입력 변화 읽는 AI 소자, 예측 오차 97.5% 낮춰

입력 데이터의 변화 속도에 맞춰 반응 특성을 조절하는 인공지능 반도체 소자가 개발됐다. 최신현 KAIST 전기및전자공학부·반도체공학대학원 석좌교수 연구팀이 만든 ‘프로그래머블 동적 멤트랜지스터’(PDM)는 빠르고 느린 정보가 섞인 데이터 예측 실험에서 기존 고정형 소자의 40분의 1 수준으로 오류를 줄였다. 연구 결과는 지난달 국제학술지 ‘네이처 커뮤니케이션스’에 게재됐다.

연구팀은 전기적 정보를 처리·저장하는 전하 저장층과 전자를 붙잡아 소자의 반응을 제어하는 전자 포획층을 트랜지스터 하나에 결합했다. 외부 신호가 유입되면 전하 저장층이 정보를 처리하고, 전자 포획층은 처리가 끝난 소자가 원래 상태로 복귀하는 속도를 조절한다. 실험에서는 입력 신호에 반응한 뒤 초기 상태로 돌아오는 시간을 5배 범위에서 바꿀 수 있었고, 반복 신호를 처리하는 주파수 특성도 10배 넘는 범위로 조절됐다.

멤트랜지스터는 정보를 보관하는 메모리와 연산을 담당하는 트랜지스터를 합쳐 저장과 계산을 동시에 수행하는 소자다. 기존 AI 반도체는 입력 자료의 성격과 관계없이 반응 속도와 반응 상태 유지 시간이 고정돼 있다. 심장 박동처럼 계속 달라지는 신호와 공장 설비 상태처럼 변화가 적은 신호가 함께 들어오면 두 정보를 동시에 처리하기 어려워 과부하가 발생할 수 있고, 이는 반도체 효율을 떨어뜨리는 요인이 된다.

연구팀은 PDM 여러 개를 연결한 어레이도 제작해 동작을 검증했다. 이 어레이는 소프트웨어 기반 AI 시스템과 비슷한 정확도를 유지하면서 훨씬 적은 에너지로 작동했으며, 상용 반도체 제조에 쓰이는 CMOS 공정과의 호환성도 확인됐다. 데이터 변화 속도에 맞춰 적합한 반응 방식을 선택하는 구조를 구현한 만큼 자율주행차와 로봇, 웨어러블 기기 등 서로 다른 속도의 정보를 다루는 AI 기기에 적용할 수 있는 기반이 마련됐다.