연구진은 디지털 연산 대비 에너지 효율이 높은 아날로그 하드웨어 기반 생성 모델의 한계를 분석하고, Analog Interaction Systems (AIS) 프레임워크를 제안했어요.
AIS는 시간 변화하는 파라미터와 숨겨진 물리적 상태를 활용하여 아날로그 하드웨어의 동역학적 표현 능력 격차를 줄이고, Wasserstein GAN 훈련 방식으로 특정 경로를 따르지 않고도 학습을 가능하게 해요.
MNIST와 Fashion-MNIST 데이터셋에서 4비트 희소 아키텍처로 FID 점수 27.6과 80.8을 달성하며, 기존 아날로그 생성 모델 대비 3~4배 향상된 성능을 보였고, 이미지 생성당 23uJ의 에너지 소비로 디지털 방식보다 2배 낮은 에너지 효율을 기록했어요.