노스웨스턴 대학교(Northwestern University)와 홍콩대학교(University of Hong Kong)의 공동 연구팀이 인간의 뇌 시넵스 기능을 모방하고 궁극적으로 우리의 뇌와 같은 방식으로 연관 학습(Associative Learning)을 할 수 있는 혁신적인 ‘시냅스 트랜지스터(Synaptic Transistors)’를 개발했다.

연관 학습은 인공신경망 범주에서의 학습 방법으로 하나의 주어진 입력 패턴에 대하여 여러 가지 출력 패턴을 대응시킴으로써 하나의 정보가 여러 가지로 기억되도록 한다.

아마도 연관학습의 가장 유명한 예는 ‘개에게 고기를 줄때마다 종 치기를 반복했더니 개가 종소리만 듣고도 침을 흘렸다’ 이처럼 개의 식욕이 종소리에 대한 대뇌의 인식에서 촉발된다는 사실을 밝혀, 조건반사에 대한 개념과 인간의 행동을 신경계와 관련시킨 선구적 연구를 수행한 러시아 생리학자 이반 파블로프(Ivan P. Pavlov)와 유사하게 연구팀은 빛과 압력을 연관시키기 위해 회로를 성공적으로 구현했다.

이 디바이스의 비밀은 인간의 뇌처럼 정보를 동시에 처리하고 저장하는 새로운 유기 전기 화학적으로 구현된 ‘시냅스 트랜지스터’ 안에 있다. 연구원들은 트랜지스터가 인간의 뇌에서 시냅스의 단기 및 장기 가소성(Plasticity)을 모방하여 시간이 지남에 따라 학습할 기억을 구축할 수 있음을 입증한 것이다.

또한 뇌와 같은 능력을 가진 이 새로운 트랜지스터와 회로는 에너지 소모적인 하드웨어와 동시에 여러 작업을 수행할 수 있는 제한된 능력을 포함하여 기존 컴퓨팅의 한계를 잠재적으로 극복 할 수 있으며, 뇌와 같은 장치는 또한 내결함성이 더 높아 일부 구성 요소가 고장 나더라도 계속 원활하게 작동한다.

이 연구의 선임 저자 노스웨스턴 대학의 조나단 리브네이(Jonathan Rivnay) 생물의공학과 조교수는 “현대 컴퓨터는 탁월하지만 인간의 두뇌는 패턴 인식, 운동 제어 및 다중 감각 통합과 같은 복잡하고 구조화되지 않은 작업에서 쉽게 능가할 수 있습니다. 이것은 뇌의 계산 능력의 기본 구성 요소인 시냅스의 가소성 덕분입니다”라며, “이러한 시냅스는 뇌가 매우 병렬적이고 내결함성 및 에너지 효율적인 방식으로 작동할 수 있도록 합니다”라고 말했다.

이어 그는 “현재 컴퓨터 시스템이 작동하는 방식은 기억과 논리가 물리적으로 분리돼 있다는 것입니다. 계산을 수행해서 그 정보를 메모리 유닛에 보내면 그 정보를 검색하고 싶을 때마다 기억해야 합니다. 이 두 가지 기능을 함께 결합할 수 있다면 공간을 절약하고 에너지 비용을 절감할 수 있을 겁니다”라고 연구 배경을 설명했다.

즉, 인간의 뇌에서 컴퓨터와 저장 과정을 결합한 것에 영감을 받아, 최근 몇 년 동안 연구팀은 뉴런 네트워크(Network of Neurons) 처럼 기능하는 장치들을 배열하여 인간의 뇌처럼 작동하는 컴퓨터를 개발하려고 노력해온 가운데 이번 ‘시냅스 트랜지스터’를 개발한 것이다.

현재, 메모리(memory)와 레지스터(resistor)의 합성어로, 전류의 방향과 크기 등 기존의 상태를 모두 기억하는 소자인 멤리스터(Memristor)는 프로세싱과 메모리 기능을 결합할 수 있는 가장 잘 개발된 기술이지만, 에너지 비용이 많이 드는 전환과 낮은 생체적합성으로 어려움을 겪고 있다. 이러한 대안으로 연구팀은 시냅스 트랜지스터, 특히 낮은 전압, 지속적인 조정 가능 메모리 및 생물학적 용도에 대한 높은 호환성을 가지고 작동하는 유기 전기화학 시냅스 트랜지스터로 개발로 이어졌다.

