%eb%a9%a4%eb%a6%ac%ec%8a%a4%ed%84%b0
-
로봇도 사람처럼 위험할때만 즉각 반응한다
인공지능과 로봇 기술의 동반 발전 속에서, 로봇이 사람처럼 효율적으로 환경을 인식하고 반응하는 기술 확보가 중요한 과제로 떠오르고 있다. 이에 한국 연구진이 별도의 복잡한 소프트웨어나 회로 없이도 생명체의 감각 신경계를 모사한 인공 감각 신경계를 새롭게 구현해 주목받고 있다. 이 기술은 에너지 소모를 최소화하면서 외부 자극에 지능적으로 반응할 수 있어, 초소형 로봇이나 로봇 의수 등 의료 및 특수 환경에서의 활용이 기대된다.
우리 대학 전기및전자공학부 최신현 석좌교수, 충남대학교 반도체융합학과 이종원 교수 공동연구팀이 생명체의 감각 신경계 기능을 모사하는 차세대 뉴로모픽 반도체 기반 인공 감각 신경계를 개발하고, 이를 통해 외부 자극에 효율적으로 대응하는 신개념 로봇 시스템을 증명했다고 15일 밝혔다.
사람을 포함한 동물은 안전하거나 익숙한 자극은 무시하고, 중요한 자극에는 선별적으로 민감하게 반응함으로써, 에너지 낭비를 방지하면서도 중요한 자극에 집중해 민첩하게 외부 변화에 대응할 수 있다.
예를 들면, 여름철 에어컨 소리나 옷이 피부에 닿는 감촉은 곧 익숙해져 신경 쓰지 않게 되지만, 누군가 이름을 부르거나 날카로운 물체가 피부에 닿으면 재빠르게 집중하고 대응한다.
이는 감각 신경계에서의 ‘습관화’ 그리고 ‘민감화’기능에 의해서 조절됨을 보여주며, 사람처럼 효율적으로 외부 환경에 대응하는 로봇 구현을 위해, 이러한 생명체의 감각 신경계 기능을 로봇에 적용하려는 시도가 꾸준히 진행돼왔다.
그러나, 습관화나 민감화와 같은 복잡한 신경 특성을 로봇에 구현하기 위해선 별도 소프트웨어가 필요하거나, 복잡한 회로가 필요해 소형화와 에너지 효율 측면에서의 어려움이 있었다.
특히 뉴로모픽 반도체인 멤리스터(memristor)1 소자를 활용하는 시도도 있었지만, 기존 멤리스터는 단순한 전도도 변화만 가능해 신경계의 복잡한 특성을 모사하는 데 한계가 있었다.
1멤리스터: 메모리(memory)와 저항(resistor)의 합성어로 두 단자 사이로 과거에 흐른 전하량과 방향에 따라 저항값이 결정되는 차세대 전기소자
이러한 한계를 극복하기 위해 연구팀은 하나의 멤리스터 소자 안에 서로 반대 방향으로 전도도를 변화시키는 층을 형성해, 실제 감각 신경계에서처럼 습관화와 민감화 등의 기능을 모사할 수 있는 새로운 멤리스터를 개발했다.
이 소자는 자극이 반복되면 점차 반응이 줄어들다가, 위험 신호가 감지되면 다시 민감하게 반응하는 등, 실제 신경계의 복잡한 시냅스 반응 패턴을 사실적으로 재현할 수 있다.
연구팀은 이 멤리스터를 이용해 촉각과 고통을 인식하는 멤리스터 기반 인공 감각 신경계를 제작하고, 이를 실제 로봇 손에 적용해 그 효율성을 실험했다.
반복적으로 안전한 촉각 자극을 가하자, 처음에는 낯선 촉각 자극에 민감하게 반응하던 로봇 손이 점차 자극을 무시하는 습관화 특성을 보였고, 이후 전기 충격과 함께 자극을 가했을 때는 이를 위험 신호로 인식해 다시 민감하게 반응하는 민감화 특성도 확인됐다.
