자기터널접합을 이용한 뉴럴 네트워크 기반 파블로프 연상기억 학습의 기능구현

Abstract

하드웨어 신경모방공학(neuromorphic engineering)기술은 메모리 기능을 가진 전자소자를 활용하여 인간 뇌의 최소 구성단위인 뉴런(신경세포)과 시냅스의 기능을 모방하고 이를 연결하여 구성한 인공신경망을 통해 학습, 인식, 추론과 같은 고차원의 연산처리를 이끌어내는 연구이다. 초고집적 병렬 구조 기반의 생물학적 신경망을 모방하기 위해서는 저전력, 소면적의 인공 신경모방 구성요소가 필수적이며, 이에 따라 주로 CMOS(Complemetary Metal Oxide Semiconductor) 기반의 아날로그 전자 회로를 통해 구현되는 인공 뉴런과 맴리스터(Memrisitor)를 비롯한 비휘발성 차세대 전자소자 기반의 인공 시냅스를 연결한 저전력, 소면적 인공 신경망(Neural Network)을 구성하는 연구가 진행되고 있다. 또한, 이를 기반으로 신경모방의 응용 기술의 대표적인 예인 파블로프 연상기억 학습(Pavlov Associative Memory)의 기능을 구현하고자 하는 연구가 활발하다. 본 연구에서는 인공 신경망의 기본 구성 요소인 뉴런과 시냅스의 기능을 수행하는 저전력 차세대 전자소자인 자기터널접합(Magnetic Tunnel Junction, MTJ)을 이용한 MTJ/CMOS Hybrid 뉴런-시냅스 시스템을 구현하고 이를 기반으로 “음식”과 “종소리” 신호의 연상기억 학습에 따라 “침 분비” 신호가 발생하는 파블로프 연상기억 학습의 기능을 구현하였다. MTJ 기반 인공 신경망 기술이 적용된 회로 구조는 “침 분비” 신호를 이끌어내지 못하던 “종소리” 신호가 “침 분비” 신호를 무조건적으로 이끌어내는 “음식” 신호와 반복적으로 연합하여 “침 분비” 신호를 유발하도록 구성되었다. 이를 시뮬레이션으로 검증함으로써 MTJ 소자를 이용한 인공 신경망 아키텍처는 MTJ 라는 차세대 전자 소자에 대한 신경모방 소자로서의 활용성과 인간 뇌의 기능인 정보저장, 학습, 기억, 판단을 하드웨어 기반 신경모방공학 기술로 확장 가능성을 확인하였다. 본 연구는 기존 CMOS 기반의 구조보다 간단하게 구성되어 기존의 정보처리 방식에서 뇌기능 구현을 위한 CMOS 기반의 인공 신경망 아키텍처가 갖는 한계점인 네트워크의 복잡성에 따른 집적도 증가, 전력소모와 처리속도 문제를 해결하는 방안을 제시함으로써 신경모방공학 기술의 실현 가능성을 보일 수 있었다. 신경 모방 소자 및 뉴로모픽 응용 관련 연구 내용이 신경모방 연구가 지향해야 할 방향 선정에 있어 의미 있는 연구가 되기를 기대한다.