최근 인공지능(AI), 사물인터넷, 머신러닝 등의 기술이 성능을 가속하면서 방대한 양의 데이터를 처리하면서도 에너지를 효율적으로 소비하는 차세대 인공지능 반도체 개발에 글로벌 기업들이 역량을 집중하고 있다. 

인간의 뇌에서 영감을 받은 뉴로모픽 컴퓨팅(Neuromorphic Computing)도 그중 하나다. 이에 따라 생물학적 뉴런과 시냅스를 모방한 소자들이 새로운 소재 및 구조를 기반으로 속속 개발되고 있으나, 개별 소자들을 통합해 시스템에서 검증하고 최적화하는 연구는 미비한 상황이다. 

향후 대규모 스파이킹 신경망(Spiking Neural Network) 하드웨어가 실용화되기 위해서는 인공 뉴런과 시냅스 소자를 통합하는 것이 필수적이며, 동일 소재 및 구조로 소자를 제작해 양산 비용과 에너지 사용량을 절감할 필요가 있다.

이런 가운데 한국과학기술연구원(KIST, 원장 윤석진) 인공뇌융합연구단 곽준영 박사 팀이 ‘레고 블록’처럼 뉴런과 시냅스를 연결해 대규모 인공 신경망 하드웨어를 구성할 수 있는 인공 신경 모사 소자의 통합 요소 기술을 구현했다.

연구팀은 고집적화와 초저전력 구현에 유리한 2차원 물질인 hBN(Hexagonal boron nitride)을 이용해 수직적층 구조의 멤리스터 소자를 제작함으로써 생물학적 뉴런과 시냅스와 유사한 특성을 구현했다. 

연구팀이 개발한 소자는 동일 물질-동일 구조로 인공 뉴런 및 시냅스 소자를 설계했기 때문에 다수의 소자를 이용해 복잡한 구조를 가진 기존 실리콘 CMOS 기반의 인공 신경 모사 소자와 달리, 공정의 용이성과 네트워크 확장성을 확보해 대규모 스파이킹 신경망 하드웨어 개발의 기반을 마련했다.

연구팀은 또한 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 육방정계 질화붕소. '화이트 그래핀'으로 고유한 절연 특성, 높은 열전도율, 우수한 열·화학적 안전성을 가진 hBN 기반 신소자의 활용 가능성을 보였다.

KIST 곽준영 박사는 “인공 신경망 하드웨어 시스템은 향후 스마트 시티, 의료, 차세대 통신, 기상예보 및 자율주행 자동차와 같은 실생활에 밀접한 응용 분야에서 생성되는 방대한 양의 데이터를 효율적으로 처리하는 데 활용할 수 있을 것”이라면서, “기존 실리콘 CMOS 기반 소자의 확장 한계를 뛰어넘으면서도 에너지 사용량을 크게 줄여 탄소 배출과 같은 환경 문제 개선에도 도움이 될 것”이라고 연구성과의 의의를 설명했다.

한편, 제1저자로 KIST 인공뇌융합연구단 조유연 박사를 비롯한 우동연, 노기창, 박은표, 김민지, 성용우 박사 등이 참여한 이번 연구성과는 국제 학술지 어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)에 '2D hBN 기반 인공 뉴런 및 시냅스 장치를 사용한 네트워크 연결 관계의 하드웨어 구현(Hardware Implementation of Network Connectivity Relationships Using 2D hBN-Based Artificial Neuron and Synaptic Devices-다운)'의 제목으로 지난달 5일 게재되었다.