이를 통해, 별도의 복잡한 소프트웨어나 프로세서 없이도 로봇이 사람처럼 효율적으로 자극에 대응할 수 있음을 실험적으로 입증하며, 에너지 측면에서 효율적인 신경계 모사 로봇(neuro-inspired robot)의 개발 가능성을 검증했다.
박시온 연구원은 “사람의 감각 신경계를 차세대 반도체로 모사해, 더 똑똑하고 에너지 측면에서 효율적으로 외부 환경에 대응하는 신개념 로봇 구현의 가능성을 열었다”라며, “앞으로 초소형 로봇, 군용 로봇, 로봇 의수 같은 의료용 로봇 등 차세대 반도체와 로보틱스의 여러 융합 분야에서 활용될 것으로 기대된다”고 밝혔다.
이번 연구는 박시온 석박통합과정 연구원이 제 1저자로 국제 학술지 `네이처 커뮤니케이션즈 (Nature Communications)'에 지난 7월 1일 자로 온라인 게재됐다.
※ 논문 제목: Experimental demonstration of third-order memristor-based artificial sensory nervous system for neuro-inspired robotics
※ DOI: https://doi.org/10.1038/s41467-025-60818-x
이번 연구는 한국연구재단의 차세대지능형반도체기술개발사업, 중견연구사업, PIM인공지능반도체핵심기술개발사업, 우수신진연구사업, 그리고 나노종합기술원의 나노메디컬 디바이스 사업의 지원을 받아 수행됐다.
2025.07.15 조회수 3092 -
스스로 학습·수정하는 뉴로모픽 반도체칩 개발
기존 컴퓨터 시스템은 데이터 처리 장치와 저장 장치가 분리돼 있어, 인공지능처럼 복잡한 데이터를 처리하기에는 효율적이지 않다. KAIST 연구팀은 우리 뇌의 정보 처리 방식과 유사한 멤리스터 기반 통합 시스템을 개발했다. 이제 원격 클라우드 서버에 의존하지 않고 의심스러운 활동을 즉시 인식하는 스마트 보안 카메라부터 건강 데이터를 실시간으로 분석할 수 있는 의료기기까지 다양한 분야에 적용될 수 있게 되었다.
우리 대학 전기및전자공학부 최신현 교수, 윤영규 교수 공동연구팀이 스스로 학습하고 오류를 수정할 수 있는 차세대 뉴로모픽 반도체 기반 초소형 컴퓨팅 칩을 개발했다고 17일 밝혔다.
연구팀이 개발한 이 컴퓨팅 칩의 특별한 점은 기존 뉴로모픽 소자에서 해결이 어려웠던 비이상적 특성에서 발생하는 오류를 스스로 학습하고 수정할 수 있다는 것이다. 예를 들어, 영상 스트림을 처리할 때 칩은 움직이는 물체를 배경에서 자동으로 분리하는 법을 학습하며 시간이 지날수록 이 작업을 더 잘 수행하게 된다.
이러한 자가 학습 능력은 실시간 영상 처리에서 이상적인 컴퓨터 시뮬레이션에 견줄 만한 정확도를 달성하며 입증됐다. 연구팀의 주요성과는 뇌와 유사한 구성 요소의 개발을 넘어, 신뢰성과 실용성을 모두 갖춘 시스템으로 완성한 것에 있다.
연구팀은 세계 최초로 즉각적인 환경 변화에 적응할 수 있는 멤리스터 기반 통합 시스템을 개발하며, 기존 기술의 한계를 극복하는 혁신적인 해결책을 제시했다.
이 혁신의 핵심에는 멤리스터(memristor)*라고 불리는 차세대 반도체 소자가 있다. 이 소자의 가변 저항 특성은 신경망의 시냅스 역할을 대체할 수 있게 되고, 이를 활용해 우리 뇌세포처럼 데이터 저장 및 연산을 동시에 수행할 수 있다.
