(서울=연합뉴스) 이한승 기자 = 한국과학기술연구원(KIST)은 29일 전자의 스핀을 이용한 인공지능(AI) 반도체 기술을 개발했다고 밝혔다.

이번 연구에는 차세대반도체연구소 송경미 박사, 주현수 박사, 장준연 소장 그리고 우성훈 박사(현 IBM) 공동연구팀이 참여했다.

이번에 새로 개발한 기술은 나노의 자성구조체인 스커미온을 이용한 초저전력 인공지능 반도체 소자로, 차세대 저전력 '뉴로모픽 컴퓨팅 소자'의 핵심 기술이다.

뉴로모픽 컴퓨팅이란 인간의 두뇌를 구성하는 신경 시스템을 모사한 컴퓨팅 기술이며, 뉴런 소자와 시냅스 소자가 병렬 구조로 형성돼 있어 방대한 양의 데이터를 낮은 전력으로 처리할 수 있다.

실제로 AI 기술이 발전하면서 연산능력은 기하급수적으로 늘어나 초저전력 AI 전용 반도체의 필요성이 급부상하고 있었다.

스커미언의 모식도 [KIST 제공]

특히 연구진이 이번 연구에 활용한 '스커미온'은 소용돌이 모양으로 배열된 스핀 구조체로, 특유의 구조적 안정성, 나노미터 수준의 작은 크기 등의 장점이 있어 메모리, 논리소자, 통신 소자 등 차세대 전자소자에 적용하기에 매우 유용하다.

더욱이 개개의 스커미온은 각각 고유한 전기 저항을 가져 스커미온 개수에 따른 저항 변화를 아날로그적으로 조절하고 측정 할 수 있다.

그러나 스커미온을 전기적으로 제어하는 기술적 어려움이 있어 현재까지 이론적으로만 예측이 가능했다.

KIST 연구진은 신경전달 물질과 동일한 원리로 스커미온의 수를 조절함으로써 시냅스 가중치를 변화시킬 수 있다는 사실에 착안했다. 시넵스 가중치는 전기적인 신호를 인접한 뉴런으로 전달하는 능력이다.

개념적으로만 제안된 스커미온 전자소자를 전기적으로 제어하는 방법을 찾아냈으며 이를 기반한 시냅스 소자를 최초로 제작한 것이다.

연구진은 인공 시냅스 소자를 이용해 손글씨 숫자 패턴(MNIST) 인식 학습을 진행해 90%의 높은 인식률을 증명했다. 기존에 인공 시냅스 소자의 경우에는 이와 유사한 수준의 인식률을 얻기 위해 수십만 번의 반복 학습이 필요했으나, 스커미온 기반 인공 시냅스 소자는 1만5천회 학습만으로 달성 가능했고, 인식에 필요한 소자의 전력소모가 10배 이상 감소했다.

연구진은 "기존에 이론으로만 제시된 스커미온 기반의 인공 시냅스 소자를 세계 최초로 구현한 연구 결과"라며 "차세대 반도체 메모리 소자, 고주파 통신 소자, 뉴로모픽 소자에 응용이 가능하다"고 밝혔다.

이번 연구결과는 16일 학술지 '네이처 일렉트로닉스'(Nature Electronics) 온라인판에 게재됐다.

손글씨 이미지(MNIST) 학습 진행에 따른 정확도 개선 결과 [KIST 제공]

jesus7864@yna.co.kr



<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>