나노 크기로 차세대 전자소자에 적용 가능

'나노 자성구조체인 스커미온을 이용한 초저전력 인공지능 반도체 소자'
'나노 자성구조체인 스커미온을 이용한 초저전력 인공지능 반도체 소자'

국내 연구진이 저전력으로 많은 양의 데이터 처리를 할 수 있는 인공지능(AI) 반도체 기술을 개발했다. AI 연산 능력을 크게 높여줄 수 있을 것으로 기대된다. 

한국과학기술연구원(KISTㆍ원장직대 윤석진)은 차세대반도체연구소 송경미 박사와 주현수 박사, 장준연 소장, 우성훈 박사(현 IBM) 공동연구팀이 소용돌이 모양의 나노 스핀 구조체인 ‘스커미온(Skyrmion)’을 이용해 차세대 저전력 뉴로모픽 컴퓨팅 소자의 핵심 기술을 개발했다고 29일 밝혔다.

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. 

‘스커미온’은 소용돌이 모양으로 배열된 나노 스핀 구조체로 생성 및 개수 조절이 용이하고, 특유의 구조적 안정성과 나노미터 수준의 작은 크기 등의 장점으로 메모리와 논리소자, 통신 소자 등 차세대 전자소자에 적용 가능하다.

개개의 스커미온은 각각 고유한 전기 저항을 지녀 스커미온 개수에 따라 저항 변화를 아날로그적으로 조절 및 측정할 수 있다. 하지만 스커미온을 전기적으로 제어하는 기술적 어려움으로 인해 현재까지 이론적으로만 예측됐다.

KIST 연구진은 신경전달 물질과 동일한 원리로 스커미온의 수를 조절해 시냅스 가중치를 변화시킬 수 있는 현상에 착안했다. 이를 기반한 시냅스 소자를 최초로 제작했으며, 기존 시냅스 소자에 비해 낮은 전압으로도 높은 내구성을 갖도록 했다.

연구진은 이 인공 시냅스 소자를 활용해 손글씨 숫자 패턴(MNIST) 인식 학습을 진행했고, 90%의 높은 인식률을 증명했다. 기존 인공 시냅스 소자는 이와 유사한 인식률을 얻기 위해 수십만 번의 반복 학습이 필요했다. 하지만 스커미온 기반 인공 시냅스 소자는 1만5000회 학습만으로 인식률을 높여 소자의 전력소모를 10배 이상 줄였다.

주현수 KIST 박사는 “본 연구에서 ‘스커미온’을 활용한 새로운 접근법은 차세대 물질이나 새로운 소자 기반의 뉴로모픽 소자를 새롭게 제시하는 것으로 시사하는 바가 크다”고 밝혔다.