KAIST, '반도체 잡음' 활용한 뉴로모픽 연산 기술 개발

요약

KAIST 김경민 교수 연구팀이 반도체 소자에서 발생하는 잡음을 정보 처리 자원으로 활용하는 새로운 뉴로모픽 뉴런 반도체 기술을 개발했다. 연구팀은 멤리스터 소자의 저항 상태에 따라 전류 잡음 특성이 변하는 점을 이용해 '프로그래밍 가능한 확률 뉴런(PPN)'을 구현하고, 이를 통해 뇌의 뉴런과 유사한 불규칙한 전기 신호인 스파이크를 생성했다. 이 기술을 시계열 신호 주파수 선택적 인코딩에 적용한 결과, 멤리스터의 저항 상태 조절만으로 저주파(0.4~10Hz)와 고주파(20Hz~8kHz) 영역을 자유롭게 인코딩할 수 있음을 확인했다. 실제 인간 행동 인식 데이터(UCI HAR)와 음성 숫자 데이터(Audio MNIST)에 적용했을 때 각각 94.8%와 95.0%의 높은 분류 정확도를 달성했다. 이번 연구는 잡음을 불안정성이 아닌 정보 처리 도구로 활용했다는 점에서 의의가 있으며, 향후 저전력 뉴로모픽 시스템의 신호처리 기술로 활용될 전망이다. 해당 연구 결과는 재료 분야 국제 학술지 '어드밴스드 머터리얼즈(Advanced Materials)'에 게재되었다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.