- 하나의 소자에서 기억·연산·감지를 동시에 수행하는 차세대 뉴로모픽 기술 제시
- 김성준 교수, “차세대 고성능 AI 하드웨어 구현 가능성 제시”
- 소재·나노 분야 최고 수준의 학술지 ‘Advanced Materials’에 연구 성과 게재
김성준 교수(교신저자)와 동국대 전자전기공학과 안광민 석사과정생(제1저자), 이승준 석사과정 수료(제1저자)으로 구성된 연구팀은 나노적층(nanolaminate) 구조의 강유전체 박막 트랜지스터(FeTFT)를 활용해 단기 기억과 장기 기억을 동시에 구현하는 '하이브리드 저장소 컴퓨팅(Hybrid Reservoir Computing) 시스템'을 개발했다.
해당 연구 결과는 <Nanolaminate Ferroelectric Transistor Enabling Wide-Reservoir In-Sensor Neuromorphic Vision>라는 제목으로 나노기술 분야 저명 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials, IF=26.8)’ 2026년 2월호 온라인판에 게재됐다.
기존 단일 HfZrOx 구조에서는 강유전체 도메인 스위칭이 급격하고 불균일해 아날로그 가중치 제어에 한계가 있었지만, 연구팀은 절연층인 HfO2를 중간에 삽입하는 핵심기술인 ‘나노적층 강유전체 게이트 옥사이드 구조’를 적용하며 강유전체 결정립을 미세화하고, 안정적이고 점진적인 분극 제어를 가능하게 했다. 이를 통해 다중 레벨 가중치를 정밀하게 구현할 수 있는 기반을 마련했다.
연구팀은 소자에 증분 펄스-검증 알고리즘(ISPVA)을 적용해, 기존 아날로그 소자에서 문제로 지적되던 비선형성과 비대칭성을 크게 개선했다. 그 결과, 6비트 수준의 고해상도 시냅스 가중치 제어가 가능해졌으며, 실제 신경망 연산에 적용했을 때 소프트웨어 모델과 거의 동일한 분류 정확도를 달성했다.
또한 서로 다른 세 가지 파장의 빛을 사용해 다중 저장소(wide reservoir)를 함께 구성함으로써, 입력 정보의 표현력을 크게 확장했다. 이 방식을 적용하면 복잡한 추가 회로 없이 연산 성능을 향상시킬 수 있다.
이번 연구는 감지–기억–연산 기능을 하나의 강유전체 트랜지스터에 통합해 차세대 인공지능 하드웨어가 나아갈 방향을 제시하고, 향후 자율주행·로봇 비전·웨어러블 디바이스·엣지 AI 시스템 등 에너지 제약이 큰 분야에서 핵심 역할을 할 것으로 기대를 모은다.
김성준 교수는 “학생들이 직접 서울대학교 반도체공동연구소와 동국대학교 MINT 청정실 장비를 활용하여 소자를 제작했고, 이승준 학생은 홍콩 PolyU 연구팀에 파견되어 현지 연구원들과 긴밀히 협력했다”며 “특히, 미세화에 중점을 둔 반도체 산업에서 차세대 물질을 이용한 고성능 차세대 메모리는 AI 컴퓨팅과 같은 시냅스 특성이 필요한 분야에서 핵심적인 역할을 할 것"이라고 전했다.
한편, 이번 연구는 글로벌 기초연구실 사업인 "뉴로모픽 기술 기반 모빌리티 배터리 PHM 글로벌 기초연구실"과 산업통상자원부가 주관하는 "AI-핵심소재 기반 첨단산업 지능형 로봇 글로벌인재양성사업단 지원(단장 동국대 기계로봇에너지공학과 김흥수 교수)“ 과제의 지원을 받았으며, 서울과학기술대학교 및 홍콩 The Hong Kong Polytechnic University 연구팀과 협력해 진행됐다.
bjlee@beyondpost.co.kr
