한국과학기술원(KAIST·총장 이광형)은 최신현 전기 및 전자공학부 교수팀이 인공지능(AI) 학습 정확도를 높이면서, 고신뢰성 반복 동작이 가능하도록 설계된 인공 시냅스 트랜지스터를 개발했다고 16일 밝혔다.
연구팀은 기존 낸드 플래시 메모리에 사용되는 구조를 이용하면서, 기존 낸드 플래시 단점인 낮은 내구성을 개선하는 방법을 차용, 안정적인 시냅스 역할을 할 수 있는 트랜지스터를 개발했다. 낸드 플래시 메모리는 고전압을 이용해, 소자 구성 물질을 손상시키는 방법(FN 터널링)으로 데이터를 저장하는 반면에 개발 소자는 낮은 전압으로도 동작한다. 기존 플래시 메모리에 비해 높은 내구성과 신뢰성을 확보했다.
연구진은 열전자 방출 현상을 이용해, 전자를 게이트 전극에서 전하 저장층으로 이동시키는 방법으로 동작하도록 했다. 이 방법은 전자가 높은 에너지 장벽을 뚫고 지나가는 것이 아닌, 낮은 에너지 장벽 위로 넘어서 이동하는 방법이므로, 낮은 전압을 이용하면서 이상적인 선형적 형태로 가중치를 업데이트할 수 있다. 또 장벽층을 손상시키지 않아 높은 내구성을 지닌다. 2억번 이상 시냅스 업데이트 동작으로 이를 증명했다.
많은 데이터를 하나의 소자에 넣을 뿐 아니라 안정적으로 저장할 수 있어 부가적인 회로 없이도 AI 학습 정확도를 획기적으로 높일 수 있다. 연구팀은 제작한 열전자 방출 기반 시냅스 트랜지스터를 이용해 손글씨 숫자 이미지 데이터(MNIST)를 학습한 후, 이를 바탕으로 무작위의 손글씨 이미지를 분류한 결과 약 93.17%의 높은 정확도를 달성했다.
연구팀은 개발 기술이 뉴로모픽 반도체 칩 소형화 및 전력 소모 감소의 기반이 될 것으로 기대했다. 또 실시간 온라인 데이터 학습에 적합한 시냅스 소자로 활발히 응용될 수 있을 것으로 보고 있다.
제1 저자인 서석호 KAIST 전기 및 전자공학부 석사과정은 “개발한 고신뢰성 인공 시냅스 트랜지스터는 기존 시냅스 트랜지스터가 지닌 온라인 학습 한계에 대한 솔루션이 될 수 있을 것”이라며 “금속 산화막 반도체 전계효과 트랜지스터(MOSFET)와 구조 및 동작이 유사해 뉴로모픽 하드웨어 시스템 적용 실현 가능성이 높다”고 말했다.
한편 이번 연구는 한국연구재단, 한국산업기술평가관리원, 나노종합기술원, 삼성미래육성사업의 지원을 받아 수행됐다.
서석호, 김범진, 김동훈, 박승우 KAIST 전기 및 전자공학부 석사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 '네이처 커뮤니케이션스' 10월호에 출판됐다.
김영준기자 kyj85@etnews.com
