에 있는 스타트업 Normal Computing에서 개발 한 프로토타입 칩은 특수 커플러로 연결된 8개의 공진기 로 구성됩니다 . 프로그래머는 이 커플러를 사용하여 연구하고자 하는 문제에 맞게 맞춤 제작된 일종의 계산기를 만듭니다. 그런 다음 공진기를 튕겨서 공진기-결합 네트워크에 잡음을 발생시키고 계산을 수행합니다. 시스템이 평형 상태에 도달하면 프로그래머는 공진기의 새로운 구성에서 결과를 읽어낼 수 있습니다.

1월 10일자 네이처 커뮤니케이션즈(Nature Communications) 논문 에서 화이트람(Whitelam)과 그의 동료는 열역학적 신경망을 구현하는 것이 가능하다는 사실을 밝혔습니다. 이는 열역학적 컴퓨팅을 통한 이미지 생성의 토대를 마련했습니다.

​

화이트람의 새로운 전략은 열역학 컴퓨터에 이미지 세트를 제공하는 것입니다. 그런 다음 저장된 이미지들이 컴퓨터 구성 요소 간의 자연적인 무작위 상호 작용을 통해 서서히 손상되도록 하여, 이러한 구성 요소를 연결하는 결합이 자연스럽게 평형 상태에 도달할 때까지 진행합니다. 다음으로, 이 전략은 주어진 결합 상태를 가진 열역학 컴퓨터가 손상 과정을 역전시킬 확률을 계산합니다. 그리고 나서 그 확률을 최대화하도록 결합 값을 조정합니다.

​

1월 20일 Physical Review Letters 에 발표된 일반 컴퓨터에서 실행한 시뮬레이션에서 Whitelam은 이러한 훈련 과정을 통해 손으로 쓴 숫자 이미지를 생성할 수 있는 열역학적 컴퓨터를 만들 수 있다는 것을 발견했습니다. 이는 에너지 소모가 많은 디지털 신경망 이나 잡음을 발생시키는 의사 난수 생성기 없이도 가능할 것으로 보입니다 .

​

"이번 연구는 현재보다 훨씬 낮은 에너지 비용으로 특정 유형의 머신러닝, 즉 이미지 생성 작업을 수행하는 하드웨어를 제작하는 것이 가능하다는 것을 시사합니다."라고 화이트람은 말합니다.

​

화이트람은 열역학 컴퓨터가 현재 디지털 신경망에 비해 아직 초기 단계에 불과하다고 경고합니다. 그는 "아직 DALL-E처럼 이미지 생성 성능이 뛰어난 열역학 컴퓨터를 설계하는 방법을 알지 못한다"며, "이를 위한 하드웨어를 구축하는 방법을 알아내는 것이 여전히 필요하다"고 말합니다.

​

그는 열역학 컴퓨터가 에너지 효율 측면에서 일반 컴퓨터보다 훨씬 유리할 수 있다고 계산하면서도 , "그러한 모든 장점을 누릴 수 있는 열역학 컴퓨터를 만드는 것은 어려울 것입니다. 가까운 시일 내에 개발될 컴퓨터는 이상적인 성능과 현재 디지털 컴퓨터의 전력 소비량의 중간 정도일 가능성이 높습니다."라고 말했습니다.