반도체 소자 잡음 증폭…특정 신호 추출 성공
잡음(노이즈)은 신호처리에 나쁜 역할만 하는 것은 아니다. 임계치 이하의 신호 세기를 증폭시켜, 신호 감지에 도움을 주기도 한다. 뇌에서 특히, 그런 현상(확률적 반응)이 발생한다. 반면, 반도체에서 잡음은 주로 제거 대상이었다. 국내 연구진이 반도체 소자 잡음을 증폭시켜, 주요한 특성만을 추출하는 기술을 개발했다. 김경민 KAIST 신소재공학과 교수 연구팀은 반도체 잡음을 사람의 뇌처럼 정보를 처리하는 데 이용할 수 있는 새로운 뉴로모픽 뉴런 반도체 기술을 개발했다고 16일 밝혔다. 논문제1저자인 김도훈 신소재공학과 연구원(박사)은 "PC나 스마트폰 등은 내재적으로 신호처리에 문제가 없으나, IoT(사물인터넷0 등에서는 말단에서 신호처리가 제한적이다. 220V 전원이나 GPU 등을 쓰면 되지만, 스마트워치처럼 휴대용 기기나 뿌려지는 센서 등은 에너지를 효율적으로 써야 한다"며 "이런 상황에 대처하기 위해 '멤리스터 소자'를 활용하게 됐다"고 설명했다. 연구팀은 멤리스터가 저항 상태를 바꾸면 전류 잡음 크기와 변동 특성이 달라진다는 점에 주목했다. 낮은 저항 상태에서는 움직임과 같은 저주파 신호를, 높은 저항 상태에서는 음성과 같은 고주파 신호를 인코딩하도록 동작 범위를 전환했다. 일단 확률적 반응을 위해 잡음을 증폭, 뇌의 뉴런이 정보를 전달할 때 발생시키는 것과 유사한 불규칙한 전기 신호인 '스파이크'를 만들었다. 이를 이용해 '프로그래밍 가능한 확률 뉴런(PPN)'을 구현했다. 연구팀은 반도체 잡음을 확률적 스파이크 발생에 활용한 결과 멤리스터 저항 상태를 변화시켜 동일한 구조에서도 입력에 대한 발화 확률을 조절하는데 성공했다. 또 확률 뉴런을 시계열 신호 주파수 선택적 인코딩에 적용, 멤리스터의 저항 상태를 변경하는 것만으로 인코딩 가능한 주파수 범위를 전환할 수 있다는 사실을 확인했다. 실제 저항 상태를 달리해 0.4~10Hz의 저주파 영역과 20Hz~8kHz의 고주파 영역을 각각 인코딩하고, 이를 서로 다른 시간 규모를 갖는 인간 행동 인식 데이터(UCI HAR)와 음성 숫자 데이터(Audio MNIST)에 적용했다. 그 결과 UCI HAR에서는 94.8%, 오디오 MNIST에서는 95.0%의 분류 정확도를 달성했다. 김경민 교수는 “멤리스터에서 발생하는 잡음을 단순한 오차나 불안정성으로 보지 않고 정보처리 자원으로 활용했다는 데 의미가 있다”며 "향후 저전력 뉴로모픽 시스템의 신호처리 기술로 활용될 수 있을 것”이라고 말했다. 연구 결과는 재료 분야 국제 학술지 '어드밴스드 머터리얼즈(IF: 29.1)'에 게재됐다.
