[정보통신신문=최아름기자]

최근 인공지능, 사물인터넷, 머신러닝 등 새로운 산업이 등장하면서 방대한 양의 데이터를 처리하면서도 에너지를 효율적으로 소비하는 차세대 인공지능 반도체 개발에 세계적 기업들이 역량을 집중하고 있다. 인간의 뇌에서 영감을 받은 뉴로모픽 컴퓨팅도 그중 하나다. 이에 따라 생물학적 뉴런과 시냅스를 모방한 소자들이 새로운 소재 및 구조를 기반으로 속속 개발되고 있으나, 개별 소자들을 통합해 시스템에서 검증하고 최적화하는 연구는 미비한 상황이다. 향후 대규모 인공 신경망 하드웨어가 실용화되기 위해서는 인공 뉴런과 시냅스 소자를 통합하는 것이 필수적이며, 동일 소재 및 구조로 소자를 제작해 양산 비용과 에너지 사용량을 절감할 필요가 있다.

이런 가운데 한국과학기술연구원(KIST) 인공뇌융합연구단의 곽준영 박사 팀이 ‘레고 블록’처럼 뉴런과 시냅스를 연결해 대규모 인공 신경망 하드웨어를 구성할 수 있는 인공 신경 모사 소자의 통합 요소 기술을 구현했다고 밝혔다.

인공 신경 모사 소자는 인간 두뇌 신경망의 동작을 모사하기 위해 개발된 반도체 소자의 종류로 인공 뉴런 및 시냅스 소자를 주로 의미한다.

연구팀은 고집적화와 초저전력 구현에 유리한 2차원 물질 2차원 물질인 육방정계 질화붕소(hBN)를 이용해 수직적층 구조의 멤리스터(memristor) 소자를 제작함으로써 생물학적 뉴런과 시냅스와 유사한 특성을 구현했다. 멤리스터는 메모리(memory)와 저항(resistor)의 합성어로, 저인가 해준 전압에 의해서 저항이 바뀌는 성질을 갖는 반도체 소자로서 저항의 높고 낮음으로 ‘0’과 ‘1’을 표현하는 차세대 메모리 소자의 한 종류다.

연구팀이 개발한 소자는 동일 물질-동일 구조로 인공 뉴런 및 시냅스 소자를 설계했기 때문에 다수의 소자를 이용해 복잡한 구조를 가진 기존 실리콘 CMOS 기반의 인공 신경 모사 소자와 달리, 공정의 용이성과 네트워크 확장성을 확보해 대규모 인공 신경망 하드웨어 개발의 기반을 마련했다.

연구팀은 또한 개발한 소자를 통합, 연결해 인공 신경망의 기본 단위 블록인 ‘뉴런-시냅스-뉴런’ 구조도 하드웨어로 구현해 인간 뇌의 동작 방식인 스파이크 신호 기반 정보전달을 성공적으로 모사하는 데도 성공했다. 인공 시냅스 소자의 시냅스 가중치 시냅스 가중치에 따라 두 뉴런 사이의 스파이크 신호 정보의 변조를 조절할 수 있음을 실험적으로 검증해 저전력, 대규모 인공지능 하드웨어 시스템에 hBN 기반 신소자의 활용 가능성을 보였다.

곽준영 KIST 박사는 “인공 신경망 하드웨어 시스템은 향후 스마트 시티, 의료, 차세대 통신, 기상예보 및 자율주행 자동차와 같은 실생활에 밀접한 응용 분야에서 생성되는 방대한 양의 데이터를 효율적으로 처리하는 데 활용할 수 있을 것”이라면서, “기존 실리콘 상보성금속산화물반도체(CMOS) 기반 소자의 확장 한계를 뛰어넘으면서도 에너지 사용량을 크게 줄여 탄소 배출과 같은 환경 문제 개선에도 도움이 될 것”이라고 연구성과의 의의를 설명했다.

최아름 기자 다른기사 보기