방대한 양의 데이터를 처리하면서도 에너지를 효율적으로 소비하는 뉴로모픽 컴퓨팅이 주목을 받고 있다.

생물학적 뉴런과 시냅스를 모방한 소자가 새로운 소재·구조를 기반으로 속속 개발되고 있으나, 개별 소자들을 통합해 시스템에서 검증하고 최적화하는 연구는 미비한 상황이다. 

대규모 인공 신경망 하드웨어가 실용화되기 위해서는 인공 뉴런과 시냅스 소자 간 통합이 필수며 동일 소재·구조로 소자를 제작해 양산 비용을 줄이고 저전력·고성능 달성이 필수다.

이 가운데 국내 연구진이 블록 단위를 결합하는 구조로 대규모 인공 신경망 하드웨어를 구성할 수 있는 기술을 개발했다.

한국과학기술연구원(KIST) 인공뇌융합연구단 곽준영 박사 연구팀은 ‘레고 블록’처럼 뉴런과 시냅스를 연결해 대규모 인공 신경망 하드웨어를 구성할 수 있는 인공 신경 모사 소자의 통합 요소 기술 구현에 성공했다.

연구팀은 고집적화와 초저전력 구현에 유리한 2차원 물질인 hBN을 이용해 수직적층 구조의 멤리스터 소자를 제작함으로써 생물학적 뉴런과 시냅스와 유사한 특성을 구현했다. 

연구팀이 개발한 이소자는 동일 물질-동일 구조로 인공 뉴런 및 시냅스 소자를 설계해 다수의 소자를 이용해 복잡한 구조를 가진 기존 실리콘 CMOS 기반의 인공 신경 모사 소자와 달리 공정용이성과 네트워크 확장성을 확보한 점이 특징이다.

연구팀은 이렇게 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 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.

KIST 곽준영 박사는 “인공 신경망 하드웨어 시스템은 향후 스마트시티, 의료, 통신, 기상예보 및 자율주행차와 같은 실생활에 밀접한 응용 분야에서 생성되는 방대한 양의 데이터를 효율적으로 처리하는 데 활용할 수 있을 것”으로 기대했다.

또 “기존 실리콘 CMOS 기반 소자의 확장 한계를 뛰어넘으면서도 에너지 사용량을 크게 줄여 탄소배출과 같은 환경문제 개선에도 도움이 될 것”이라고 연구성과의 의의를 밝혔다.

과학기술정보통신부의 차세대지능형반도체기술개발(소자)사업과 KIST 주요 사업으로 수행된 이번 연구결과는 국제 학술지 ‘어드밴스드 펑셔널 머티리얼즈’에 11월5일 온라인 게재됐다.