­ 최신현 교수팀, 인간 뇌의 연산 방법 모사해 효율적 데이터 처리 가능

연구팀이 개발한 시냅스 트랜지스터와 기존 기술 비교.[KAIST 제공]
연구팀이 개발한 시냅스 트랜지스터와 기존 기술 비교.[KAIST 제공]

[헤럴드경제=구본혁 기자] 한국과학기술원(KAIST)은 전기및전자공학부 최신현 교수 연구팀이 대용량 데이터 처리가 가능한 고신뢰성 인공 시냅스 트랜지스터를 개발했다고 16일 밝혔다.

최 교수 연구팀은 기존 낸드 플래시 메모리에 사용되는 구조를 이용하면서도, 기존 낸드 플래시의 단점인 낮은 내구성을 개선하는 방법을 차용해, 안정적인 시냅스 역할을 할 수 있는 트랜지스터를 개발했다.

낸드 플래시 메모리는 높은 전압을 이용해, 소자의 구성 물질을 손상시키는 방법(FN 터널링)으로 데이터를 저장하는 반면, 연구팀이 개발한 소자는 낮은 전압으로도 동작해, 기존 플래시 메모리에 비해 높은 내구성과 신뢰성을 확보했다.

연구팀이 개발한 소자는 많은 데이터를 하나의 소자에 넣을 뿐 아니라 안정적으로 저장이 가능해, 부가적인 회로 없이도, AI의 학습 정확도를 획기적으로 높일 수 있다. 이를 통해 뉴로모픽 반도체 칩의 소형화 및 전력 소모 감소의 기반이 될 것으로 기대된다. 또한 높은 학습 정확도와 더불어, 높은 내구성을 바탕으로 뉴로모픽 시스템에서, 실시간 온라인 데이터 학습에 적합한 시냅스 소자로 활발히 응용될 수 있을 것으로 기대된다.

최신현 KAIST 전기및전자공학부 교수.[KAIST 제공]
최신현 KAIST 전기및전자공학부 교수.[KAIST 제공]

연구팀은 제작한 열전자 방출 기반 시냅스 트랜지스터를 이용해 손글씨 숫자 이미지 데이터를 학습한 후, 이를 바탕으로 무작위의 손글씨 이미지를 분류한 결과 약 93.17%의 높은 정확도를 달성했다.

서석호 KAIST 전기및전자공학부 서석호 석사과정은 "이번에 개발한 고신뢰성 인공 시냅스 트랜지스터는 선형적인 가중치 업데이트와 높은 내구성을 바탕으로 기존 시냅스 트랜지스터가 지닌 온라인 학습 한계에 대한 솔루션이 될 수 있음을 기대한다“면서 “뉴로모픽 하드웨어 시스템에 적용하는데 다른 차세대 메모리 소자에 비해 실현 가능성이 보다 높을 것ˮ이라고 말했다.

이번 연구결과는 국제학술지 ‘네이처 커뮤니케이션스’ 10월호에 출판됐다.


nbgkoo@heraldcorp.com