동국소식

학술·연구

동국대 김성준 연구팀, InGaZnO 채널 기반 광전자 시냅스 트랜지스터 개발

등록일 2025.06.18. 조회 85

- 광학적 특성 활용해 하드웨어 기반 차세대 뉴로모픽 시스템 구현
- 소재·물리광학 분야 저명 국제 학술지 「Advanced Optical Materials」 게재

 

박수용 석사과정생, 김성준 교수

▲ 왼쪽부터 전자전기공학과 박수용 석사과정생, 김성준 교수


동국대학교(총장 윤재웅)는 전자전기공학과 김성준 교수 연구팀(단독1저자 박수용 석사과정생, 교신저자 김성준 교수)이 인듐-갈륨-아연 산화물(IGZO) 기반 광전자 시냅스 트랜지스터(Optoelectronic Synaptic Transistor, 이하 OST)를 활용해 축적컴퓨팅(Reservoir Computing) 및 시계열 예측이 가능한 뉴로모픽 시스템을 구현했다고 밝혔다.

 

본 연구결과는 <InGaZnO Optoelectronic Synaptic Transistor for Reservoir Computing and LSTM-Based Prediction Model>이라는 제목으로 소재·물리광학 분야 저명 국제 학술지 「Advanced Optical Materials (IF=8.0)」 2025년 5월 12일에 온라인 게재됐다.

 

이번 IGZO 기반 OST는 광 자극에 반응하여 단기 기억(Short-Term Memory, STM)과 시냅스 가소성(Synaptic Plasticity) 특성을 모사할 수 있다. 또한, RC 시스템에서 고차원 상태공간으로의 변환과 시계열 데이터 처리 능력을 향상시키는 기능을 수행한다. 기존 뉴로모픽 소자 대비 학습 비용은 적고 연산 효율이 높아 우수성이 입증된 소자다.

 

연구팀은 본 소자를 기반으로 5비트 RC 시스템을 구현하고, 이를 이용해 손글씨 숫자(MNIST) 및 패션 이미지(Fashion MNIST) 인식에 각각 95.75% 및 85.02%의 높은 정확도를 달성했다. 또한, Jena 기후 데이터를 이용한 LSTM(Long Short-Term Memory) 기반 시계열 예측 모델을 개발했으며, 연구에 따르면 실제 시냅스 소자의 가중치 변화를 모사한 학습 방식이 기존 모델 대비 더 높은 예측 정확도를 보였다.

 

김성준 교수는 “이번 연구는 박수용 학생이 동국대학교 MINT 청정실에서 공정과 실험을 주도적으로 수행해 이룬 의미 있는 성과”라며, “광 자극 기반 시냅스 가중치 조절을 통해 차세대 뉴로모픽 반도체 및 하드웨어 친화형 인공지능 구현에 핵심적인 역할을 할 수 있을 것”이라고 강조했다.

 

한편, 이번 연구는 한국연구재단 중견연구 사업 「축적컴퓨팅 구현을 위한 리텐션 조절 가능한 하프늄 기반 강유전체 소자 기술 및 수직적층 집적공정 개발」과 글로벌 기초연구실 「뉴로모픽 기술 기반 모빌리티 배터리 PHM 글로벌 기초연구실」의 지원을 받아 수행됐다.

목록
동국대학교 챗봇 서비스