정윤영 교수 연구팀은 사람의 뇌가 정보를 기억하고 학습하는 방식을 닮은 IGZO 기반 인공지능 반도체 소자를 개발하였다. 인공지능이 학습하려면 정보의 중요도를 조금씩 조절해야 하는데, 연구팀은 이를 반도체에 흐르는 전류를 여러 단계로 바꾸는 방식으로 구현하였다.

기존의 소자는 학습이 진행될수록 전류 변화가 일정하지 않아, 원하는 값을 만들기 위해 전기 신호를 계속 조절해야 하는 문제가 있었다. 때문에 연구팀은 단 2개의 IGZO 트랜지스터를 이용해, 같은 전기 신호를 반복해서 사용해도 전류가 일정한 간격으로 증가하고 감소할 수 있는 새로운 동작 방식을 제안하였다.

개발된 소자는 전류 상태를 220단계로 세밀하게 조절할 수 있었으며, 손글씨 숫자 인식 시뮬레이션에서도 3% 미만의 오류율과 이상적인 소자 대비 99% 이상의 성능을 보였다. 이번 연구는 이러한 성과를 인정받아 IEEE Electron Device Letters에 게재 승인되었다.

[연구자명]

1. 성수원, 하태준, 정상욱, 강대환, 정윤영(지도교수)
2. 
   

[연구제목]

1. Highly Linear and Symmetric Multilevel IGZO 2T Device Utilizing Identical Potentiation and Depression Pulses
2. 
   
3. [연구내용 요약]
4. 최근 인공지능 기술이 발전하면서, 사람의 뇌처럼 정보를 기억하고 학습할 수 있는 반도체가 주목받고 있다. 사람의 뇌가 시냅스의 연결 강도를 바꾸며 학습하는 것처럼, 인공지능 반도체는 소자에 흐르는 전류를 여러 단계로 조절해 정보의 중요도인 ‘시냅스 가중치(weight)’를 저장한다.

   정확한 학습을 위해서는 전기 신호를 줄 때마다 가중치가 일정하게 증가하거나 감소하는 것이 중요하다. 하지만 기존 시냅스 소자는 학습이 진행될수록 전류 변화가 불규칙해져, 원하는 값을 만들기 위해 신호의 크기나 시간을 계속 조절해야 하는 문제가 있었다.

   연구팀은 이를 해결하기 위해 두 개의 IGZO 트랜지스터로 구성된 2T 시냅스 소자를 개발하였다. 두 트랜지스터의 특성이 서로 보완되도록 설계해, 같은 전기 신호를 반복해도 전류가 일정한 간격으로 증가하거나 감소하도록 만들었다.

   그 결과, 개발된 소자는 220단계의 세밀한 상태 조절이 가능했으며, 손글씨 숫자 인식 시뮬레이션에서 3% 미만의 오류율과 이상적인 소자 대비 99% 이상의 성능을 보였다. 이는 단 2개의 트랜지스터만으로도 정확하고 효율적인 인공지능 학습이 가능함을 보여주었다는 점에서 중요한 의의를 가진다.

5. 
   

[성과와 관련된 이미지 및 설명]

1. (a) 기존에 연구되어 왔던 다양한 뉴메모리 소자는 같은 전기 신호를 반복해서 넣어도 전류 변화가 일정하지 않아, 가중치가 비선형적이고 증가/감소 방향도 서로 비대칭하게 변한다.

   반면 (b) 본 연구의 IGZO 물질을 활용한 2Transistor 소자는, 동일한 형태의 전기 신호를 반복적으로 사용하면서도, 전류가 증가할 때와 감소할 때 모두 거의 일정하고 대칭적으로 변화하도록 설계되었다. 따라서 복잡한 신호 조절 없이도 보다 정밀한 인공지능 학습이 가능하다.

(좌) 2T device 소자 구조와, (우) 실제 광학 현미경으로 본 구조

[연구결과의 진행상태 및 향후 계획]

본 연구진은 이번 연구의 IGZO 2T 인공지능 시냅스 기술을 바탕으로 더 많은 소자를 연결한 대규모 인공지능 반도체로 연구를 확장할 계획이다. 특히 복잡한 전기 신호 조절 없이도 가중치를 정밀하게 변화시킬 수 있다는 장점을 활용하여, 향후 보다 단순한 회로 구조로 높은 정확도의 인공지능 학습을 수행할 수 있는 저전력 인공지능 반도체 개발을 위한 연구를 이어갈 계획이다.

[논문실적]

IEEE Electron Device Letters [Accepted]
DOI: 10.1109/LED.2026.3725232