*멤리스터: 메모리(memory)와 저항(resistor)의 합성어로 두 단자 사이로 과거에 흐른 전하량과 방향에 따라 저항값이 결정되는 차세대 전기소자
연구팀은 저항 변화를 정밀하게 제어할 수 있는 고신뢰성 멤리스터를 설계하고, 자가 학습을 통해 복잡한 보정 과정을 배제한 효율적인 시스템을 개발했다. 이번 연구는 실시간 학습과 추론을 지원하는 차세대 뉴로모픽 반도체 기반 통합 시스템의 상용화 가능성을 실험적으로 검증했다는 점에서 중요한 의미를 가진다.
이 기술은 일상적인 기기에서 인공지능을 사용하는 방식을 혁신하여 AI 작업 처리를 위해 원격 클라우드 서버에 의존하지 않고 로컬에서 처리할 수 있게 되어, 더 빠르고 사생활 보호가 강화되며 에너지 효율성이 높아질 것이다.
이 기술 개발을 주도한 KAIST 정학천 연구원과 한승재 연구원은 “이 시스템은 책상과 자료 캐비닛을 오가며 일하는 대신 모든 것이 손이 닿는 곳에 있는 스마트 작업 공간과 같다. 이는 모든 것이 한 곳에서 처리돼 매우 효율적인 우리 뇌의 정보 처리 방식과 유사하다”고 설명했다.
전기및전자공학부 정학천 석박통합과정생과 한승재 석박사통합과정생이 제 1저자로 연구에 참여했으며 국제 학술지 `네이처 일렉트로닉스 (Nature Electronics)'에 2025년 1월 8일 자로 온라인 게재됐다.
(논문 제목: Self-supervised video processing with self-calibration on an analogue computing platform based on a selector-less memristor array, https://doi.org/10.1038/s41928-024-01318-6)
이번 연구는 한국연구재단의 차세대지능형반도체기술개발사업, 우수신진연구사업, PIM인공지능반도체핵심기술개발사업, 정보통신기획평가원의 한국전자통신연구원연구개발지원사업의 지원을 받아 수행됐다.
2025.01.22 조회수 7910 -
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 도핑하는 방식으로 소자의 균일성과 성능을 향상할 수 있다는 사실을 실험과 원자 수준의 시뮬레이션을 통해 원리를 규명했다.
공동 연구팀은 이러한 불규칙한 소자 신뢰성 문제를 해결하기 위해 이종원자가 할라이드(halide) 이온을 산화물 층 내에 적절히 주입하는 방법이 소자의 신뢰성과 성능을 향상할 수 있음을 보고했다. 연구팀은 이러한 방법으로 소자 동작의 균일성, 동작 속도, 그리고 성능이 증대됨을 실험적으로 확인했다.
연구팀은 또한, 원자 단위 시뮬레이션 분석을 통해 결정질과 비결정질 환경에서 모두 실험적으로 확인한 결과와 일치하는 소자 성능 개선 효과가 나타남을 보고했다. 그 과정에서 도핑된 이종원자가 이온이 근처 산소 빈자리(oxygen vacancy)를 끌어당겨 안정적인 소자 동작을 가능하게 하고, 이온 근처 공간을 넓혀 빠른 소자 동작을 가능하게 하는 원리를 밝혀냈다.
최신현 교수는 "이번에 개발한 이종원자가 이온 도핑 방법은 뉴로모픽 소자의 신뢰성과 성능을 획기적으로 높이는 방법으로서, 차세대 멤리스터 기반 뉴로모픽 컴퓨팅의 상용화에 기여할 수 있고, 밝혀낸 성능 향상 원리를 다양한 반도체 소자들에 응용할 수 있을 것이다ˮ 고 밝혔다.
전기및전자공학부 배종민 석사과정, 한양대학교 권초아 박사후연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)' 6월호에 출판됐다. (논문명 : Tunable ion energy barrier modulation through aliovalent halide doping for reliable and dynamic memristive neuromorphic systems)
한편 이번 연구는 한국연구재단 신소자원천기술개발사업, 신재료PIM소자사업, 우수신진연구사업, 나노종합기술원 반도체공정기반 나노메디컬 디바이스개발 사업, 그리고 국가슈퍼컴퓨팅센터 혁신지원프로그램의 지원을 받아 수행됐다.
