KAIST, 반도체 잡음으로 반응하는 ‘확률형 인공 뉴런’ 구현
반도체에서 없애야 할 방해 요소로 여겨졌던 전류 잡음을 뇌 신경세포의 불규칙한 반응을 만드는 계산 자원으로 바꾸는 인공 뉴런이 나왔다. 한국과학기술원(KAIST) 김경민 신소재공학과 교수 연구팀은 멤리스터에서 자연스럽게 발생하는 잡음을 이용해 ‘프로그래밍 가능한 확률형 뉴런(PPN)’을 구현했다고 밝혔다. 같은 자극에도 매번 똑같이 반응하지 않는 사람의 뉴런처럼 입력 신호와 잡음의 성질에 따라 전기 신호인 스파이크가 발생할 확률이 달라지는 소자다.
연구팀이 사용한 멤리스터는 전기 자극을 받은 정도에 따라 저항이 변하고, 전원을 꺼도 그 상태를 기억하는 반도체 소자다. 쉽게 말하면 전기가 얼마나 잘 흐르는지를 기억하는 작은 전자 메모리다. 이번 소자는 루테늄·탄탈럼산화물·백금으로 구성된 Ru/TaOx/Pt 적층 구조다. 연구팀은 저항 상태가 바뀌면 전류가 흐르는 방식과 신호대잡음비, 즉 원하는 신호와 잡음의 상대적인 크기도 달라지는 성질에 주목했다.
핵심은 멤리스터의 저항값을 조절 손잡이처럼 사용한 데 있다. 저항 상태를 바꾸면 잡음의 크기와 변동 특성이 바뀌고, 이 잡음을 증폭하면 뉴런이 정보를 전달할 때 내보내는 것과 비슷한 불규칙 스파이크를 만들 수 있다. 기존 멤리스터 연구에서 가변 저항을 기억과 연산에 쓰는 방식과 소자의 불안정성을 난수의 원천으로 활용하는 방식을 결합해, 잡음과 스파이크 발생률을 함께 조절하는 ‘가변 엔트로피원’으로 만든 것이다. 엔트로피원은 예측하기 어려운 신호를 만들어내는 원천을 뜻한다.
저항값을 바꾸면 인공 뉴런이 잘 반응하는 신호의 속도도 선택할 수 있다. 걷기나 팔 움직임처럼 비교적 천천히 변하는 신체활동 신호와 빠르게 변하는 음성 신호를 하나의 소자로 다룰 수 있다는 의미다. 라디오 주파수를 맞춰 원하는 방송을 고르듯 멤리스터 상태를 조절해 특정 주파수 대역에 맞는 스파이크를 만들도록 한 방식이다. 논문에 제시된 입력 범위는 신체활동 데이터 UCI HAR가 0.4~25헤르츠(Hz), 음성 데이터가 20Hz~8킬로헤르츠(kHz)다. 8kHz는 1초에 8000번 진동하는 주파수다.
연구팀은 같은 신경망 구조에서 두 종류의 시계열 신호를 스파이크로 바꿔 분류했고, 신체활동과 음성 데이터 모두 약 95%의 성능을 확인했다. 다만 음성 실험에 사용된 AudioMNIST는 60명이 영어 숫자 0부터 9까지를 각각 50회 말한 3만 개 녹음으로 구성된 벤치마크다. 따라서 이 결과는 일상 대화를 받아 적는 일반적인 연속 음성인식 성능이 아니라 제한된 숫자 발화를 구별한 분류 성능으로 해석해야 한다.
논문은 ‘주파수 선택형 시계열 신호 인코딩을 위한 프로그래밍 가능한 확률형 뉴런을 구현한 잡음 조절 멤리스터’를 주제로 2026년 8월 5일 Advanced Materials에 온라인 게재됐다. 논문은 1월 9일 접수돼 7월 28일 승인됐다. 제1저자는 김도훈 연구원이며 KAIST 연구자들과 한국전자통신연구원 송한찬 연구원이 참여했다. 연구비에는 한국연구재단 과제 5건이 명시됐다.
같은 연구진은 2025년에도 NbOx 모트 멤리스터에 히터를 집적해 열잡음을 키우는 난수발생기를 발표했다. 당시 소자는 초당 10만 비트와 비트당 0.68마이크로줄을 기록했고, 8×1 배열에서는 단일 소자보다 비트당 에너지를 46% 수준으로 낮췄다. 이번 연구는 보안용 난수를 만들던 잡음의 쓰임을 동작과 음성 같은 시계열 신호의 신경 인코딩으로 확장한 흐름으로 볼 수 있다.
김경민 교수는 하나의 하드웨어를 다양한 속도와 주파수 신호에 맞춰 사용할 수 있어 웨어러블 기기의 움직임 감지와 음성 인식 등 두뇌모사 신호처리에 활용될 것으로 전망했다. 연구는 저전력 뉴로모픽 시스템의 가능성을 제시했지만, 이번 소자의 스파이크당 에너지나 소비전력, 기존 방식 대비 절감률은 확인되지 않았다. 따라서 현재 성과는 정량적인 전력 절감 입증보다 잡음을 활용하는 새로운 신호처리 원리를 구현했다는 데 의미가 있다.
자료: 한국과학기술원(KAIST), Wiley·Advanced Materials, UCI Machine Learning Repository, Springer Nature·npj Unconventional Computing