메모리, 연산, 보안을 하나로 통합한 광 기반 뉴로모픽 시스템 제안
재료과학 분야 국제 저명 학술지 ‘Advanced Functional Materials’ 최신판 온라인 게재

▲ (왼쪽부터) 전자전기공학부 김성준 교수 (교신저자), 전자전기공학과 박효근 석사과정생(제1저자), 장희성 석사과정생(제1저자), 박승만 석사과정생(제1저자)

동국대학교 전자전기공학과 박효근 석사과정생(제1저자), 장희성 석사과정생(제1저자), 박승만 석사과정생(제1저자), 김성준 교수(교신저자)로 구성된 연구팀이 단일 소자 멤리스터에서 빛을 이용해 메모리·연산·보안 기능을 하나로 통합하는데 성공했다고 밝혔다.

연구팀이 개발한 ITO/IGZO/TaN 구조의 멤리스터 소자는 405nm와 532nm의 두 가지 빛 자극을 이용해 전도 특성을 정밀하게 조절할 수 있으며, 이를 통해 시냅스의 강화와 약화를 모사하는 뉴로모픽 학습 기능이 구현됐다. 이번에 개발된 소자는 전기 자극 없이 빛으로 동작하기 때문에, 전력 소모가 적고 고속 연산이 가능하다.

개발된 소자는 Fashion-MNIST 이미지 분류 실험에서 88.39%의 높은 인식 정확도를 달성했으며, 빛 자극만으로도 신경망 학습이 가능함을 입증했다. 또한 연구팀은 실험에서 얻은 광응답 특성을 확률적 신경망 모델인 제한 볼츠만 머신(RBM)에 적용해 95.06%의 이미지 재구성 정확도를 기록했다. 연구팀은 “소자가 스스로 확률적 학습을 수행할 수 있다는 사실과 함께, 빛으로 동작하는 인공 뉴런의 구현 가능성을 보여준 것”이라고 밝혔다.

이번 소자는 광 입력 신호를 인식하고 해석하는 모스 부호 실험에서 안정적인 반응을 보였다. 입력된 빛의 패턴을 시간 차이로 구분해 문자 신호를 복원함으로써, 단순한 학습 기능을 넘어 빛을 이용한 정보 인식·전달 기능을 입증했다. 또한, 연구진은 전기와 빛 자극을 병행해 AND, OR와 같은 기본 논리 연산을 구현하며 단순하고 효율적인 광자 기반 연산 구조를 함께 제시했다.

연구진은 이번 연구에서 소자의 미세한 구조적 불균일성과 광응답 변동성을 이용해 물리적 복제방지 기능(PUF)까지 구현했다. 동일 공정 조건에서도 각 소자가 서로 다른 전기적 특성을 나타내는 점을 활용해, 소자 자체가 고유한 하드웨어 지문을 생성하도록 설계했다. 이를 통해 외부 해킹이나 복제에 대한 높은 보안성을 확보했으며, 별도의 암호화 회로 없이도 하드웨어 수준의 보안 인증 기능을 수행할 수 있음을 실험적으로 입증했다.

김성준 교수는 “이번 연구는 학습, 연산, 보안이 가능한 광자 뉴로모픽 하드웨어를 제시한 것”이라며, “향후 엣지 컴퓨팅, 자율주행, 보안형 AI 반도체 등 다양한 분야로 확장될 수 있을 것”이라고 밝혔다.

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

해당 연구결과는 <Photonic Encoding-Driven Neuromorphic and Cryptographic System Based on Oxide Semiconductor Device>라는 제목으로 반도체 재료 분야 저명 국제 학술지 「Advanced Functional Materials (IF=19)」에 2025년 11월 온라인에 게재됐다.