2024.06.21 조회수 11128 -
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 오작동이 발생했을 때 이를 해결하기 어렵고, 이로 인해 AI가 적용되는 다양한 산업 분야에서 문제가 발생할 수 있다.
이에 대한 해답으로 제시된 것이 바로 설명 가능한 인공지능 (XAI)이다. XAI는 AI가 어떠한 결정을 내렸을 때, 그 근거가 무엇인지를 사람이 이해할 수 있도록 만드는 기술이다. <그림1> 생성형 AI 등 점점 더 복잡해지는 AI 기술의 등장으로 개발자, 사용자, 규제 기관 모두에게 XAI 시스템의 필요성이 강조되고 있다. 하지만, XAI는 일반적으로 엄청난 양의 데이터 처리를 요구하기 때문에, 이를 보다 효율적으로 동작할 수 있는 하드웨어 개발이 필요한 상황이다.
김경민 교수 연구팀은 교란(Perturbation) 기반 XAI 시스템을 서로 다른 멤리스터 소자를 이용해 하드웨어로 구현하는데 성공하였다. 세 가지 멤리스터 소자는 각각 휘발성 저항변화 특성, 아날로그 비휘발성 저항변화 특성, 아날로그 휘발성 저항변화 특성을 가지며 <그림 2>, 각 소자는 교란 기반 XAI 시스템의 필수적인 기능인 입력 데이터 교란, 벡터곱 연산, 그리고 신호 통합 기능을 수행한다.
연구팀은 개발된 XAI 하드웨어를 평가하기 위해, 흑백 패턴을 인식하는 신경망을 설계하였다. 여기에 개발한 XAI 하드웨어 시스템으로 설계한 신경망이 흑백 패턴을 인식하는 근거를 설명하였다. <그림3> 그 결과 기존 CMOS 기술 기반 시스템 대비 에너지 소비를 24배 감소하여 AI 판단의 이유를 제공하는 것을 확인하였다. <그림4>
KAIST 김경민 교수는 “AI 기술이 일상화되면서 AI 동작의 투명성 및 해석가능성이 중요해지고 있는데, 이번 연구는 다양한 종류의 멤리스터 소자를 이용해 AI 판단에 대한 근거를 제공하는 XAI 하드웨어 시스템을 구현할 수 있었다는 점에 큰 의의가 있다”며 “이 연구는 AI 의사 결정에 도달하는 과정을 이해하기 쉽게 설명을 제공함으로써 AI 시스템의 신뢰성 향상에 기여할 수 있어, 향후 의료, 금융, 법률 등 민감한 정보를 다루는 AI 기반 서비스에 적용될 수 있을 것으로 기대된다”고 밝혔다.
이번 연구는 KAIST 신소재공학과 송한찬 박사과정, 박우준 박사과정 학생이 공동 제1 저자로 참여했으며, 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials, IF: 29.4)’에 03월 20일 字 온라인 게재됐으며, 한국연구재단 중견연구사업, 차세대지능형반도체기술개발사업, PIM인공지능반도체핵심기술개발사업, 나노종합기술원 및 KAIST 도약연구사업의 지원을 받아 수행됐다. (논문명: Memristive Explainable Artificial Intelligence Hardware, 논문링크: https://doi.org/10.1002/adma.202400977)
2024.03.25 조회수 9693 -
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. 하지만 기존 비전 시스템은 이미지 센서에서 수신된 신호를 복잡한 알고리즘을 이용해 물체와 그 동작을 인식하는 것이 일반적이다. 이러한 방식은 상당한 양의 데이터 트래픽과 높은 전력 소모가 필요하여 모바일 또는 사물인터넷 장치에 적용되기 어렵다.
