나노공학과 및 성균나노과학기술원(SAINT) 전일 교수 연구팀 (김시혁 박사, 이장우 박사) 이 표면탄성파(Surface Acoustic Wave, SAW)를 이용해 하나의 소자에서 장기기억과 단기기억을 독립적으로 구현할 수 있는 차세대 인공지능 반도체 소자를 개발했다.

연구진은 기존 멤리스터의 한계를 극복하고, 전기 신호와 표면탄성파를 각각 활용해 장기기억과 단기기억을 선택적으로 제어할 수 있는 새로운 개념의 재구성형(reconfigurable) 인공 시냅스를 제시했다. 개발된 기술은 초저전력 뉴로모픽 컴퓨팅과 차세대 AI 반도체 구현에 활용될 것으로 기대된다.

인공지능의 성능이 높아질수록 데이터 처리에 필요한 전력 소모도 급격히 증가함에 따라 사람의 뇌처럼 기억과 연산을 동시에 수행하는 뉴로모픽 컴퓨팅이 차세대 기술로 주목받고 있다. 이를 위해서는 장기기억과 단기기억을 모두 구현할 수 있는 인공 시냅스가 필수적이지만 기존 멤리스터는 전기 자극으로만 기억 특성을 제어하기 때문에 소자의 열화와 신뢰성 저하가 발생하고, 따라서 장기기억과 단기기억을 독립적으로 구현하기 어렵다는 한계가 있었다. 연구팀은 이러한 문제를 해결하기 위해 반도체 표면을 따라 전달되는 기계적 파동인 표면탄성파를 새로운 제어 신호로 활용했다. 단일층 이황화몰리브덴(MoS₂) 멤리스터와 SAW 소자를 단일 플랫폼에 집적함으로써 전기 신호는 장기기억 형성에, SAW는 비접촉 방식 기반의 단기기억 제어에 각각 활용되도록 설계했다. 이를 통해 기존에 저장된 장기기억은 그대로 유지하면서도 단기기억을 선택적으로 생성하고 제거할 수 있는 재구성형 인공 시냅스를 구현하는 데 성공했다.

연구팀은 SAW의 세기와 펄스 폭, 주기 등을 조절해 생물학적 시냅스의 단기 시냅스 가소성(Short-Term Plasticity)을 구현했으며, 전기적으로 저장된 장기기억을 손상시키지 않으면서도 단기기억을 반복적으로 제어할 수 있음을 확인했다. 또한 소자를 1만 초 이상 반복 구동한 이후에도 성능 저하 없이 안정적으로 동작함을 확인했으며, 개발된 소자를 Reservoir Computing에 적용한 결과 문자 분류 테스트에서 96.1%의 높은 인식 정확도를 달성해 실제 뉴로모픽 AI 하드웨어로서의 가능성을 확인했다.

연구진은 "기존 멤리스터는 반복적인 전기 자극에 의존해 장기기억과 단기기억을 동시에 구현하는 과정에서 소자의 신뢰성과 재구성성에 한계가 있었다"며 "이번 연구는 표면탄성파를 이용해 전기로 저장된 장기기억을 유지하면서 단기기억만을 비접촉 방식으로 선택적으로 제어할 수 있는 새로운 뉴로모픽 소자 플랫폼을 제시했다는 데 의미가 있다"고 말했다. 이어 "향후 대면적 집적 기술과 다양한 주파수의 표면탄성파 제어 기술을 접목해 더욱 에너지 효율적인 차세대 AI 반도체와 뉴로모픽 컴퓨팅 시스템으로 발전시켜 나갈 계획"이라고 밝혔다.

표면탄성파 기반 2D-TMD reconfigurable 멤리스터