〈 최성율 교수 〉
우리 대학 전기및전자공학부 최성율 교수 연구팀이 멤리스터(Memristor) 소자의 구동 방식을 아날로그 형태로 변화해 뉴로모픽 칩의 시냅스로 활용할 수 있는 기술을 개발했다.
이 기술을 통해 기존의 디지털 비휘발성 메모리로만 이용되던 멤리스터를 아날로그 형태로 활용함으로써 인간의 뇌를 모사한 인공지능 컴퓨팅 칩인 뉴로모픽 칩의 상용화에 기여할 수 있을 것으로 기대된다.
장병철 박사(현 삼성전자 연구원), 김성규 박사(현 노스웨스턴대학), 양상윤 연구교수가 공동 1 저자로 참여하고 美 노스웨스턴 대학, KAIST 임성갑 교수가 공동으로 수행한 이번 연구는 나노과학 분야 국제 학술지 ‘나노 레터스 (Nano Letters)’ 1월 4일 온라인판에 게재됐다.
사람 뇌를 닮은 반도체로 알려진 뉴로모픽 칩은 기존의 반도체 칩이 갖는 전력 확보 문제를 해결할 수 있고 데이터 처리 과정을 통합할 수 있어 차세대 기술로 주목받고 있다.
멤리스터는 메모리와 레지스터의 합성어로, 메모리와 프로세스가 통합된 기능을 수행할 수 있다. 특히 뉴로모픽 칩 내부에 물리적 인공신경망을 가장 효과적으로 구현할 수 있는 크로스바 어레이(crossbar array) 제작에 최적인 소자로 알려져 있다.
물리적 인공신경망은 뉴런 회로와 이들의 연결부인 시냅스 소자로 구성되는데 뉴로모픽 칩 기반의 인공지능 연산을 수행할 때 각 시냅스 소자에서는 뉴런 간의 연결 강도를 나타내는 전도도 가중치가 아날로그 데이터로 저장 및 갱신돼야 한다.
그러나 기존 멤리스터들은 대부분 비휘발성 메모리 구현에 적합한 디지털의 특성을 가져 아날로그 방식의 구동에 한계가 있었고, 이로 인해 시냅스 소자로 응용하기 어려웠다.
최 교수 연구팀은 플라스틱 기판 위에 고분자 소재 기반의 유연 멤리스터를 제작하면서 소자 내부에 형성되는 전도성 금속 필라멘트 크기를 금속 원자 수준으로 얇게 조절하면 멤리스터의 동작이 디지털에서 아날로그 방식으로 변화하는 것을 발견했다.
연구팀은 이러한 현상을 이용해 멤리스터의 전도도 가중치를 연속적, 선형적으로 갱신할 수 있고 구부림 등의 기계적 변형 상태에서도 정상 동작하는 유연 멤리스터 시냅스 소자를 구현했다.
유연 멤리스터 시냅스로 구성된 인공신경망은 학습을 통해 사람의 얼굴을 효과적으로 인식해 분류할 수 있고 손상된 얼굴 이미지도 인식할 수 있음을 확인했다. 이를 통해 얼굴, 숫자, 사물 등의 인식을 효율적으로 수행할 수 있는 유연 뉴로모픽 칩 개발의 가능성을 확보했다.
최 교수는 “멤리스터 소자의 구동 방식이 디지털에서 아날로그로 변화되는 주요 원리를 밝힘으로써 다양한 멤리스터 소자들을 디지털 메모리 또는 시냅스 소자로 응용할 수 있는 길을 열었다”라며 “고성능 뉴로모픽 칩 개발의 가속화에 기여할 수 있을 것이다” 라고 말했다.
