인간의 뇌를 모방한 뉴로모픽 컴퓨팅 시스템 기술은 기존 폰 노이만 컴퓨팅 방식의 특징인 과도한 전력 소모의 한계를 극복해야 한다. 뇌 정보 전송 방식을 이용한 반도체 장치를 구현하기 위해서는 시냅스 연결 강도를 발현할 수 있는 고성능 아날로그 인공 시냅스 장치가 필요하다. 이 방법은 뉴런이 스파이크 신호를 생성할 때 뉴런 간에 전송되는 신호를 사용한다.
그러나, 인공 시냅스로 일반적으로 사용되는 종래의 저항 가변 메모리 소자에서는 필라멘트가 다양한 저항으로 성장함에 따라 전계가 증가하여 피드백 현상이 발생하고 필라멘트가 급격하게 성장하게 된다. 따라서, 필라멘트 타입의 관점에서 아날로그(점차) 저항 변화를 유지하면서 가소성을 구현하는 것은 어렵다.
박사가 이끄는 한국과학기술연구원. 신경모형공학센터 정연주 교수팀은 신경모형 반도체 소자인 멤리스터에서 아날로그 시냅스 특성, 가소성, 정보 보존 등으로 오랜 문제를 해결했다. 그는 매우 신뢰할 수 있는 뉴로모픽 컴퓨팅이 가능한 인공 시냅스 반도체 장치의 개발을 밝혔다.
KIST 연구팀은 기존 뉴로모픽 반도체 소자의 성능을 저해하는 작은 시냅스 가소성 문제를 해결하기 위해 활성 전극 이온의 산화환원 특성을 최적화했다. 또한, 시냅스 소자에 전이금속을 도핑하여 사용하여 활성 전극 이온 환원 가능성을 제어하였다. 기술진은 이온의 높은 환원 확률이 고성능 인공 시냅스 소자 개발에 중요한 요소라는 사실을 발견했다.
이에 연구팀은 기존 인공 시냅스 소자에 이온 환원 확률이 높은 티타늄 전이금속을 도입했다. 이것은 생물학적 뇌의 시냅스에서 시냅스와 장치 가소성의 아날로그적 특성을 보존하는데, 이는 높은 저항과 낮은 저항 사이의 약 5배의 차이이다. 그들은 또한 약 50배 더 효율적인 고성능 뉴로모픽 반도체를 만들었다.
또한, 도핑된 티타늄 전이금속의 높은 합금 형성 반응은 기존의 인공 시냅스 소자에 비해 정보 보유율을 최대 63배까지 증가시켰다. 장기적인 강화와 장기적인 우울증과 같은 뇌 기능도 더 정밀하게 시뮬레이션될 수 있다.
연구팀은 개발된 인공 시냅스 장치를 이용해 인공신경망 학습 패턴을 구현하고 인공지능 이미지 인식 학습을 시도했다. 기존 인공 시냅스 장치와 비교했을 때 오류율이 60% 이상 줄었고, 손글씨 이미지 패턴(MNIST) 인식 정확도가 69% 이상 증가했다. 연구팀은 이번 개선된 인공 시냅스 장치를 통해 고성능 뉴로모픽 컴퓨팅 시스템의 실현 가능성을 확인했다.
정 KIST 박사는 “이번 연구는 기존 시냅스 모방의 가장 큰 기술적 장벽이었던 동작의 시냅스 범위와 정보 보존을 획기적으로 개선했다”고 말했다. 개발된 인공 시냅스 장치에서는 시냅스의 다양한 연결 강도를 표현하기 위한 장치의 아날로그 작동 영역이 극대화되어 뇌 시뮬레이션 기반의 인공지능 컴퓨팅 성능이 향상될 것이다.
이어 “앞으로 연구에서는 개발된 인공시냅스 소자를 기반으로 뉴로모픽 반도체 칩을 제작해 고성능 인공지능 시스템을 구현함으로써 국내 시스템과 인공지능 반도체 분야의 경쟁력을 높일 것”이라고 덧붙였다.
기타 보고서
