동국대 김성준 교수팀, 차세대 메모리 RRAM 안정성 한계 극복 … 뉴로모픽 AI 반도체 활용 기대

동국대학교는 전자전기공학과 김성준 교수 연구팀이 수소 열처리와 정밀 펄스 프로그래밍 기법을 적용해 차세대 메모리로 주목받는 저항성 메모리(RRAM)의 안정성을 높였다고 6일 밝혔다. 또한 이를 생성형 인공지능(AI)의 핵심 구조인 트랜스포머 기반 음성인식에 활용할 수 있는 소자로 구현해 냈다.

이번 연구는 서울시립대 전자전기컴퓨터공학과 김윤 교수팀과 공동으로 진행했다.

RRAM은 소자의 전기적 저항값을 변화시켜 정보를 저장하는 차세대 메모리다. 전원을 꺼도 데이터가 유지되는 비휘발성에 저전력, 빠른 속도, 높은 집적도 등에 유리해 AI 반도체 소자로 주목받고 있다.

하지만 기존 자가정류(Self-Rectifying, 전류가 한 방향으로 잘 흐르도록 스스로 제어하는) RRAM은 시간이 지남에 따라 전도도가 떨어져 뉴로모픽(신경형) 연산에 필요한 다중 시냅스 가중치를 안정적으로 유지하는 데 한계가 있었다.

공동 연구팀은 하프늄 산화물(HfO₂)/산화티타늄(TiOx) 기반의 자가 정류 RRAM에 수소 열처리와 저항값을 정밀하게 맞추는 ISPVA(Incremental Step Pulse with Verify Algorithm·증분 펄스-검증) 기법을 적용해 문제를 해결했다.

먼저 연구팀은 HfO₂/TiOx 박막 내부의 산소 공공(空孔·산소 원자가 있어야 할 자리가 비어 있는 상태)과 관련된 전기적 결함을 수소 열처리로 안정화했다. RRAM은 산소 공공의 이동을 이용해 저항을 바꾼다. 전압을 가해 산소 공공이 이동하면서 많이 연결되면 저항이 줄어 전류가 잘 흐르고, 반대로 흩어지면 저항이 커져 전류가 잘 흐르지 않는 상태가 되는데 이 원리를 이용해 데이터를 저장한다. 문제는 시간이 지나면서 전도도가 감소한다는 점인데, 원자 크기가 작은 수소와 열처리를 통해 산소 공공 주변의 전기적 결함 상태를 안정화했다는 얘기다.

또한 전압을 한 번에 가하지 않고 조금씩 높여가며 매 단계 목표 저항값에 도달했는지 반복 확인하는 프로그래밍 알고리즘인 ISPVA 기법을 적용해 안정적인 저항 상태와 향상된 데이터 유지 특성을 확보했다. 연구팀은 이를 통해 최대 64개의 구분 가능한 전도도 상태를 구현해 아날로그 시냅스 가중치의 정밀한 구현을 가능케 했다.

연구팀이 측정한 소자의 6비트 가중치와 소자 편차를 트랜스포머 기반 음성 명령어 인식 모델에 반영한 결과, 실제 소자의 비이상성을 고려한 환경에서도 35개 음성 명령어 분류에서 92.5%의 인식 정확도를 달성했다. 이상적인 32비트 모델에 근접한 안정적인 인식 성능을 보이며, 트랜스포머 기반 뉴로모픽 연산 소자로서의 활용 가능성을 확인했다. 다시 말하면, 완벽한 가상의 환경이 아니라 실제로 제작한 RRAM에서 나타나는 소자의 오차까지 반영해 AI 모델에 적용했더니 우수한 성능을 보였다는 것이다.

동국대 김성준 교수는 “이번 연구는 수소 열처리와 ISPVA 기법을 통해 RRAM의 다중 전도도 상태를 안정화하고, 이를 트랜스포머 기반 음성 인식 연산에 직접 연결한 결과”라며 “기존 순환신경망 중심의 RRAM 응용을 넘어 트랜스포머 모델에 적용 가능한 시냅스 소자를 제시했다는 점에서 의미가 있다”고 말했다. 이어 “향후 저전력 엣지 AI, 음성인식, 인메모리 컴퓨팅과 뉴로모픽 반도체 분야에 활용될 수 있을 것으로 기대된다”고 덧붙였다.

이번 연구 결과는 융합공학 분야의 국제 저명 학술지 ‘어드밴스드 사이언스(Advanced Science·첨단과학)’에 지난달 20일 온라인 게재됐다. 동국대 전자전기공학과 주서현 석사과정생과 서울시립대 전자전기컴퓨터공학부 이선정·이원주 박사과정생이 공동 제1저자, 동국대 김성준 교수와 서울시립대 김윤 교수가 공동 교신저자로 각각 참여했다.

이번 연구는 과학기술정보통신부가 지원하는 한국연구재단(NRF) 사업과 교육부·서울시가 지원하는 지역혁신중심 대학지원체계(RISE)의 지원을 받아 수행됐다.