수소 열처리 RRAM, 35개 음성명령 92.5% 인식

동국대 김성준 전자전기공학과 교수와 주서현 석사과정생, 서울시립대 김윤 전자전기컴퓨터공학과 교수와 이선정·이원주 박사과정생이 트랜스포머 기반 음성 인식 연산에 활용할 수 있는 저항성 메모리(RRAM) 소자를 개발했다. 공동연구팀은 수소 열처리와 정밀 펄스 프로그래밍을 결합해 6비트에 해당하는 64개 전도도 상태를 구현했다.

연구팀은 HfO2/TiOx 기반 자가 정류 RRAM 박막 내부에서 산소 공공과 연관된 결함을 수소 열처리로 안정화했다. 여기에 펄스를 단계적으로 높이면서 저항 상태를 검증하는 ISPVA(Incremental Step Pulse with Verify Algorithm) 기법을 적용해 안정적인 저항 상태와 향상된 데이터 유지 특성을 확보했다. 이를 통해 아날로그 시냅스 가중치를 최대 64단계로 구분해 정밀하게 표현할 수 있게 했다.

기존 자가 정류 RRAM은 시간이 흐를수록 전도도가 줄어들어 뉴로모픽 연산에 필요한 다중 시냅스 가중치를 안정적으로 보존하기 어려웠다. 공동연구팀은 소자에서 측정한 6비트 가중치와 소자별 편차를 트랜스포머 기반 음성 명령어 인식 모델에 반영했다. 실제 소자의 비이상성을 포함한 조건에서 35개 음성 명령어를 분류한 결과, 인식 정확도는 92.5%로 나타나 이상적인 32비트 모델에 근접한 성능을 보였다.

이번 성과는 순환신경망 중심이던 RRAM 응용 범위를 트랜스포머 모델로 넓힐 수 있는 시냅스 소자를 제시하고, 다중 전도도 상태의 안정화와 음성 인식 연산을 직접 연결했다는 데 의미가 있다. 연구 결과는 ‘Hydrogen-Stabilized Self-Rectifying Memristor Arrays for Reliable Multilevel Synapses in Transformer-Based Keyword Spotting’이라는 제목으로 국제학술지 ‘Advanced Science’(IF 14.1)에 온라인 게재됐다. 개발 소자는 저전력 엣지 AI와 음성 인식, 인메모리 컴퓨팅, 뉴로모픽 반도체 분야에 활용될 가능성이 있다.