본문 바로가기 대메뉴 바로가기
닫기

뇌처럼 스스로 기억하고 반응하는 반도체 뉴런 개발​
조회수 : 914 등록일 : 2025-09-29 작성자 : 홍보실

(왼쪽부터 시계방향)김경민 교수, 이민구, 김대희, 송한찬 박사, 고태욱, 최문구, 김은영

< (왼쪽부터 시계방향)김경민 교수, 이민구, 김대희, 송한찬 박사, 고태욱, 최문구, 김은영 >

사람의 뇌는 단순히 신호를 주고받는 연결(시냅스)만 조절하는 게 아니라, 개별 신경세포가 ‘상황에 맞게 스스로 예민해지거나 둔해지는’ 적응 능력인 ‘내재적 가소성’을 통해 정보를 처리한다. 하지만 기존 인공지능 반도체는 이런 뇌의 유연함을 흉내 내기 어려웠다. KAIST 연구진이 이번에 이 능력까지 구현한 차세대 초저전력 반도체 기술을 개발해 관심을 모으고 있다.

KAIST(총장 이광형)는 신소재공학과 김경민 교수 연구팀이 뉴런이 과거 활동을 기억해 스스로 반응 특성을 조절하는 ‘내재적 가소성(intrinsic plasticity)’을 모방한 ‘주파수 스위칭(Frequency Switching) 뉴리스터(Neuristor)’를 개발했다고 28일 밝혔다.

‘내재적 가소성’은 같은 소리를 여러 번 들으면 점점 덜 놀라거나, 반복된 훈련을 통해 특정 자극에 더 빨리 반응하게 되는 것과 같은 뇌의 적응 능력을 뜻한다. ‘주파수 스위칭 뉴리스터’는 마치 사람이 자극에 점점 익숙해져 덜 놀라거나, 반대로 반복된 훈련으로 점점 더 민감해지는 것처럼, 신호의 빈도를 스스로 조절하는 인공 뉴런 소자다.

연구팀은 순간적으로 반응했다가 원래 상태로 돌아가는 ‘휘발성 모트 멤리스터’와, 입력 신호의 흔적을 오랫동안 기억하는 ‘비휘발성 멤리스터’를 결합해, 뉴런이 신호를 얼마나 자주 내보낼지(발화 주파수)를 자유롭게 조절할 수 있는 소자를 구현했다.

그림 1. 뉴런과 주파수 전환 뉴리스터의 비교 개념도. 뇌 신경세포의 내재적 가소성은 이온 채널해 흥분성을 조절한다. 주파수 전환 뉴리스터는 휘발성Mott 소자가 전류 스파이크를 발생시키고, 비휘발성VCM 소자가 저항 상태를 조절하여 이와 유사한 주파수 조절 특성을 구현한다.

< 그림 1. 뉴런과 주파수 전환 뉴리스터의 비교 개념도. 뇌 신경세포의 내재적 가소성은 이온 채널해 흥분성을 조절한다. 주파수 전환 뉴리스터는 휘발성Mott 소자가 전류 스파이크를 발생시키고, 비휘발성VCM 소자가 저항 상태를 조절하여 이와 유사한 주파수 조절 특성을 구현한다. >

이 소자는 뉴런 스파이크 신호와 멤리스터 저항 변화가 서로 영향을 주고받으며 자동으로 반응을 조절한다. 쉽게 말해, 반복해서 들은 소리에 덜 놀라거나, 특정 자극에 점점 더 예민해지는 뇌의 반응을 반도체 소자 하나로 흉내 낸 것이다.

연구팀은 이 기술의 효과를 검증하기 위해 ‘희소 신경망(Sparse Neural Network)’ 시뮬레이션을 수행했다. 그 결과, 뉴런 자체의 기억 기능을 통해 기존 신경망보다 27.7% 낮은 에너지 소모로 동일한 성능을 구현했다.

그림 2. 뉴리스터의 민감화, 둔감화 특성. 강한 자극(가운데 구간)을 경험한 뒤, 동일한 입력에도 더 빠르게 반응하거나(민감화) 더 느리게 반응하는(둔감화) 특성을 보인다. 이는 뇌 뉴런이 과거 경험에 따라 반응성을 조절하는 내재적 가소성과 같은 원리를 전자 소자에서 구현했음을 보여준다.

< 그림 2. 뉴리스터의 민감화, 둔감화 특성. 강한 자극(가운데 구간)을 경험한 뒤, 동일한 입력에도 더 빠르게 반응하거나(민감화) 더 느리게 반응하는(둔감화) 특성을 보인다. 이는 뇌 뉴런이 과거 경험에 따라 반응성을 조절하는 내재적 가소성과 같은 원리를 전자 소자에서 구현했음을 보여준다. >

또 일부 뉴런이 손상되더라도 내재적 가소성을 통해 네트워크가 스스로 재구성되어 성능을 회복하는 뛰어난 복원력도 입증했다. 쉽게 말하면, 이 기술을 적용한 인공지능은 전기를 덜 쓰면서도 성능은 그대로 유지하고, 일부 회로가 고장 나도 스스로 보완해 다시 정상적으로 작동하는 셈이다.

그림 3. 희소 신경망 시뮬레이션 결과. 희소 신경망은 시냅스 연결을 줄여 에너지 효율을 높일 수 있지만, 정확도가 낮아지는 한계가 있다. 뉴리스터를 적용한 희소 신경망은 기존 신경망과 유사한 정확도를 유지하면서도 에너지 소모를 줄였으며, 일부 뉴런이 손상된 경우에도 성능을 회복하는 높은 복원력을 보였다.

< 그림 3. 희소 신경망 시뮬레이션 결과. 희소 신경망은 시냅스 연결을 줄여 에너지 효율을 높일 수 있지만, 정확도가 낮아지는 한계가 있다. 뉴리스터를 적용한 희소 신경망은 기존 신경망과 유사한 정확도를 유지하면서도 에너지 소모를 줄였으며, 일부 뉴런이 손상된 경우에도 성능을 회복하는 높은 복원력을 보였다. >

연구를 주도한 김경민 교수는 “이번 연구는 뇌의 핵심 기능인 내재적 가소성을 단일 반도체 소자로 구현해 인공지능 하드웨어의 에너지 효율과 안정성을 한 차원 높인 성과”라며, “스스로 상태를 기억하고 손상에도 적응·복구할 수 있는 이번 기술은 엣지 컴퓨팅, 자율주행 등 장시간 안정성이 요구되는 시스템의 핵심 소자로 활용될 수 있을 것”이라고 말했다.

이번 연구는 신소재공학과 박우준 박사(현 독일 율리히 연구소), 송한찬(현 ETRI) 박사가 공동 제1저자로 참여했으며, 연구 결과는 재료 분야 세계적 권위 학술지 어드밴스드 머터리얼즈(Advanced Materials, IF 26.8)에 8월 18일자 온라인 게재됐다.
※논문명: Frequency Switching Neuristor for Realizing Intrinsic Plasticity and Enabling Robust Neuromorphic Computing, DOI: 10.1002/adma.202502255

한편, 이번 연구는 한국연구재단과 삼성전자의 지원을 받아 수행됐다.

반도체뉴런신경세포내재적 가소성뉴로모픽신경망주파수 스위칭 뉴리스터희소 신경망 김경민 공과대학 신소재공학과
목록
관련뉴스