우리 연구진이 사람의 뇌를 모사한 '뉴로모픽 칩' 소자 효율성을 극대화하는 기술들을 구현했다. 멤리스터(비휘발성 메모리소자)를 이용한 새로운 뉴런 모사 소자를 구현한 결과다.
소자 면적을 줄이고 동작 에너지 효율은 높이는데 성공했다. 이후 소자 상용화 문턱을 넘는 데 큰 도움이 될 전망이다.
최성율 한국과학기술원(KAIST) 전기 및 전자공학부, 반도체공학대학원 교수팀이 장병철 경북대 교수팀과 함께 이 같은 성과를 냈다.
사람의 뇌는 뉴런과 시냅스로 구성된다. 현재 각광받는 인공지능(AI) 반도체도 이들을 모사하는 데 초점을 두고 연구가 진행 중이다.
뉴런과 시냅스 둘 다 모사해야 한다. 아날로그 비휘발성 메모리를 이용한 시냅스 소자 연구는 활발하지만, 뉴런의 경우 기술적 성취가 낮다. 이런 격차가 생기는 이유는 각기 소자가 각기 다른 신호를 처리하는 것에서 찾을 수 있다. 일반적으로 연구되는 뉴로모픽 칩에서 뉴런 소자는 디지털 신호를, 시냅스 소자는 아날로그 신호를 처리한다.
뉴런 모사 소자는 시냅스 소자로부터 받은 아날로그 입력 전류 신호를 디지털 전압 신호로 변환해 처리하고, 이후 다음 시냅스 소자로 전달키 위해 다시 아날로그 전환을 해야한다. 이 과정에서 신호 변환 컨버터 즉, 'ADC'를 갖춰야 하고 이 때문에 소자 면적이나 에너지 효율을 낮추는 것이 어렵다.
연구진은 새로운 멤리스터를 활용해 뉴런을 모사했는데, 아날로그 신호처리가 가능해 ADC가 필요 없는 뉴런 모사 소자를 제안한 것이 가장 큰 특징이다.
당연히 별도 ADC를 필요치 않아 면적과 에너지효율 개선이 가능했다. 멤리스터를 이용해 뉴런 소자를 모사한 것은 이번이 처음이다.
이들 결과로 기존 대비 400분의 1 수준으로 에너지효율이 개선됐다.
연구진은 이같은 결과가 그동안 쉽지 않았던 '뉴로모픽 컴퓨팅의 딥러닝 활용'을 가능케 한다고 설명했다.
뉴로모픽 컴퓨팅으로 딥러닝을 수행하기 위해서는 뉴런 소자로 '렐루(ReLU) 함수'와 같은 활성함수를 구현하는 것이 필요한데, 기존 뉴런 모사 소자로는 할성함수 구현이 상당이 비효율적이었다. 그리고 이번 성과로 에너지 효율이 개선되면서, 이것 역시 가능해졌다는 설명이다.
관련 논문은 국제 학술지 '어드밴스드 머터리얼즈' 6월호 표지논문으로 선정돼 발표됐다.
연구를 주도한 오정엽 KAIST 전기 및 전자공학부 박사과정은 “사람의 뇌를 모사한 뉴로모픽 칩을 효율화하면서 상용화 문턱에 보다 가까워졌다”며 “딥러닝과 같은 복잡한 AI 연산도 수행할 수 있는 기틀을 마련했다”고 말했다.
한편 연구진은 여기에 더해 분자 엔지니어링으로 시냅스 소자 아날로그 특성을 향상시키는 연구도 수행했다. 관련 논문은 국제 학술지 '머터리얼즈 호라이즌스' 6월호 표지논문으로 선정돼 발표됐다. 이 연구는 양상윤 KAIST 연구교수 및 김성규 세종대 교수팀과 함께 진행했다.
김영준 기자 kyj85@etnews.com
