연구본부소개
전자의 스핀을 이용한 인공지능 반도체 기술개발
- 등록일 : 20-03-31
- 차세대반도체연구소 송경미, 주현수, 장준연 박사팀
- 조회수 : 9464
- 나노 자성구조체인 스커미온을 이용한 초저전력 인공지능 반도체 소자 개발
4차 산업혁명의 핵심기술인 인공지능(AI) 반도체 기술 개발 경쟁이 치열하다. AI 기술이 발전하면서 연산능력은 기하급수적으로 늘어남에 따라 초저전력 AI 전용 반도체의 필요성이 급부상하고 있다.
한국과학기술연구원(KIST, 원장 직무대행 윤석진) 차세대반도체연구소 송경미 박사, 주현수 박사, 장준연 소장 그리고 우성훈 박사(현 IBM) 공동연구팀은 소용돌이 모양의 나노 스핀 구조체인 ‘ 스커미온(Skyrmion) : 소용돌이 모양으로 스핀들이 배열되어 형성되는 스핀 구조체 (그림 1. 참조)
스커미온을(Skyrmion)’ 이용하여 차세대 저전력 뉴로모픽(Neuromorphic) 컴퓨팅 : 인간의 두뇌를 구성하는 신경 시스템을 모사한 컴퓨팅 기술이며, 뉴런 소자 (프로세서)와 시냅스 소자 (메모리)가 병렬 구조로 형성되어 있어 방대한 양의 데이터를 매우 낮은 전력으로 처리하는 시스템.
뉴로모픽 컴퓨팅 소자의 핵심 기술을 개발했다고 밝혔다.
‘스커미온’은 소용돌이 모양으로 배열된 스핀 구조체로 특유의 구조적 안정성, 나노미터 수준의 작은 크기 그리고 생성 및 개수 조절이 용이한 장점을 가져 메모리, 논리소자, 통신 소자 등 차세대 전자소자에 적용하기에 매우 유용하다.
더욱이 개개의 스커미온은 각각 고유한 전기 저항을 가져, 스커미온 개수에 따른 저항 변화를 아날로그적으로 조절하고 측정 할 수 있다. 이런 우수한 특성으로 인해 스커미온 기반의 인공 시냅스 소자를 개발에 대한 관심이 높았으나, 스커미온을 전기적으로 제어하는 기술적 어려움으로 인해 현재까지 이론적으로만 예측되었다.
KIST 연구진은 신경전달 물질과 동일한 원리로 스커미온의 수를 조절함으로써 시냅스 가중치 : 전기적인 신호를 인접한 뉴런으로 전달하면서 신호 전달 능력
시냅스 가중치를 변화시킬 수 있음에 착안하였다. 그동안 개념적으로만 제안되었던 스커미온 전자소자를 전기적으로 제어하는 방법을 찾아냈으며 이를 기반한 시냅스 소자를 최초로 제작하였다. 기존 시냅스 소자들에 비해 낮은 전압으로도 동작하면서도 높은 내구성을 갖는다.
연구진은 이 인공 시냅스 소자를 이용하여 손글씨 숫자 패턴(MNIST) 인식 학습 : 28×28 픽셀 크기의 0~9사이의 숫자 이미지 데이터 베이스(MNIST)를 이용하는 인식 학습. 총 784개의 픽셀에 저장된 0 ~ 255 사이의 값을 입력(input)층에 있는 각각의 뉴런에서 입력받아 후속 은닉(Hidden) 층과 출력(Output)층에 있는 뉴런에게 신호를 전달하는 체계를 기반으로 한 학습 방법.
손글씨 숫자 패턴(MNIST) 인식 학습을 진행하였을 때, 90%의 높은 인식률을 증명하였다. 기존 인공 시냅스 소자는 이와 유사한 수준의 인식률을 얻기 위해 수십만 번의 반복 학습이 필요했으나, 스커미온 기반 인공 시냅스 소자는 15,000회 학습만으로 달성 가능하여 인식에 필요한 소자의 전력소모를 10배 이상 감소하였다.
KIST 송경미 박사는 “기존에 이론으로만 제시되었던 스커미온 기반의 인공 시냅스 소자를 세계 최초로 구현한 연구 결과이며, 전기적으로 제어되는 스커미온의 개수에 따라 시냅스 가중치를 제어함으로써 신경전달물질의 양으로써 시냅스 가중치를 조절하는 인간의 뇌를 가장 밀접하게 모방하였다.”라고 말했다. 또한 KIST 주현수 박사는 “본 연구에서 ‘스커미온’을 활용한 새로운 접근법은 차세대 물질이나 새로운 소자 기반의 뉴로모픽 소자를 새롭게 제시하는 것으로 이 분야 연구에 새로운 방법을 제시한 것으로 시사하는 바가 크다”라고 밝혔다.
본 연구는 과학기술정보통신부(장관 최기영) 지원으로 KIST 주요사업인 차세대반도체연구소 플래그십 과제와 국가과학기술연구회 창의형 융합연구사업, 한국연구재단 인공지능·빅데이터 전략과제로 수행되었다. 본 연구결과는 세계적인 학술지 ‘Nature Electronics’에 3월 16일 (월) 온라인 판에 게재되었다.
* (논문명) Skyrmion-based artificial synapse for neuromorphic computing
- (제1저자) 한국과학기술연구원 송경미 박사후연구원
- (공저자) 한국과학기술연구원 주현수 선임연구원
- (공저자) 한국과학기술연구원 장준연 책임연구원
- (교신저자) 한국과학기술연구원 우성훈 선임연구원 (현재 IBM 연구원)
<그림설명>
[그림 1]
스커미언의 모식도. 전자의 스핀이 나선형 모양으로 배열되어 구조적으로 안정하고, 전기적으로 생성, 이동, 소멸 등 제어가 가능
스커미언의 모식도. 전자의 스핀이 나선형 모양으로 배열되어 구조적으로 안정하고, 전기적으로 생성, 이동, 소멸 등 제어가 가능
[그림 2]
(좌) 페리 자성체(강자성체와 반강자성체의 중간 형태) 에서 형성되는 스커미온의 모식도와 (우) 뇌신경계의 신호 전달 모방을 위한 스커미온 기반의 시냅스 모식도
(좌) 페리 자성체(강자성체와 반강자성체의 중간 형태) 에서 형성되는 스커미온의 모식도와 (우) 뇌신경계의 신호 전달 모방을 위한 스커미온 기반의 시냅스 모식도
[그림 3]
(좌) 전자 스핀구조체 스커미온의 제어 통한 인공 스냅스 소자의 가중치 변화 모습과 (우) 인공 시냅스 소자의 전체 시냅스 가중치 특성을 나타내는 결과
(좌) 뉴런과 뉴런 사이의 연결강도 (시냅스 가중치)를 스커미온 기반 인공 시냅스로 구현한 모식도
(우) 28 ×28 픽셀로 표현되는 손글씨 패턴 인식 학습을 위한 인공 신경망
[그림 5]
손글씨 이미지(MNIST) 학습 진행에 따른 정확도 개선 결과. 전체 6만개 손글씨 이미지 중 1회 학습에 300개의 이미지씩 패턴 학습 진행 후 정답률 확인.
100회 학습 진행 후 90% 정확도 확보