💻 computer science

Logistic Map Pseudo Random Number Generator in FPGA

본 논문은 로지스틱 맵과 중심한계정리를 활용하여 가우시안 분포 출력을 생성하는 FPGA 기반의 의사 난수 생성기를 제시하며, 시스템의 통계적 특성을 검증하기 위해 실시간 시각화 및 데이터 전송을 위한 통합 모듈을 특징으로 한다.

원저자: Mateo Jalen Andrew Calderon, Lee Jun Lei Lucas, Syarifuddin Azhar Bin Rosli, Stephanie See Hui Ying, Jarell Lim En Yu, Maoyang Xiang, T. Hui Teo

게시일 2026-06-25

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mateo Jalen Andrew Calderon, Lee Jun Lei Lucas, Syarifuddin Azhar Bin Rosli, Stephanie See Hui Ying, Jarell Lim En Yu, Maoyang Xiang, T. Hui Teo

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

핵심 아이디어: 혼돈을 질서로 바꾸기

여러분에게 숫자를 만들어내는 기계가 있다고 상상해 보세요. 여러분은 그 숫자들이 주사위를 던지는 것처럼 완전히 예측 불가능하기를 바라면서도, 동시에 과학과 공학에서 유용하게 쓰이는 특정한 패턴(즉, "종 모양의 곡선" 또는 가우시안 분포)을 따르기를 원합니다.

싱가포르 기술디자인대학교(SUTD)의 연구진은 바로 이 일을 수행하기 위해 디지털 기계를 만들었습니다. 그들은 FPGA(전자 부품을 즉각적으로 재프로그래밍할 수 있는 레고 세트라고 생각하면 됩니다)라는 아주 작은 컴퓨터 칩을 사용하여, 혼돈스러운 수학 공식으로부터 규칙적인 난수 스트림을 만들어냈습니다.

비밀 재료: "나비 효과" 레시피

이 기계의 핵심에는 **로지스틱 맵(Logistic Map)**이라 불리는 것이 있습니다.

비유: 매우 민감한 진자를 상상해 보세요. 처음에 아주 미세하게만 다르게 밀어도, 나중에는 완전히 다른 방식으로 흔들리게 됩니다. 이것을 "혼돈(chaos)"이라고 부릅니다.
수학: 연구진은 이 진자처럼 작동하는 간단한 방정식( $x_{n+1} = r \cdot x_n(1 - x_n)$ )을 사용했습니다. 특정 숫자(이하 "시드")로 시작하면, 이 방정식은 새로운 숫자를 내뱉고, 그 숫자는 다음 라운드의 시드가 됩니다. 이 방정식은 혼돈 상태이기 때문에, 숫자들은 예측 가능한 패턴 없이 무작위로 튀며 움직입니다.

문제점: 너무 과한 혼돈

이 혼 chaotic 방정식에서 나오는 가공되지 않은 숫자들은 엉망입니다. 이 숫자들은 너무 불규칙하게 튀어서, "정규 분포"(대부분의 숫자가 중앙에 모이고 극단적인 값은 적은 형태)를 필요로 하는 많은 실제 응용 분야에서 사용하기에는 부적합합니다.

해결책: "스무디 블렌더" (EWMA)

이 무질서함을 해결하기 위해, 연구진은 **지수 가중 이동 평균(EWMA)**이라는 기술을 사용했습니다.

비유: 스무디를 만드는 과정을 상상해 보세요. 과일 한 덩어리를 통째로 마시는 대신(가공되지 않은 혼돈의 숫자), 지난 몇 초 동안의 과일을 함께 갈아 넣는 것입니다. 새로운 숫자를 조금 가져오고, 그것을 이전의 평균값과 많이 섞는 방식입니다.
결과: 이 "섞는 과정"은 거친 움직임을 부드럽게 만들어 줍니다. 연구진은 이 과정을 통해 혼돈의 숫자들이 완벽한 종 모양 곡선(가우시안 분포)을 형성하게 된다고 주장합니다. 그들은 원래의 숫자들은 서로 의존적임에도 불구하고 왜 이 매끄럽게 만드는 기술이 작동하는지를 설명하기 위해 중심 한계 정리라는 수학적 규칙을 사용했습니다.

제작 방법 (하드웨어)

그들은 단순히 컴퓨터에 코드를 작성한 것이 아니라, 물리적인 장치를 직접 만들었습니다.

