적색 자극 조건에서 최대 91.37% 이미지 인식 정확도 보여플로팅-게이트 내부에 광전하 장시간 저장 가능저전력으로 스스로 학습하는 시각 뉴로모픽 소자 가능성 입증경상국립대 김윤희·가천대 이충환·한양대 ERICA 오세용 교수팀과 공동 진행재료과학 분야 국제학술지 '어드밴스드 펑셔널 머티리얼즈'에 게재
  • ▲ 왼쪽부터 한양대 유호천 교수, 한양대 강승미 박사과정생, 경상국립대 김윤희 교수, 가천대 이충환 교수, 한양대 ERICA 오세용 교수.ⓒ한양대
    ▲ 왼쪽부터 한양대 유호천 교수, 한양대 강승미 박사과정생, 경상국립대 김윤희 교수, 가천대 이충환 교수, 한양대 ERICA 오세용 교수.ⓒ한양대
    한양대학교는 융합전자공학부 유호천 교수 연구팀이 청색(455㎚)과 적색(660㎚) 빛을 구분해 학습하는 '파장 선택형 플로팅-게이트 시냅스(Spectrally Tuned Floating-Gate Synapse, STFGS)'를 개발했다고 13일 밝혔다.

    지속적인 전기 자극 없이도 빛 자극만으로 두 가지 색을 구분해 처리할 수 있는 인공 시냅스(뇌 신경 전달을 모방한 소자)를 만들어 향후 로봇, 자율주행차 등 시각 기반의 다양한 스마트 장치에 활용될 수 있을 것으로 기대된다.

    이번 연구는 경상국립대 김윤희 교수 연구팀, 가천대 이충환 교수 연구팀, 한양대 ERICA 오세용 교수 연구팀과 공동으로 진행했다.

    기존 전기 신호 기반의 신경소자는 전기적 자극으로만 학습이 가능해 소비전력이 크고, 빛의 파장에 따른 다중 신호 처리가 어렵다는 한계가 있었다.
  • ▲ 패션 이미지를 구분하는 ANN 시스템 설계의 개략도. 사전 학습된 VGG16 모델을 기반으로 크기가 조정된 입력 이미지에서 특징을 추출하는 특칭 추출기(feature extractor)와 분류를 위해 완전연결계층(fully connected layer)으로 구성됨.ⓒ한양대
    ▲ 패션 이미지를 구분하는 ANN 시스템 설계의 개략도. 사전 학습된 VGG16 모델을 기반으로 크기가 조정된 입력 이미지에서 특징을 추출하는 특칭 추출기(feature extractor)와 분류를 위해 완전연결계층(fully connected layer)으로 구성됨.ⓒ한양대
    이에 연구팀은 서로 다른 파장에 선택적으로 반응하는 두 종류의 유기 반도체를 이용해 이중 파장 반응형 시냅스 소자를 구현했다. 특히 플로팅-게이트 내부에 광전하를 장시간 저장할 수 있게 설계해 빛 자극만으로 장기 기억 강화(Long-Term Potentiation, LTP) 현상을 안정적으로 재현했다.

    연구팀은 STFGS 소자를 기반으로 파장 선택적 인공신경망(ANN)을 설계하고, 660㎚ 빛 자극 조건에서 최대 91.37%의 이미지 인식 정확도를 달성했다. 이는 광 자극 조건에 따라 가중치를 조절하며 스스로 학습하는 시각 뉴로모픽 소자의 가능성을 입증한 결과다.

    유호천 교수는 "유기 반도체의 파장 선택성과 플로팅-게이트 구조를 결합해 빛 자극에 따라 스스로 학습하는 신경 시냅스 동작을 구현했다"며 "앞으로 인공지능(AI) 이미지 센서, 웨어러블 시각 인식 장치, 저전력 AI 칩 등으로 응용이 가능할 것"이라고 말했다.

    이번 연구 성과는 재료과학 분야의 세계적 학술지 '어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials·첨단 기능성 소재)'에 지난 4일 온라인 게재됐다. 한양대 강승미 박사과정생이 제1저자, 한양대 유호천·한양대 ERICA 오세용·경상국립대 김윤희·가천대 이충환 교수가 교신저자로 각각 참여했다.

    이번 연구는 과학기술정보통신부 사업의 지원을 받아 수행됐다.

  • ▲ 한양대학교 전경. 우측 상단은 이기정 총장.ⓒ한양대
    ▲ 한양대학교 전경. 우측 상단은 이기정 총장.ⓒ한양대