뉴로모픽(Neuromorphic) 컴퓨팅은 신경 조직 및 시냅스와 같은 인간 두뇌 요소에서 영감을 얻은 아키텍처를 구축한다. 이러한 아키텍처는 기억과 학습 기능을 동시에 가질 수 있어 많은 응용 분야에서 유망하다.

대부분의 뉴로모픽 구조는 시냅스 가소성 즉, 시간이 지남에 따라 쉽게 변형될 수 있는 능력을 재생성하는데, 이는 뇌 영역에 걸친 자극의 전파를 가능하게 하는 신경 세포 사이 접합부에서 발생한다. 뉴로모픽 컴퓨팅 접근법에 대한 또 다른 잠재적으로 유용한 부분은 뉴런의 기능을 보존하는 보호 장벽인 뉴런막의 가소성이다.

독일 TU 드레스덴(TU Dresden)과 헬름홀츠 센터(Hemholtz Center) 연구원들은 최근에 뉴런막 고유 가소성을 에뮬레이트하는 실리콘 나노와이어 뉴로트랜지스터(neurotransistors) 설계했다. 새로운 신경칩은 이온 도핑 졸-겔 실리케이트 필름으로 실리콘 나노와이어를 코팅해 제조됐다.

네이처 일렉트로닉스(Nature Electronics)에 발표된 이번 연구를 수행한 연구팀은 생물 및 화학 전자 센서에 대한 전문 지식을 갖춘 그룹으로 바이오 센서의 원리를 사용해 뉴런막의 특성을 재현하는 적절한 시스템을 구현했다.

백은혜(Eunhye Baek), 라리사 바라반(Larysa Baraban) 및 동료 연구자들 디자인한 신경 트랜지스터는 실리콘 나노와이어 트랜지스터를 기반으로 한 전자 전위차 바이오 센서의 특성을 이용한다. 이러한 종류의 센서는 이온 또는 분자의 전하를 전류로 변환 할 수 있다.

연구원들은 이온 전하를 전자적으로 감지하는 전계 효과 트랜지스터와 졸-겔 필름을 결합해 이온 전하를 재분배할 수 있게 했다. 연구팀은 8인치 SOI(silicon-on-insulator) 웨이퍼에서 전자빔 및 UV 리소그래피와 같은 CMOS 공정을 사용해 실리콘 나노 와이어 트랜지스터를 제작했다. 이어 나노 와이어 소자를 이온 도핑 된 실리케이트 필름으로 코팅했다. 이는 실리케이트 기반 전구체와 금속 이온을 사용하는 졸-겔 공정으로 합성된다.

새로운 신경 트랜지스터는 졸-겔 필름이 내부의 이온 이동을 제한하고 짧은 시간 동안 특정 이온 상태를 유지하기 때문에 단기 기억 역할을 할 수 있다. 이러한 독특한 특성으로 졸-겔 필름은 입력 신호에 따라 신경 트랜지스터가 고유한 비선형(sigmoid) 출력 역학을 생성할 수 있게 한다.

연구자들이 개발한 이 장치는 뉴런 세포의 기능성과 고유 가소성을 모방한다. 실제로, 뉴런에서 막 전위는 이온 전류의 시그모이드 변화를 유도한다. 이 비선형 동적 속성은 고급 학습 기능을 제공하므로 패턴 분류 작업에서 성능이 우수한 방법을 학습하는 등 기계 학습 응용 프로그램에 이상적이다.

백은희 연구원은 “연구의 가장 의미 있는 성과는 뉴런의 소성을 이용하여 얻은 신경 트랜지스터 네트워크의 동적 학습 능력이다. 많은 뉴로모픽 장치 (주로 memristors)는 무작위 전류 임계 값과 같은 확률로 인해 출력 역학을 거의 제어하지 않는다”고 설명했다.

연구자들이 채택한 설계 전략은 신경 트랜지스터가 셀에서 정량의 도핑 된 이온을 사용해 안정적인 출력 역학을 달성할 수 있게 한다.

최근 연구의 목표는 뉴런의 비선형 계산을 모방, 저전력 강력한 뉴로모픽 계산을 구현하는 것이다. 신경 트랜지스터는 데이터 사후 처리 없이 장치 수준 분류를 수행하는 데 사용될 수 있다. 뉴로모픽 장치에서 실행되는 기존의 다른 패턴 분류 모델의 경우 추가 소프트웨어 계산이 필요했다.

바라반은 “궁극적으로, 전계 효과 트랜지스터 또는 전체 칩에서 시작하여 sol-gel 필름을 사용한 선택적 수정을 통해 완전히 새로운 기능을 갖춘 신경 트랜지스터(또는 신경칩)로 바꿀 수 있음을 보여주었다”고 테크익스플로어에 말했다.

이 작업은 단일 장치에서 메모리 및 학습 기능을 모두 달성하기 위한 뉴로모픽 장치의 잠재력을 확인한다. 신경막의 가소성을 모방함으로써, 신경 트랜지스터를 설계하는 새로운 전략은 고급 학습 기능을 갖춘 새로운 전자 장치를 만들 수 있다.

백 연구원은 “현재 칭화대에서 하이브리드 멤리스터를 사용해 망막과 같은 인공 시각 뉴런을 개발하는 뉴로모픽 컴퓨팅 연구를 추진하고 있다. 입력 신호가 뇌에 도달하기 전에, 기억과 학습은 이미 감각 뉴런에서 발생해 신호를 전처리한다. 우리의 신경 트랜지스터 뒤에 숨겨진 동적 학습 원리는 시간을 달리하는 광신호에 적용될 것”이라고 설명했다.

* Eunhye Baek et al. Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions, Nature Electronics (2020). DOI: 10.1038/s41928-020-0412-1