하지만 과제도 따랐다. 연구팀의 시냅스 트랜지스터도 쓰기 작업이 읽기 작업에서 분리되어야 한다. 따라서 메모리를 유지하려면 쓰기 프로세스에서 분리해야 하므로 회로 또는 시스템으로의 통합이 더욱 복잡해질 수 있다는 것이다.

이러한 과제를 극복하기 위해 연구팀은 이온을 가두어 놓을 수 있는 유기 전기 화학 트랜지스터 내에서 전도성 플라스틱 재료를 최적화했다. 뇌에서 시냅스는 뉴런이 신경 전달 물질이라고 불리는 작은 분자를 사용하여 다른 뉴런으로 신호를 전송할 수 있는 구조이다. 시냅스 트랜지스터에서 이온은 신경 전달 물질과 유사하게 행동하여 단자간에 신호를 보내 인공시냅스를 형성한다. 갇힌 이온으로부터 저장된 데이터를 유지함으로써 트랜지스터는 이전의 활동을 기억하며 장기적인 가소성을 개발한다.

또한 연구팀은 연관학습을 시뮬레이션하기 위해 단일 시냅스 트랜지스터를 뉴로모픽 회로에 연결하여 장치의 시냅스 동작을 시연했다. 또 그들은 압력 및 광센서를 회로에 통합하고 관련되지 않은 두 물리적 입력 (압력 및 빛)을 서로 연관 시키도록 회로를 훈련시켰다.

뉴로모픽(Neuromorphic) 회로의 경우, 연구팀은 손가락으로 압력을 가하여 전압을 활성화했다. 빛과 압력을 연관시키기 위해 회로를 조절하기 위해 먼저 LED 전구에서 펄스 빛을 적용한 다음 즉시 압력을 가했다. 이 방식은 위에서 언급했듯이 "개에게 고기를 줄때마다 종 치기를 반복했더니 개가 종소리만 듣고도 침을 흘렸다"에서 압력은 '고기'이고 빛은 '종'으로 장치의 해당 센서는 두 입력을 모두 감지하는데 성공한 것이다.

한 번의 학습주기 후에 회로는 빛과 압력을 초기에 연결했으며, 다섯 번의 학습주기 후에 회로는 빛과 압력을 크게 연관시켰다. 결과적으로 빛은 단독으로 신호 또는 '무조건적인 반응(Unconditioned Response)'을 유발할 수 있었다.

결론적으로 연구팀의 이 혁신적인 시냅스 트랜지스터는 플라스틱과 같은 부드러운 폴리머로 만들어지기 때문에 유연한 시트에서 쉽게 제작할 수 있으며, 생체 조직 및 심지어 뇌와 직접 연결되는 부드러운 웨어러블 디바이스, 스마트 로봇 및 이식 가능한 장치에 쉽게 통합할 수 있을 것으로 기대된다.

연구팀은 현재, 애플리케이션은 개념 증명(proof of concept)이지만, 개발한 시넵스 트랜지터는 더 많은 감각 입력을 포함하도록 더 확장될 수 있고 다른 전자 디바이스와 통합되어 현장에서 저전력 계산을 가능하게 할 수 있으며, 특히 생물학적 환경과 호환되기 때문에 차세대 생체 전자 공학에 가장 핵심적인 생체 조직과 직접 인터페이스 할 수 있을 것이라고 밝혔다.

한편, 연구팀의 생물학적 시냅스의 주요 기능을 모방한 유기 플라스틱 트랜지스터 연구는 노스웨스턴 대학 조나단 리브네이 조교수와 홍콩대학교 기계공학과 부교수 패디 찬(Paddy Chan)과 공동으로 이끌었으며, 이 연구 결과는 지난달 30일 네이처 커뮤니케이션스(Nature Communications)에 '이온포획 비휘발성 시냅스 유기전자화학 트랜지스터를 이용한 연관학습 모방(Mimicking associative learning using an ion-trapping non-volatile synaptic organic electrochemical transistor- 다운)'이란 제목으로 게재됐다.