유기물 유연성·무기물 안정성 결합…생체 시냅스 특성 모사
근전도 기반 손동작 인식…차세대 온디바이스 AI 활용 기대
국내 대학 연구진이 유기물의 유연성과 무기물의 안정성을 결합한 인공 시냅스 기술을 구현했다. 근전도 신호를 이용한 손동작 인식에도 적용해 차세대 웨어러블·온디바이스 인공지능(AI) 하드웨어로 활용할 가능성을 제시했다.
서울시립대학교는 전자전기컴퓨터공학부 박동욱·김윤 교수 연구팀이 ‘유무기 하이브리드 전하 트랩 시냅스 소자’를 개발했다고 21일 밝혔다.
연구팀은 기존 뉴로모픽 소자의 유연성과 안정성 문제를 보완하기 위해 무기물 전하 트랩층(HfOx)과 유기 반도체(DPP-DTT)를 유연한 생체적합 기판인 파릴렌-C(Parylene-C)에 결합했다. 유기 반도체의 유연성과 무기물의 안정성을 동시에 확보하기 위한 구조다.
특히 유기물과 무기물의 경계면에 형성되는 전하 트랩을 이용해 전하가 일시적으로 포획됐다가 방출되는 현상을 구현했다. 이를 통해 뇌 시냅스에서 나타나는 일시적인 전도도 변화와 단기 가소성(STP)을 모사했다.
연구팀은 개발한 소자를 물리적 리저버 컴퓨팅(PRC) 시스템에 적용해 시간에 따라 변하는 생체 신호를 처리하는 성능도 검증했다. 표면 근전도(sEMG)를 이용한 손동작 분류에서 약지 굴곡은 87.0%, 새끼손가락 굴곡은 87.4%의 정확도를 보였다. 손글씨 숫자 데이터인 MNIST 분류에서도 높은 인식 성능을 나타냈다.
물리적 리저버 컴퓨팅은 입력된 시간 정보를 소자의 물리적 특성을 이용해 처리하는 방식이다.
연구에는 김경빈 연구원과 김보람 박사가 공동 제1저자로 참여했다. 김 연구원은 소자 설계·제작과 단기 가소성 특성 측정 등을, 김 박사는 PRC 시스템 설계와 숫자 분류·손동작 인식 모의실험을 맡았다.
박동욱 교수는 “기존 컴퓨팅 방식의 폰 노이만 병목 현상을 극복할 수 있는 저전력·고효율 해결책을 제시했다”고 말했다.
김윤 교수는 “실시간으로 변화하는 복잡한 생체 신호를 효과적으로 처리할 수 있음을 입증했다”며 “엣지 컴퓨팅과 실시간 신호 분석, 적응형 센싱 시스템 등 차세대 유연 뉴로모픽 하드웨어에 활용할 수 있을 것”이라고 말했다.
연구 결과는 국제학술지 ‘npj Flexible Electronics’에 게재됐다. 이번 연구는 과학기술정보통신부와 한국연구재단 등의 지원을 받아 수행됐다.
댓글
0