한편, 곤충은 기본 동작 감지기(Elementary Motion Detector) 라는 시신경 회로를 통해 시각 정보를 효과적으로 처리해 물체를 탐지하고 그 동작을 인식하는데 탁월한 능력을 보인다. <그림1> 이를 구현하는 데 있어 기존 실리콘 집적회로(CMOS) 기술에서는 복잡한 회로가 요구되기 때문에, 실제 소자로 제작하기 어려운 한계가 있었다.
김경민 교수 연구팀은 다양한 기능의 멤리스터 소자들을 집적하여 고효율⋅초고속 동작 인식이 가능한 지능형 동작인식 소자를 개발했다. 동작인식 소자는 자체 개발한 두 종류의 멤리스터 소자와 저항 만으로 구성된 단순한 구조를 가지고 있다. 두 종류의 서로 다른 멤리스터는 각각 신호 지연 기능과 신호 통합 및 발화 기능을 수행하며, 이를 통해 곤충의 시신경을 직접 모사하여 사물의 움직임을 판단할 수 있음을 확인했다. <그림2>
연구팀은 개발된 동작인식 소자의 실질적인 활용에 대한 가능성을 입증하기 위해 차량 경로를 예측하는 뉴로모픽 컴퓨팅 시스템을 설계하였으며, 여기에 개발한 동작인식 소자를 적용하였다. <그림3> 그 결과 기존 기술 대비 에너지 소비를 92.9 % 감소하여 더 정확히 사물의 움직임을 예측할 수 있음을 검증하였다.
신소재공학과 김경민 교수는 “곤충은 매우 간단한 시각 지능을 활용해 놀랍도록 민첩하게 물체의 동작을 인지하는데, 이번 연구는 신경의 기능을 재현할 수 있는 멤리스터 소자를 활용해 이를 구현할 수 있었다는 점에 큰 의의가 있다”며, “최근 AI가 탑재된 휴대폰과 같이 에지(edge)형 인공지능 소자의 중요성이 매우 커지고 있는데, 이 연구는 동작 인식을 위한 효율적인 비전 시스템 구현에 기여할 수 있어, 향후 자율주행 자동차, 차량 운송 시스템, 로봇, 머신 비전 등과 같은 다양한 분야에 적용될 수 있을 것으로 기대된다”고 밝혔다.
이번 연구는 신소재공학과 송한찬 박사과정, 이민구 박사과정 학생이 공동 제1 저자로 참여했으며, 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials, IF: 29.4)’에 지난 1월 29일 字 온라인 게재됐다.
한편 이번 연구는 한국연구재단 중견연구사업, 차세대지능형반도체기술개발사업, PIM인공지능반도체핵심기술개발사업, 나노종합기술원 및 KAIST 도약연구사업의 지원을 받아 수행됐다. (논문명: Fully Memristive Elementary Motion Detectors for A Maneuver Prediction, 논문링크: https://doi.org/10.1002/adma.202309708)
2024.02.19 조회수 10379 -
전기및전자공학부 최신현 교수 연구팀, Nature Communications Editor's highlight 선정
전기및전자공학부 박시온 연구원, 정학천 연구원, 박종용 연구원 및 최신현 교수는 점진적 산소 농도를 갖는 금속산화물 층을 활용하여 우리 뇌의 뉴런 세포의 동작을 모사하는 고 신뢰성 차세대 저항 변화 소자(멤리스터) 어레이를 개발 하였으며, 올해 Nature Communications에 출판됐다.
위 연구는 최근 Nature Communications의 Editor's highlight 논문에 선정됨에 이어, Featured Image로 선정되어 홈페이지 메인을 장식했다.
관련 링크 : https://www.nature.com/ncomms/
또한 본 연구는 2022 가을 KAIST 공과대학 breakthrough 연구성과로 소개된 바 있다.
(논문명 : Experimental demonstration of highly reliable dynamic memristor for artificial neuron and neuromorphic computing)
이번 연구는 삼성미래육성사업의 지원을 받아 수행됐다.
