[쿠키과학] ‘반도체 전류 잡음을 정보 자원으로’… KAIST, 인공뉴런 개발

KAIST가 반도체 성능을 떨어뜨리는 방해 요소인 전류 잡음을 이용해 사람의 움직임부터 음성까지 서로 다른 속도의 신호를 선택적으로 처리하는 인공 뉴런을 개발했다.

KAIST 신소재공학과 김경민 교수팀은 멤리스터에서 발생하는 잡음의 특성을 조절해 특정 주파수 신호를 스파이크 형태로 바꾸는 ‘프로그래밍 가능한 확률 뉴런(PPN)’을 개발했다고 16일 밝혔다.

전자기기 내부에서 전자가 이동하거나 소자 결함이 변하면서 전류가 불규칙하게 흔들린다.

이런 잡음은 신호 판독 오류나 회로 오작동을 유발할 수 있어 반도체 설계 과정에서 줄여야 할 대상이었다.

사람의 뇌는 이런 불규칙성을 정보 처리에 활용한다.

뉴런은 같은 자극을 받아도 매번 동일하게 반응하지 않는다.

이온 통로가 확률적으로 열리고 닫히면서 스파이크 발생 여부가 달라지고, 이런 변동성이 다양한 자극과 환경 변화에 유연하게 대응하도록 돕는다.

연구팀은 뇌의 정보 처리 방식을 반도체에 구현하기 위해 루테늄(Ru) 기반 멤리스터를 활용했다.

멤리스터는 전기 자극에 따라 저항이 달라지고 전원을 끈 뒤에도 이전 상태를 유지하는 비휘발성 소자다.

멤리스터 내부에서는 루테늄으로 이뤄진 전도 경로가 형성되거나 끊어지면서 저항이 변한다.

연구팀은 이 과정에서 전류가 흐르는 방식과 잡음의 크기, 변동 양상도 함께 달라지는 현상을 확인했다.

연구팀은 멤리스터에서 나오는 잡음을 증폭한 뒤 일정 기준을 넘는 신호를 스파이크로 변환했다.

입력 신호와 잡음의 특성에 따라 스파이크 발생 확률이 달라지도록 설계해 생물학적 뉴런의 확률적인 반응을 모사했다.

특히 멤리스터의 저항값만 바꿔 인공 뉴런이 반응하는 신호 범위를 선택할 수 있게 했다.

연구팀은 저항 상태를 조절해 같은 뉴런 구조가 0.4∼10Hz 저주파와 20Hz∼8kHz 고주파를 각각 처리토록 만들었다.

걷기나 팔 움직임처럼 천천히 변하는 신체 활동은 저주파 신호를 만든다.

음성은 이보다 훨씬 빠르게 변하는 고주파 성분을 포함한다.

기존에는 신호 특성에 따라 별도의 처리 회로가 필요했지만, 이번 기술은 멤리스터의 저항 상태를 바꾸는 방식으로 하나의 뉴런을 서로 다른 신호에 맞춰 재설정한다.

연구팀은 개발한 뉴런으로 사람의 신체 활동을 기록한 ‘UCI HAR’ 데이터와 숫자 발음을 담은 ‘Audio MNIST’ 데이터를 스파이크 신호로 변환했다.

이어 시간대별 스파이크 발생 확률을 지도 형태로 만들고 합성곱 신경망(CNN)으로 분류했다.

실험 결과 동작 인식 정확도는 94.8%, 음성 인식 정확도는 95.0%를 기록했다.

연구팀은 동일한 확률 뉴런이 저항 설정에 따라 서로 다른 시간 규모의 정보를 처리할 수 있다는 사실을 입증했다.

이 기술을 웨어러블 기기나 음성 센서에 적용하면 센서 주변에서 움직임과 생체 신호, 음성의 특징을 직접 추출할 수 있다.

외부 서버로 보내는 데이터의 양과 후속 연산 부담을 줄일 수 있어 저전력 엣지 인공지능(AI) 반도체 개발에도 활용할 수 있다.

김 교수는 “멤리스터 잡음을 오차가 아닌 정보 처리 자원으로 활용했다”며 “하나의 하드웨어가 신호의 속도와 주파수에 따라 동작 특성을 바꿀 수 있어 저전력 뉴로모픽 시스템의 효율적인 신호 처리에 활용할 수 있다”고 설명했다.

한편, 이번 연구는 KAIST 신소재공학과 김도훈 박사가 제1저자로 참여했고, 연구결과는 지난 5일 국제학술지 ‘어드밴스드 머터리얼즈(Advanced Materials)’에 게재됐다.
(논문명: Noise-Tunable Memristor Enabling Programmable Probabilistic Neurons for Frequency-Selective Time-Series Signal Encoding)

이재형 기자 jh@kukinews.com