시드 (마이크): 혼돈을 시작하기 위해서는 "시드" 숫자가 필요합니다. 모자 속에서 무작위 숫자를 뽑는 대신, 그들은 마이크를 사용했습니다. 방 안의 소리 크기(또는 휴대폰 스피커의 소리)가 시작 숫자가 됩니다. 이는 시스템이 실제 세상에 반응할 수 있게 만듭니다.
칩 (FPGA): 그들은 CMOD-A7 칩에 로직을 프로그래밍했습니다. 이 칩은 두 가지 주요 역할을 수행합니다:
- Chaotic_Lmap: 무작위로 튀는 숫자들을 계산합니다.
- EWMA_avg: 이 숫자들을 섞어서 부드럽게 만듭니다.
디스플레이: 생성되는 숫자를 보여주기 위해 7세그먼트 디스플레이(전자레인지에 있는 디지털 숫자와 같은 것)를 연결했습니다.
데이터 스트림: 그들은 시리얼 연결(UART)을 통해 노트북으로 숫자를 보내 그래프를 그리고, 숫자들이 실제로 종 모양 곡선을 형성하는지 증명했습니다.

"사운드 콘(Sound Cone)" 기술

마이크 시드를 더욱 개선하기 위해, 그들은 3D 프린터로 원뿔형 케이스(확성기 같은 형태)를 만들었습니다.

원뿔 안에 마이크를 넣었습니다.
원뿔 안에 휴대폰 스피커도 함께 넣었습니다.
이유는 무엇일까요? 원뿔은 음파를 집중시켜 마이크가 난수 생성기의 "시드"로 사용할 수 있는 더 강하고 명확한 신호를 포착할 수 있게 해줍니다.

결과

연구진이 약 5분 동안 기계를 가동했을 때(초당 약 60회의 반복 생성), 노트북에 데이터를 수집했습니다.

증거: 그들은 히스토그램(각 숫자가 얼마나 자주 나타나는지 보여주는 막대그래프)을 그렸습니다.
성과: 막대들은 매우 매끄러운 종 모양 곡선과 흡사한 형태를 띠었습니다. 이는 혼돈의 시스템을 취하고, EWMA로 부드럽게 다듬으며, 하드웨어에서 실행하는 방식이 가우시안 분포를 가진 난수를 만드는 데 실제로 효과가 있음을 입증했습니다.

요약

요약하자면, 연구진은 혼돈스러운 수학적 레시피를 가져와서, 거친 모서리를 부드럽게 만들기 위한 "블렌더"를 추가하고, 마이크를 통한 소리를 입력값으로 넣어, 이를 작은 전자 칩 위에 구현했습니다. 그 결과, 소리의 혼돈스러운 특성에 의해 구동되면서도, 분포상으로는 완벽하게 정상적이고 예측 가능한 형태를 띠는 난수를 생성하는 장치를 만들어냈습니다.

기술 요약: FPGA 내 로지스틱 맵 의사 난수 생성기

문제 정의
본 프로젝트는 디지털 하드웨어, 특히 FPGA(Field-Programmable Gate Array)에 구현하기에 적합한 신뢰할 수 있는 의사 난수 생성기(PRNG)의 필요성을 다룹니다. 카오스 시스템은 초기 조건(시드)에 대한 민감성과 결정론적 불예측성으로 잘 알려져 있지만, 특정 통계적 분포, 특히 가우시안(정규) 분포를 따르는 출력을 생성하는 것은 여전히 과제로 남아 있습니다. 전통적인 카오스 출력은 연속적인 값들 사이에 의존성을 보이는 경우가 많아, 중심 극한 정리(CLT)를 직접 적용하는 것을 복잡하게 만듭니다. 또한, 부동 소수점 소수점이 아닌 이산 정수 산술에 의존하는 하드웨어 특성상, 연속적인 카오스 방정식을 FPGA에 구현하는 것은 어렵습니다.

방법론
저자들은 로지스틱 맵( $x_{n+1} = r \cdot x_n(1 - x_n)$ )에 기반한 PRNG 시스템을 개발했습니다. 구현은 CMOD-A7 FPGA 보드 상에서 Verilog HDL을 사용하는 탑다운(top-down) 방식을 따랐습니다.