2022.10.31 조회수 11829 -
다공성 나노소재를 활용한 고신뢰성 시냅스 소자 개발
우리 대학 전기및전자공학부 최신현 교수 연구팀이 다공성 구조를 갖는 *차세대 저항 변화 소자(멤리스터)를 활용해 우리 뇌의 신경전달물질 시냅스를 모방한 고신뢰성 소자(시냅스 소자)를 개발했다고 25일 밝혔다.
☞ 멤리스터(Memristor): 메모리와 레지스터의 합성으로 이전의 상태를 모두 기억하는 메모리 소자. 전원공급이 끊어졌을 때도 직전에 통과한 전류의 방향과 양을 기억한다.
최 교수 연구팀은 기존 양이온 저항 변화 방식과 음이온 저항 변화 방식을 혼합한 하이브리드 형태로 매개체를 구성해, 비정질로 이루어진 다공성 구조 및 버퍼 층을 이용해 고신뢰성 시냅스 소자를 설계했다. 해당 구조는 저온 공정을 통해 형성함으로써 기존 실리콘 상보형 산화금속 반도체(CMOS)에 집적 및 적층 가능해 집적도 높은 대용량 로직/인공신경망 컴퓨팅 시스템 제작에 활발히 응용될 수 있을 것으로 기대된다.
우리 대학 최상현 연구원과 박시온 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)' 1월호에 출판됐다. (논문명 : Reliable multilevel memristive neuromorphic devices based on amorphous matrix via quasi-1D filament confinement and buffer layer)
멤리스터는 저전력으로 인메모리(In-memory) 컴퓨팅, 가중치 저장, 행렬 계산 능력(vector-matrix multiplication) 등으로 차세대 논 폰노이만 구조에 쓰일 수 있는 차세대 소자로 주목받고 있다.
그러나 현존하는 멤리스터로 실용적인 대용량 인공신경망 컴퓨팅 (Large-scale neural computing) 시스템을 만들기 위해서는 멤리스터 단위 소자의 신뢰성을 확보할 수 있는 연구가 필요하다.
소자의 신뢰성 저하는 전통적으로 비정질 물질 내에 무작위적으로 움직이는 결함 및 이온의 배치에서 기인한다. 최신현 교수는 이러한 문제를 단결정 물질을 사용해 결함 및 이온의 무작위적인 움직임을 제어함으로써 소자 신뢰성 확보에 성공한 바 있다. 하지만 단결정을 이용하는 문제 및 제작에 고온 공정이 필요하므로 기존 실리콘 CMOS에 집적 및 적층이 어려워 집적도를 높이는 데 한계가 있었다.
연구팀은 이번 연구를 통해 기존의 비정질 물질을 사용해 신뢰성을 확보할 수 있는 다공성 구조의 양이온 제어층 및 버퍼층으로 이용되는 음이온 제어층을 설계했고, 이를 통해 적층 및 집적 가능한 소자를 제작했다. 연구팀은 기존 소자 대비 6배 이상 신뢰성을 개선할 수 있었으며, 이와 동시에 인공 시냅스 소자로서 필요한 다른 특성들도 확보할 수 있었다.
연구를 주도한 최신현 교수는 "이번에 개발한 고신뢰성 시냅스 소자는 안정적인 대용량 어레이 제작의 방향성을 제시할 수 있을 것으로 기대되며, 차세대 신소자를 기반으로 한 뉴로모픽 컴퓨팅 등 빅데이터 처리가 필요한 응용 분야에 적합한 플랫폼을 구축하는 데에 기여할 수 있기를 바란다. 또한, 미국, 대만 기업에서 활발히 진행 중인 차세대 신소자 기반 기술 개발이 국내에서도 활성화되기를 희망한다ˮ며 "다른 물질계에서도 구조적으로 적용할 수 있는 방법론을 제시함으로써 활발히 연구가 진행될 것으로 생각된다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단, 나노종합기술원, 삼성미래기술육성재단의 지원을 받아 수행됐다.
