멤리스터는 시냅스와 뉴런의 특성을 직접 구현할 수 있는 반도체 소자로, 이를 활용하면 에너지 효율적인 뉴로모픽 반도체를 간단히 구현할 수 있다. KAIST 신소재공학과 김경민 교수 연구팀은 다양한 기능성 멤리스터 소자를 조합하여 설명 가능한 AI (XAI)를 위한 초저전력 뉴로모픽 하드웨어와 곤충 시각을 모방한 뉴로모픽 시각 소자를 개발하여 에너지 효율적인 컴퓨팅을 실현한다.

뉴로모픽 반도체는 전통적인 폰-노이만 아키텍처의 한계를 넘어서는 혁신적인 컴퓨팅 기술이다. 기존 시스템에서는 데이터 처리와 저장이 별도로 이루어지지만, 뉴로모픽 반도체는 인간 뇌의 신경망을 모방하여 동시에 정보를 처리하고 저장할 수 있다. 이 기술은 폰-노이만 아키텍처 기반 시스템에서 발생하는 데이터 병목 현상을 해결하여, 더 효율적인 데이터 처리가 가능하고 컴퓨팅 성능을 크게 향상시킨다.

KAIST 신소재공학과 김경민 교수 연구팀은 최근 이 분야에서 두 가지 중요한 성과를 이루어냈다. 그들은 설명 가능한 AI (Explainable AI. XAI)를 위한 초저전력 하드웨어와 곤충처럼 사물 움직임을 감지하는 반도체 소자를 개발했다.

첫째로, 연구팀은 다양한 멤리스터 소자를 이용해 설명 가능한 AI(XAI)를 구현하는 초저전력 하드웨어 기술을 개발하는 데 성공했다. AI가 일상화되면서 AI가 어떤 기준으로 결정을 내리는지 이해하는 것이 중요해졌지만, AI 시스템의 복잡성 때문에 이를 투명하게 이해하기 어려운 경우가 많다. XAI는 이러한 문제를 해결하기 위해 AI의 결정을 이해할 수 있도록 만드는 기술이다. <그림 1> 연구팀은 세 가지 서로 다른 멤리스터 소자를 이용해 교란 기반 XAI 시스템을 하드웨어로 구현하였고, 이를 통해 기존 CMOS 기술 대비 에너지 소비를 24배 줄이면서 AI 판단의 이유를 제공할 수 있음을 확인했다. <그림 2> <그림 3>

또 다른 성과로, 연구팀은 곤충의 시각 지능을 모사하여 물체의 움직임을 감지하는 지능형 동작 감지 소자를 개발했다. 기존의 비전 시스템은 많은 데이터 트래픽과 높은 전력 소모를 필요로 하여 모바일 또는 사물인터넷 장치에 적용하기 어려웠지만, 곤충은 간단한 신경 회로를 통해 효율적으로 시각 정보를 처리한다. <그림 4> 연구팀은 멤리스터 소자를 활용해 이 기능을 모방하여, 기존 기술 대비 에너지 소비를 92.9% 줄이면서 더 정확한 동작 예측이 가능한 시스템을 개발했다. <그림 5> <그림 6>