알고리즘 적응:
- 로지스틱 맵: FPGA의 제약 조건을 수용하기 위해, 연속적인 로지스틱 맵을 16비트 정수 도메인(0 ~ 65,535)으로 재스케일링했습니다. 카오스 동작을 보장하기 위해 파라미터 $r$ 은 4로 설정되었습니다.
- 가우시안 변환: 카오스 출력을 가우시안 분포로 변환하기 위해, 저자들은 지수 가중 이동 평균(EWMA) 기법을 적용했습니다. 이 방법은 데이터를 매끄럽게 만들고 연속적인 값들 사이의 상관관계를 완화하여, 이론적으로 종속 변수에 대해 CLT가 적용될 수 있도록 합니다. 사용된 EWMA 공식은 $EWA_t = \alpha \cdot r_t + (1 - \alpha) \cdot EWA_{t-1}$ 이며, $\alpha$ 는 예비 Julia 시뮬레이션을 바탕으로 $40/50$ 으로 설정되었습니다.
- 시드 생성: 시스템은 주변 소리 크기를 포착하는 XADC 마이크로폰 센서로부터 유도된 실시간 시드를 활용합니다. 이를 통해 초기 조건이 동적이고 물리적 환경에 의존하도록 보장합니다.
하드웨어 구현:
- 시스템 아키텍처는 카오스 로지스틱 맵(chaotic_Lmap), EWMA 평균화(EWMA_avg), 데이터 로깅을 위한 UART 송신기, 시각화를 위한 7-세그먼트 디스플레이 드라이버, 그리고 클록 생성기 모듈을 포함합니다.
- 상위 모듈의 피드백 루프는 로지스틱 맵의 출력이 반복 생성을 위해 다시 입력으로 들어가는 구조를 보장합니다.
- 데이터는 UART를 통해 노트북으로 전송되며, 여기서 Python 스크립트가 16비트 정수를 수집하여 히스토그램을 구성하고, 검증을 위해 이론적인 정규 분포 곡선을 중첩합니다.
물리적 구성:
- 팀은 마이크로폰과 FPGA 보드를 수용할 원뿔형 케이스를 설계하고 3D 프린팅으로 제작했습니다. 이 구조는 휴대폰 스피커의 소리를 마이크로 집중시켜 증폭함으로써, PRNG를 위한 견고한 시드를 생성하도록 돕습니다.

주요 기여

FPGA 기반 카오스 PRNG 구현: CMOD-A7 FPGA 상에서 로지스틱 맵 및 EWMA 알고리즘을 기능적인 Verilog HDL 설계로 성공적으로 변환했습니다.
CLT를 통한 가우시안 분포 구현: EWMA 평활화를 로지스틱 맵 출력에 적용함으로써 가우시안 분포를 얻을 수 있음을 입증하였으며, 이는 하드웨어 시뮬레이션과 실제 데이터 수집을 통해 검증되었습니다.
센서 기반 시딩: XADC를 통해 아날고 센서(마이크로폰)를 통합함으로써, 정적 또는 순수 알고리즘적 초기화를 넘어 동적이고 환경 의존적인 시드를 제공합니다.
엔드 투 엔드 검증 시스템: 하드웨어 생성부터 소프트웨어 분석(Python 히스토그램 플로팅)에 이르는 완전한 워크플로우를 구축하여 생성된 숫자의 통계적 특성을 검증했습니다.

결과
시스템은 약 5분의 실행 시간(초기 분석을 위한 약 60회의 데이터 수집 반복) 동안 테스트되었습니다. 결과적으로 PRNG 출력은 일관되게 가우시안 분포를 나타냈습니다.

시각적 검증: UART를 통해 수신된 데이터의 히스토그램은 데이터의 평균과 표준 편차를 사용하여 계산된 이론적 정규 분포 곡선과 밀접하게 일치했습니다.
무작위성: 출력 값의 시계열 그래프는 주기적인 패턴을 보이지 않았으며, 이는 시퀀스의 카오스적 성질을 확인시켜 줍니다.
한계점: 저자들은 가우시안 곡선에 대한 적합도는 성공적이었으나, 더 긴 실행 시간(수천 번의 반복)을 가졌다면 더 매끄럽고 정밀한 히스토그램이 생성되었을 것이라고 언급했습니다.

의의 및 주장
본 논문은 디지털 하드웨어 영역에서 로지스틱 맵과 같은 카오스 시스템이 의사 난수 생성에 있어 갖는 실용적 유용성과 효과성을 입증한다고 주장합니다. FPGA 상에서 EWMA 평활화와 중심 극한 정리(CLT)를 성공적으로 결합함으로써, 본 프로젝트는 결정론적 카오스 소스로부터 가우시안 분포를 가진 의사 난수를 생성하는 방법을 검증했습니다. 이 연구는 단순한 카오스 모델을 통계적 평활 기법과 결합하여 효율적이고 신뢰할 수 있으며, 하드웨어 구현이 가능한 PRNG를 만드는 잠재력을 강조합니다.