이번 연구는 과학기술정보통신부 한국연구재단 글로벌프론티어사업 중 (재)나노기판소프트일렉트로닉스 연구단의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 플라스틱 기판 위에 제작된 유연 멤리스터 시냅스 소자 모식도
-
연구 차세대 뉴로모픽 컴퓨팅 신뢰성 문제를 풀다
최근 인간의 뇌를 모방해 하드웨어 기반으로 인공지능 연산을 구현하는 뉴로모픽 컴퓨팅 기술이 최근 주목받고 있다. 뉴로모픽 컴퓨팅의 단위 소자로 활용되는 멤리스터(전도성 변화 소자)는 저전력, 고집적, 고효율 등의 장점이 있지만 멤리스터로 대용량 뉴로모픽 컴퓨팅 시스템을 구현하는데 불규칙한 소자 특성으로 인한 신뢰성 문제가 발견되었다. 우리 연구진이 뉴로모픽 컴퓨팅의 상용화를 앞당길 신뢰성 향상 기술을 개발하여 화제다. 우리 대학 전기및전자공학부 최신현 교수 연구팀이 한양대학교 연구진과의 공동 연구를 통해 차세대 메모리 소자의 신뢰성과 성능을 높일 수 있는 이종원자가 이온* 도핑 방법을 개발했다고 21일 밝혔다. * 이종원자가 이온(Aliovalent ion): 원래 존재하던 원자와 다른 원자가(공유 결합의 척도, valance)를 갖는 이온을 말함 공동연구팀은 기존 차세대 메모리 소자의 가장 큰 문제인 불규칙한 소자 특성 변화 문제를 개선하기 위해, 이종원자가 이온을
2024-06-21 -
연구 뉴로모픽 반도체 신개념 메모리 소자 개발
우리 연구진이 공정 비용이 낮고 초저전력 동작이 가능하여 기존의 메모리를 대체하거나 차세대 인공지능 하드웨어를 위한 뉴로모픽 컴퓨팅(Neuromorphic Computing) 구현에 사용될 메모리 소자를 개발하여 화제다. 전기및전자공학부 최신현 교수 연구팀이 디램 (DRAM) 및 낸드(NAND) 플래시 메모리를 대체할 수 있는 *초저전력 차세대 상변화 메모리 소자를 개발했다고 4일 밝혔다. ☞ 상변화 메모리(Phase Change Memory): 열을 사용하여 물질의 상태를 비정질과 결정질을 변경하여, 이를 통해 저항 상태를 변경함으로써 정보를 저장하거나 처리하는 메모리 소자. 기존 상변화 메모리는 값비싼 초미세 반도체 노광공정을 통해 제작하며 소모 전력이 높은 문제점이 있었다. 최 교수 연구팀은 상변화 물질을 전기적으로 극소 형성하는 방식을 통해 제작한 초저전력 상변화 메모리 소자로 값비싼 노광공정 없이도 매우 작은 나노미터(nm) 스케일의 상변화 필라멘트를 자체적
2024-04-04 -
연구 뉴로모픽 신경망으로 컴퓨팅 난제 해결하다
우리 연구진이 현재 반도체 산업체에서 사용되는 실리콘 소재 및 공정만을 사용해 초소형 진동 신경망을 구축하여 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제*를 해결했다. *그래프 색칠 문제: 그래프 이론에서 사용되는 용어로, 그래프의 각 정점에 서로 다른 색을 할당해야 하며, 이러한 색깔 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있음 우리 대학 전기및전자공학부 최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학적 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다. 빅데이터 시대가 도래하면서 인공지능 기술이 예전과 비교할 수 없을 만큼 비약적으로 발전하고 있다. 인간의 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이다. 진동 신경망은 기
2024-04-03 -
연구 설명해주는 인공지능 구현을 위한 초저전력 하드웨어 기술 개발
우리 대학 신소재공학과 김경민 교수 연구팀이 다양한 멤리스터* 소자를 이용한 설명 가능한 인공지능 (XAI) 시스템을 구현하는데 성공했다고 25일 밝혔다. *멤리스터 (Memristor): 메모리 (Memory)와 저항 (Resistor)의 합성어로, 입력 신호에 따라 소자의 저항 상태가 변하는 소자 최근 인공지능 (AI) 기술의 급속한 발전이 다양한 분야에서 성과를 이루고 있다. 이미지 인식, 음성 인식, 자연어 처리 등에서 AI의 적용 범위가 확대되며 우리의 일상생활에 깊숙이 자리 잡고 있다. AI는 인간의 뉴런 구조를 모방해 만든 ‘인공신경망’을 기반으로, 적게는 수백만 개에서 많게는 수조 개에 달하는 매개변수를 통해 데이터를 분석하고 의사 결정을 내린다. 그러나 이 많은 매개변수로 인해 AI 모델의 동작 원리를 정확하게 이해하기 어렵고, 이는 통상적으로 블랙박스에 비유되곤 한다. AI가 어떤 기준으로 결정을 내는지 알 수 없다면, AI에 결함이나
2024-03-25 -
연구 반도체가 곤충처럼 사물 움직임 감지한다
곤충의 시신경계를 모방하여 초고속, 저전력 동작이 가능한 신개념 ‘지능형 센서’ 반도체의 개발로 다양한 혁신적 기술로 확장가능한 기술이 개발되었다. 이 기술은 교통, 안전, 보안 시스템 등 다양한 분야에 응용되어 산업과 사회에 기여할 것으로 보인다. 우리 대학 신소재공학과 김경민 교수 연구팀이 다양한 멤리스터* 소자를 융합해 곤충의 시신경에서의 시각 지능*을 모사하는 지능형 동작인식 소자를 개발하는데 성공했다고 19일 밝혔다. *멤리스터 (Memristor): 메모리(Memory)와 저항(Resistor)의 합성어로, 입력 신호에 따라 소자의 저항 상태가 변하는 전자소자. *시각 지능 (Visual Intelligence): 시신경 내에서 시각 정보를 해석하고 연산을 수행하는 기능. 최근 인공지능(AI) 기술의 발전과 함께, 비전 시스템은 이미지 인식, 객체 탐지 및 동작 분석과 같은 다양한 작업에서 AI를 활용해 핵심적인 역할을 수행하고 있다.
2024-02-19