광학적 특성 활용해 하드웨어 기반
차세대 뉴로모픽 시스템 구현
동국대 전자전기공학과 박수용 석사과정생(왼쪽), 김성준 교수. (사진=동국대 제공) *재판매 및 DB 금지
[서울=뉴시스]전수현 인턴 기자 = 동국대는 전자전기공학과 김성준 교수 연구팀이 인듐-갈륨-아연 산화물(IGZO) 기반 광전자 시냅스 트랜지스터(Optoelectronic Synaptic Transistor, OST)를 활용해 축적컴퓨팅(Reservoir Computing) 및 시계열 예측이 가능한 뉴로모픽 시스템을 구현했다고 18일 밝혔다.
이번 IGZO 기반 OST는 광 자극에 반응해 단기 기억(Short-Term Memory, STM)과 시냅스 가소성(Synaptic Plasticity) 특성을 모사할 수 있다.
또한 RC 시스템에서 고차원 상태공간으로의 변환과 시계열 데이터 처리 능력을 향상시키는 기능을 수행한다. 기존 뉴로모픽 소자 대비 학습 비용은 적고 연산 효율이 높아 우수성이 입증된 소자다.
연구팀은 본 소자를 기반으로 5비트 RC 시스템을 구현하고, 이를 이용해 손글씨 숫자(MNIST) 및 패션 이미지(Fashion MNIST) 인식에 각각 95.75% 및 85.02%의 높은 정확도를 달성했다.
더해 Jena 기후 데이터를 이용한 LSTM(Long Short-Term Memory) 기반 시계열 예측 모델을 개발했다. 해당 모델은 실제 시냅스 소자의 가중치 변화를 모사한 학습 방식이 기존 모델 대비 더 높은 예측 정확도를 보였다.
김 교수는 "광 자극 기반 시냅스 가중치 조절을 통해 차세대 뉴로모픽 반도체 및 하드웨어 친화형 인공지능 구현에 핵심적인 역할을 할 수 있을 것"이라고 강조했다.
한편 본 연구 결과는 소재·물리광학 분야 저명 국제 학술지 '어드밴스드 옵티컬 머티어리얼즈(Advanced Optical Materials(IF=8.0)'에 5월 12일 온라인 게재됐다.
◎공감언론 뉴시스 [email protected]
이번 IGZO 기반 OST는 광 자극에 반응해 단기 기억(Short-Term Memory, STM)과 시냅스 가소성(Synaptic Plasticity) 특성을 모사할 수 있다.
또한 RC 시스템에서 고차원 상태공간으로의 변환과 시계열 데이터 처리 능력을 향상시키는 기능을 수행한다. 기존 뉴로모픽 소자 대비 학습 비용은 적고 연산 효율이 높아 우수성이 입증된 소자다.
연구팀은 본 소자를 기반으로 5비트 RC 시스템을 구현하고, 이를 이용해 손글씨 숫자(MNIST) 및 패션 이미지(Fashion MNIST) 인식에 각각 95.75% 및 85.02%의 높은 정확도를 달성했다.
더해 Jena 기후 데이터를 이용한 LSTM(Long Short-Term Memory) 기반 시계열 예측 모델을 개발했다. 해당 모델은 실제 시냅스 소자의 가중치 변화를 모사한 학습 방식이 기존 모델 대비 더 높은 예측 정확도를 보였다.
김 교수는 "광 자극 기반 시냅스 가중치 조절을 통해 차세대 뉴로모픽 반도체 및 하드웨어 친화형 인공지능 구현에 핵심적인 역할을 할 수 있을 것"이라고 강조했다.
한편 본 연구 결과는 소재·물리광학 분야 저명 국제 학술지 '어드밴스드 옵티컬 머티어리얼즈(Advanced Optical Materials(IF=8.0)'에 5월 12일 온라인 게재됐다.
◎공감언론 뉴시스 [email protected]
