KAIST, 저전력으로 두뇌 구조 모사하는 ‘뉴로모틱 뉴런’ 구현

한국과학기술원(KAIST)이 저전력으로 뇌의 구조를 모사하는 혁신적인 '뉴로모픽 뉴런' 기술을 개발했다. 김경민 신소재공학과 교수 연구팀은 반도체에서 발생하는 자연적인 잡음을 활용하여, 인간의 두뇌와 유사한 방식으로 정보를 처리할 수 있는 새로운 반도체 소자를 구현했다고 16일 발표했다.

잡음의 새로운 발견

보통 전자기기에서 잡음은 신호의 왜곡 요소로 여겨지지만, 이번 연구팀은 그 반대의 발상을 했다. 인간의 뇌는 잡음과 같은 불규칙성을 유연하게 처리하며, 외부 자극에 대해 항상 같은 반응을 보이지 않는다. 이를 기반으로 연구팀은 잡음을 제거하는 전통적인 접근에서 벗어나, 잡음을 활용하여 인공 뉴런을 생성하기로 결정했다.

연구팀은 '멤리스터'라는 전기 저항을 기억하는 소자를 사용하여 이 작업을 수행했다. 멤리스터는 전기 자극을 가할 때 저항 값이 변화하며, 전원이 꺼져도 그 상태를 기억할 수 있는 특성을 가지고 있다. 이 소자의 저항 상태를 조절함으로써 잡음의 특성을 변화시킬 수 있다는 점에 주목한 것이다.

뉴로모픽 뉴런의 작동 원리

연구팀은 멤리스터를 통해 생성한 잡음을 증폭시키고, 이를 바탕으로 뇌의 신경세포가 정보를 전달할 때 발생하는 불규칙한 전기 신호인 '스파이크'를 만들어냈다. 이 인공 뉴런은 입력 신호와 잡음의 성격에 따라 스파이크 발생 확률이 달라지며, 이는 인간의 뉴런이 특정 자극에 대해 다르게 반응하는 방식과 유사하다.

특히, 멤리스터를 조절하면 인공 뉴런이 특정 신호에 더 잘 반응하도록 설정할 수 있다. 예를 들어, 걷거나 팔을 움직일 때 발생하는 신호는 느리게 변하지만, 음성 신호는 더 빠르게 변한다. 이러한 특성을 활용하여 멤리스터의 저항 상태를 조정하면, 필요한 경우 특정 신호에 최적화된 반응을 이끌어낼 수 있다. 마치 라디오의 주파수를 변경하듯이 말이다.

실험 결과와 미래 전망

연구팀은 개발한 인공 뉴런을 사용하여 신체 활동 신호와 킬로헤르츠(kHz) 영역의 음성 신호를 각각 스파이크 신호로 변환한 뒤 인식 성능을 테스트했다. 결과적으로 동작 인식에서 94.8%, 음성 인식에서 95.0%의 높은 정확도를 기록하며 기술의 가능성을 확인했다.

김 교수는 이번 연구가 웨어러블 기기에서의 움직임 감지, 음성 인식 등 다양한 시계열 신호를 처리하는 데 활용될 것이라 전망했다. 또한, 저전력 뉴로모픽 시스템 구현에도 기여할 것으로 기대된다. 이번 기술은 전통적인 전자기기의 한계를 넘어, 인공지능과의 융합을 통해 미래의 스마트 디바이스에서 중요한 역할을 할 것으로 보인다.

KAIST의 이번 성과는 단순한 기술 발전을 넘어, 인공지능의 새로운 가능성을 열어줄 혁신적인 접근법으로 주목받고 있다.