본 논문은 생물학적 신경 회로의 구조적 특징(모듈성, 계층성, 희소 연결)을 모방하여 인공 신경망(ANN)의 효율성을 높이는 새로운 아키텍처 G2GNet을 제안합니다. G2GNet은 쥐의 시각 피질에서 관찰되는 기능적 연결 패턴, 특히 앙상블 간 통신을 구조적 바이어스로 활용하여 피드포워드 계층 간의 희소하고 모듈화된 연결을 구현합니다. 기존의 완전 연결 모델보다 훨씬 적은 매개변수를 가지면서도, 동적 희소 훈련(DST) 메커니즘과 Hebbian-inspired 재배선 규칙을 통해 Fashion-MNIST, CIFAR-10, CIFAR-100과 같은 표준 비전 벤치마크에서 정확도를 향상시키고 연산량을 감소시킵니다. 최대 75%의 희소성을 달성하면서 최대 4.3%의 정확도 향상을 보이며, 생물학적으로 관찰된 기능적 연결 패턴을 ANN 설계에 통합한 최초의 아키텍처입니다.
