전북대학교 배학열 교수 연구팀(공대 전자공학부)이 스스로 성능을 회복하는 ‘뇌 모방 AI 반도체’ 구현에 성공하며 차세대 뉴로모픽 컴퓨팅 상용화의 핵심 난제를 해결할 실마리를 제시했다.

관련 연구는 전북대 배학열 교수 연구팀이 서울시립대 김태완 교수 연구팀과 공동으로 수행했다. 세계적 학술지 「Advanced Science(IF 14.1, JCR 상위 7%)」 최신호에 게재됐다.(논문제목 : Sustainable Synaptic Device with Two-Dimensional Ferroelectric Materials for Neuromorphic Computing).

이번 연구는 2차원 강유전체 반도체 기반 시냅스 트랜지스터에서 발생하는 성능 저하 문제를 전기적 방식으로 회복시키는 ‘성능복구기술(Performance recovery technique)’의 동작 원리를 규명하고, 이를 실제 시스템 수준의 에너지 효율 개선까지 달성했다는 점에서 주목된다.

뉴로모픽 컴퓨팅은 인간 뇌의 시냅스처럼 연산과 기억을 하나의 소자에서 동시에 수행하도록 설계된 차세대 기술로, 메모리와 프로세서가 분리되어 발생하는 기존 컴퓨팅 구조의 한계인 ‘폰 노이만 병목(von Neumann bottleneck)’을 극복할 수 있는 대안으로 평가받는다. 

그러나 기존 메모리반도체 기반 뉴로모픽 소자는 학습 횟수가 누적될수록 결함이 축적되며 분극 스위칭이 저하되고, 이에 따른 내구성 및 장기 신뢰성 확보에 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해 전기적 펄스를 활용한 ‘전류 어닐링(current annealing)’ 방법을 적용했다. 강유전체 반도체의 비휘발성 특성을 일으키는 면외(Out-of-plane)·면내(In-plane) 분극 특성을 활용해 전류량과 열을 조절할 수 있음에 주목했다.

기존엔 반복 동작 및 학습과정에서 야기되는 반도체 소자의 결함생성 등의 열화를 복구하기 위해서 별도의 어닐링 장비가 필수적이었지만, 이번 연구를 통해 개발된 전류 어닐링 방법은 외부장비 없이 반도체 회로 및 시스템 내에서 짧은 시간동안 제어된 전류와 열을 발생시켜 성능을 복구할 수 있었다.

실제로 연구팀은 AI 반도체 응용에서 CNN 학습으로 인해 저하된 이미지 분류 정확도가 전류 어닐링 이후 초기 수준으로 완전히 회복되는 것을 확인했다. 또한 시스템 수준 시뮬레이션에서는 결함이 발생한 셀만 선택적으로 복구·비활성화하는 방식의 아키텍처가 제시됐고, 대규모 어레이 수준에서 적용 가능함도 입증했다.

이는 향후 실제 반도체 칩 양산 공정에도 적용이 가능하기 때문에 실제 반도체 칩 양산 공정에도 적용이 가능한 기술적 기반을 확보했다는 점에서 후속 연구 결과가 AI 반도체 시장에서 큰 주목을 받을 것으로 기대되고 있다.

배학열 교수는 “메모리와 연산을 동시에 수행하는 인공 시냅스 소자의 지속가능성은 차세대 AI 하드웨어의 핵심 과제”라며 “외부 공정 없이 기존 시스템에도 적용 가능한 자가치유 기술을 통해 장기 학습과 추론 환경에서도 안정적인 성능을 유지할 수 있는 설계 방향을 제시했다”고 밝혔다.

한편, 이번 연구는 과학기술정보통신부의 소재글로벌 영커넥트사업, 초고집적 반도체용 vdW 소재 및 공정기술개발사업, 우수신진연구사업, BK21 인력양성사업의 지원을 받아 수행됐다.