KAIST, 반도체 잡음으로 인공 뉴런 구현

멤리스터 잡음으로 확률형 스파이크 생성

뉴로모픽 뉴런은 인간의 신경세포가 신호를 주고받는 방식을 반도체로 모사한 정보처리 소자다. KAIST 신소재공학과 김경민 교수 연구팀은 멤리스터에서 자연스럽게 생기는 전류 잡음을 조절해 ‘프로그래밍 가능한 확률 뉴런’을 구현했다고 16일 밝혔다.

멤리스터는 가해진 전기 자극에 따라 저항이 바뀌고 전원이 꺼져도 그 상태를 기억한다. 연구팀은 저항 상태를 바꾸면 잡음의 크기와 변동 특성도 달라진다는 점을 이용했다. 조절한 잡음을 증폭해 뇌의 뉴런이 정보를 전달할 때 내는 것과 비슷한 불규칙 전기 신호인 스파이크로 변환했다.

단일 소자에서 동작 94.8%·음성 95.0%

연구팀은 인공 뉴런에 신체 활동과 음성처럼 변화 속도가 다른 신호를 입력했다. 수 헤르츠 수준의 동작 신호는 94.8%, 킬로헤르츠 영역의 음성 신호는 95.0% 정확도로 인식했다. 멤리스터 설정만 바꿔 한 소자가 느린 움직임과 빠른 소리에 각각 반응하도록 조정한 결과다.

AI타임스 보도에 따르면 기존 전자회로가 제거 대상으로 다뤘던 잡음을 정보처리 자원으로 바꾼 것이 핵심이다. 같은 자극에도 항상 동일하게 반응하지 않는 생물학적 뉴런의 불규칙성을 하드웨어에 활용한 셈이다.

웨어러블·음성 센서의 저전력 처리 가능성

시간에 따라 연속해서 바뀌는 센서 신호를 기기 안에서 바로 처리하면 원격 서버로 원본 데이터를 계속 보내는 부담을 줄일 수 있다. 움직임을 감지하는 웨어러블과 상시 대기하는 음성 인터페이스는 배터리 사용 시간이 중요해 저전력 신호처리 기술의 수요가 크다.

하나의 뉴런 소자를 신호 특성에 맞게 조정할 수 있다는 점은 회로 구성을 단순하게 만들 가능성도 있다. 다만 이번 결과는 개별 소자의 원리와 인식 성능을 확인한 단계다. 실제 제품에는 많은 뉴런을 안정적으로 연결하는 집적 기술과 온도·사용시간에 따른 편차 관리가 필요하다.

8월 5일 학술지 게재, 집적·수율이 다음 변수

뉴시스 보도는 연구 결과가 재료 분야 국제학술지 ‘어드밴스드 머터리얼즈’에 8월 5일 게재됐다고 전했다. 학술 검증을 거친 소자 개념이 저전력 뉴로모픽 시스템으로 이어지려면 칩 면적과 전력 소모, 반복 동작 안정성을 함께 입증해야 한다.

다음 관전 포인트는 여러 소자를 묶었을 때도 인식률과 조절 특성이 유지되는지다. 반도체 공정에서 생기는 소자별 편차를 제어하고 양산 수율을 확보할 수 있다면, 잡음을 억제하는 비용을 줄이면서 센서 입력을 곧바로 처리하는 새로운 엣지 AI 구조로 발전할 수 있다.