KAIST 김경민 교수 연구팀이 반도체의 잡음을 없애는 대신 뇌의 뉴런처럼 정보처리에 활용하는 '프로그래밍 가능한 확률 뉴런(PPN)'을 개발했다. 연구팀은 멤리스터 소자의 저항 상태를 조절해 전류 잡음의 크기·변동 특성을 바꾸고, 이를 증폭해 뇌 뉴런의 스파이크와 유사한 불규칙 전기신호를 만들었다. 하나의 뉴런 회로로 멤리스터 상태만 바꿔 느린 신체 움직임 신호와 빠른 음성 신호에 각각 최적화해 반응하도록 할 수 있으며, 검증 결과 동작 인식 정확도 94.8%, 음성 인식 정확도 95.0%를 기록했다. 연구 결과는 국제 학술지 어드밴스드 머터리얼즈에 지난 5일 게재됐다.

• •멤리스터 소자의 저항 조절로 잡음 특성을 바꿔 뇌 뉴런과 유사한 '스파이크' 신호를 생성하는 PPN 개발.
• •하나의 회로로 느린 신체동작 신호와 빠른 음성 신호에 선택적으로 반응하도록 재구성 가능.
• •동작 인식 정확도 94.8%, 음성 인식 정확도 95.0% 확인.
• •저전력 두뇌모사(뉴로모픽) AI 반도체 및 웨어러블 기기 신호처리 기술로 활용 기대.
• •연구는 국제학술지 어드밴스드 머터리얼즈에 지난 5일 게재, 김도훈 박사가 제1저자.