< (왼쪽부터) 신소재공학과 김대희 박사과정, 고태욱 박사과정, 김도훈 박사 (제1저자), 장서은 석사과정, 이민구 박사과정, 김경민 교수 >

반도체에서 ‘잡음’은 신호를 방해해 없애야 할 골칫거리로 여겨져 왔다. 우리 대학 연구진이 이 잡음을 없애는 대신 뇌처럼 정보를 처리하는 데 활용하는 기술을 개발했다. 잡음을 조절해 사람의 움직임부터 음성까지 서로 다른 신호의 특징을 골라 처리할 수 있는 인공 뉴런을 구현한 것이다. 향후 하나의 반도체로 다양한 신호를 처리하는 저전력 두뇌모사 반도체 개발에 활용될 것으로 기대된다.

우리 대학은 신소재공학과 김경민 교수 연구팀이 반도체에서 자연스럽게 발생하는 잡음을 활용해 사람의 뇌처럼 정보를 처리하는 새로운 뉴로모픽 뉴런* 반도체 기술을 개발했다고 16일 밝혔다. 이 기술은 원하는 주파수의 신호를 골라내 뇌의 뉴런과 유사한 전기 신호로 바꿔 처리할 수 있다.
* 뉴로모픽 뉴런: 뇌 신경세포의 작동 방식을 본떠 만든 인공 신경세포(반도체 소자)

전자기기에서 잡음은 라디오의 ‘지지직’ 소리처럼 신호에 불규칙하게 섞여 정보를 정확히 읽는 것을 방해하기 때문에 주로 없애야 할 대상으로 여겨져 왔다. 반면 인간의 뇌에서는 신경세포인 뉴런이 같은 자극에도 매번 똑같이 반응하지 않으며, 이러한 불규칙성은 다양한 자극과 변화에 유연하게 대응하는 데 도움을 준다.

연구팀은 여기에서 아이디어를 얻었다. “반도체의 잡음을 없애지 않고, 오히려 뇌의 뉴런처럼 활용할 수 없을까?”​라는 발상의 전환이다.

이를 위해 연구팀은 ‘멤리스터(Memristor)’라는 반도체 소자를 이용했다. 멤리스터는 전기 자극을 가하면 저항이 달라지고, 전원을 끈 뒤에도 그 상태를 기억할 수 있는 소자다. 쉽게 말해 전기가 얼마나 잘 흐르는지를 기억하는 작은 전자 메모리라고 할 수 있다. 연구팀은 멤리스터의 저항 상태를 바꾸면 전류 잡음의 크기와 변동 특성도 함께 달라진다는 점에 주목했다. 즉, 멤리스터의 저항 상태를 조절함으로써 잡음의 특성도 함께 조절할 수 있다는 점을 활용한 것이다.

연구팀은 이렇게 조절한 잡음을 증폭해 뇌의 뉴런이 정보를 전달할 때 발생시키는 것과 유사한 불규칙한 전기 신호인 ‘스파이크’를 만들었다. 이를 통해 잡음을 이용해 뇌의 신경세포처럼 확률적으로 반응하는 ‘프로그래밍 가능한 확률 뉴런(Programmable Probabilistic Neuron, PPN)’​을 구현했다.

< 생물학적 뉴런과 멤리스터 기반 확률적 뉴런의 비교 >

사람의 뉴런이 같은 자극에도 항상 똑같이 반응하지 않는 것처럼, 이 인공 뉴런도 입력 신호와 설정된 잡음 특성에 따라 스파이크를 발생시키는 확률이 달라진다. 즉, 기존에는 방해 요소였던 잡음이 인공 뉴런의 반응을 만들어내는 정보처리 자원으로 활용되는 것이다. 특히 연구팀은 멤리스터의 상태를 조절하는 것만으로 이 인공 뉴런이 어떤 속도의 신호에 잘 반응할지를 바꿀 수 있도록 했다.

예를 들어 사람이 걷거나 팔을 움직일 때 생기는 신호는 비교적 천천히 변하는 반면, 음성 신호는 훨씬 빠르게 변한다. 이번 기술은 하나의 뉴런 회로를 그대로 두고 멤리스터의 상태만 바꿔 느린 움직임 신호에 잘 반응하도록 했다가, 필요할 때는 빠른 음성 신호에 잘 반응하도록 바꿀 수 있다. 하나의 라디오에서 주파수를 바꿔 원하는 방송을 골라 듣는 것과 비슷하다.

< 멤리스터 저항에 따라 달라지는 노이즈와 스파이크 발생 특성 >

연구팀은 이러한 인공 뉴런을 이용해 수 Hz 수준의 신체 활동 신호와 수 kHz 영역의 음성 신호를 각각 스파이크 신호로 인코딩한 뒤 인식 성능을 검증했다. 그 결과 동작 인식에서는 94.8%, 음성 인식에서는 95.0%의 정확도​를 확인했다.
※ Hz(헤르츠): 신호가 1초 동안 반복되는 횟수를 나타내는 단위로, 1kHz는 1초에 1,000번 반복되는 것을 뜻함

< 동작 신호와 음성 신호를 위한 재구성형 시계열 인코딩 >

이번 연구는 잡음을 이용해 인공 뉴런을 구현하는 데 그치지 않고, 하나의 반도체 뉴런을 필요에 따라 서로 다른 속도의 신호에 맞춰 바꿔 쓸 수 있다는 가능성을 보여줬다. 향후 웨어러블 기기의 움직임 감지부터 음성 인식까지 다양한 시계열 신호를 효율적으로 처리하는 두뇌모사 인공지능 반도체 기술로 활용될 수 있으며, 저전력 뉴로모픽 시스템 구현에도 기여할 것으로 기대된다.

< 연구 이미지 (AI 생성) >

김경민 교수는 “멤리스터에서 발생하는 잡음을 단순한 오차나 불안정성으로 보지 않고 정보처리 자원으로 활용했다는 데 의미가 있다”며 “우리가 만든 뉴런 소자는 단일 하드웨어로 다양한 속도와 주파수의 신호에 맞춰 바꿔 사용할 수 있는 두뇌모사 기술로, 향후 저전력 뉴로모픽 시스템의 신호처리 기술로 활용될 수 있을 것”이라고 말했다.

이번 연구에는 신소재공학과 김도훈 박사가 제1저자로 참여했으며, 연구 결과는 재료 분야 국제 학술지 ‘어드밴스드 머터리얼즈(Advanced Materials, IF: 29.1)’에 8월 5일 게재됐다.
※ 논문명: Noise-Tunable Memristor Enabling Programmable Probabilistic Neurons for Frequency-Selective Time-Series Signal Encoding, DOI: 10.1002/adma.74529

한편, 이번 연구는 이공분야기초연구사업과 PIM인공지능반도체핵심기술개발사업(과학기술정보통신부, 한국연구재단)의 지원을 받아 수행됐다.

출처 : https://researchnews.kaist.ac.kr/researchnews/html/news/?mode=V&mng_no=65890