2022.01.25 조회수 14820 -
최성율 교수, 뉴로모픽 칩의 시냅스 구현
〈 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
2019.02.11 조회수 15094 -
최성율, 박상희 교수, 전자기기용 저전력 멤리스터 집적회로 개발
우리 대학 전기및전자공학부 최성율 교수와 신소재공학과 박상희 교수 공동 연구팀이 메모리와 레지스터의 합성어인 멤리스터(Memristor)를 이용해 저전력 비휘발성 로직-인-메모리 집적회로를 개발했다.
레지스터, 커패시터, 인덕터에 이어 4번째 전자 회로 소자인 멤리스터를 통한 기술로 새로운 컴퓨팅 아키텍처(하드웨어와 소프트웨어를 포함한 컴퓨터 시스템 전체 설계방식)를 제공할 수 있을 것으로 기대된다.
장병철, 남윤용 박사과정이 공동 1저자로 참여한 이번 연구는 재료분야 국제 학술지 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)’ 1월 10일자 표지 논문으로 게재됐다.
4차 산업혁명 시대는 사물인터넷, 인공지능 등의 정보통신 기술 기반을 통해 발전되고 있으며 이는 사용자 친화적인 유연, 웨어러블 기기를 활용해 제공될 것으로 보여진다.
이러한 측면에서 저전력 배터리를 기반으로 한 소프트 전자기기의 개발에 대한 필요성이 커지고 있다.
하지만 기존 트랜지스터로 구성된 메모리와 로직회로 기반의 전자 시스템은 문턱전압 이하 수준의 트랜지스터 누설 전류(subthreshold leakage current)에 의한 대기전력 소모로 인해 휴대용 전자기기로의 응용에 한계가 있었다. 또한 기존 메모리와 프로세서가 분리돼 있어 데이터를 주고받는 과정에서 전력과 시간이 소모되는 문제점도 있었다.
연구팀은 문제 해결을 위해 정보의 저장과 로직 연산 기능을 동시에 구현할 수 있는 로직-인-메모리 집적회로를 개발했다.
플라스틱 기판 위에 비휘발성의 고분자 소재를 이용한 멤리스터, 산화물 반도체 소재를 이용한 유연 쇼트키 다이오드 선택소자(Schottky Diode Selector)를 수직으로 집적해 선택소자와 멤리스터가 일대일로 짝을 이루는 1S-1M 집적소자 어레이를 구현했다.
연구팀은 기존의 아키텍처와는 달리 대기 전력을 거의 소모하지 않는 비휘발성 로직-인-메모리 집적회로를 구현해 새로운 컴퓨팅 아키텍처를 개발했다. 또한 어레이 상에서 소자 간에 흐르는 스니크(sneak) 전류라고 불리는 누설 전류 문제도 해결했다.
그 밖에도 연구팀의 기술은 병렬 컴퓨터 방식인 하나의 명령어로 여러 값을 동시에 계산하는 단일 명령 다중 데이터 처리(Single-Instruction Multiple-Data, SIMD)를 구현했다.
최 교수는 “멤리스터와 선택소자의 집적을 통해 유연한 로직-인-메모리 집적회로를 구현한 이번 연구는 유연성과 저전력성을 가진 메모리와 로직을 동시에 제공한다”며 “모바일 및 웨어러블 전자시스템의 혁신을 가져 올 수 있는 원천기술을 확보했다는 의의를 갖는다”고 말했다.
이번 연구는 과학기술정보통신부 한국연구재단이 추진하는 글로벌프론티어사업 등의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 저널에 게재된 표지논문 사진
그림2 유연 멤리스티브 비휘발성 로직-인-메모리 회로와 소자 단면 고해상도 투과전자현미경 이미지
그림3. 비휘발성 메모리 소자 응용을 위한 인가전압에 따른 소자 성능 확인
그림4. 유연 1S-1M 집적 소자 어레이의 병렬 로직 연산
2018.02.13 조회수 27329