뇌 동작 정밀 모사하는 차세대 반도체 소자 개발했다!

일반적으로 사용하는 컴퓨팅 시스템은 데이터의 ‘연산’과 ‘저장’이 독립적인 영역으로 구분돼 있어 동작 과정이 순차적으로 진행된다. 이러한 컴퓨팅 시스템은 데이터가 복잡해지고 회로당 소자의 수가 늘어남에 따라 높은 전력 소모와 느린 연산 속도를 유발한다. 반면, 인간의 뇌는 약 1,000억 개의 뉴런 및 뉴런과 뉴런 사이에 존재하는 약 1,000조 개의 시냅스가 병렬적으로 연결돼있다. 뇌는 시냅스의 연결 강도에 의해 데이터의 ‘연산’과 ‘저장’ 기능이 통합돼 있어 약 20W 이하의 적은 전력으로도 고밀도의 복잡한 데이터를 처리할 수 있다.

최근 인공지능을 활용한 방대하고 복잡한 이미지를 처리하고 자연어 학습과 같은 기술이 급속하게 발전함에 따라 인간의 뇌를 모방한 시냅스 소자와 뉴로모픽 컴퓨팅(neuromorphic computing) 시스템의 필요성이 요구되고 있다. 인공 시냅스 소자를 구현하기 위해서는 간단한 2진수인 ‘0’과 ‘1’의 디지털 신호가 아닌, 시간에 따라 연속적으로 변하는 복잡한 아날로그 신호를 모사할 수 있어야 한다. 하지만, 이러한 아날로그 신호를 기존 반도체 소자에서 모사하기에는 정확성과 재현성의 한계가 존재했다.

연구팀은 2차원 반도체 소재(Two-dimensional materials)를 이용해 뇌의 동작을 정밀하게 모사 가능한 이중 플로팅 게이트 기반의 인공 시냅스 소자를 성공적으로 개발했다. 개발된 인공 시냅스 소자는 전하를 저장할 수 있는 플로팅 게이트를 이중으로 구성해 전하를 분산 저장할 수 있도록 구성됐다. 이중 플로팅 게이트 기반의 소자는 기존 소자 대비 높은 신뢰성을 바탕으로 고밀도의 전하를 저장할 수 있을 뿐만 아니라, 정밀하게 뇌의 동작을 모사할 수 있었다.

먼저 연구팀은 원자 수준으로 얇은 두께와 표면에 결함이 없는 2차원 물질로 이중 플로팅 게이트 소자를 재현했다. 플로팅 게이트는 데이터를 저장할 수 있는 역할을 하는데, 기존의 단일 플로팅 게이트 소자는 많은 양의 전하를 오로지 하나의 플로팅 게이트에 저장해 신뢰성과 재현성에 한계가 있었다.

그림1. 이중 플로팅 게이트 소자를 활용한 시냅스 특성 모사

연구팀이 재현한 이중 플로팅 게이트는 기존의 단일 플로팅 게이트보다 여러 물질이 접합해 있어 많은 계면이 존재한다. 일반적인 경우, 계면에 필연적으로 존재하는 결함에 의해 시냅스 특성을 모사하는데 어려움이 있었으나, 2차원 물질의 무결함 특성을 이용해 계면에 존재하는 결함을 최소화시켜 이중 플로팅 게이트 소자를 설계했다.

연구팀은 이중 플로팅 게이트 소자가 고밀도의 전하를 저장할 수 있는 특성과 정밀한 제어가 가능한 특성을 기반으로 뇌의 동작을 성공적으로 모사했다. 이를 통해 인공 신경망을 이용한 이미지 분류 작업에서 우수한 정확성을 확보할 수 있었다.

제1저자인 조호연 연구원은 “이번 연구를 통해 2차원 물질 기반의 이중 플로팅 게이트 소자를 구현했다”며 “해당 소자는 뇌의 동작을 정밀하게 구현할 수 있고 이를 인공신경망에 이용하면, 복잡한 데이터도 낮은 전력 소모와 빠른 연산 속도로 데이터를 처리할 수 있을 것이다”고 전했다.

서준기 신소재공학과 및 반도체 소재·부품 대학원 교수는 “본 연구는 2차원 반도체 고유의 소재적 이점을 기반으로 고효율 뉴로모픽 신소자 구조를 디자인했다는 점에 큰 의의를 둘 수 있다”며 “또한 간단한 표면 산화 공정을 통해 전하 저장소에 추가적인 장벽을 설치하여 고정밀 시냅스 구동이 가능해진 점은 우리가 일상생활에서 효율적인 공간 활용을 위한 구획 정리와 크게 다르지 않다. 앞으로 신소재, 신소자 기반의 인공지능향 반도체 소자 개발에 기여할 것이다”고 전했다.

이번 연구는 4월 13일 나노과학 분야 국제 학술지 ‘ACS Nano’에 게재됐다. 연구 수행은 한국연구재단 우수신진연구사업, 차세대지능형반도체사업, PIM인공지능반도체 핵심기술개발사업과 UNIST 반도체혁신선도연구단 사업 등의 지원으로 수행됐다.

관련기사 링크 : https://news.unist.ac.kr/kor/20230504/