3중 모드 (Triple-Mode) 소자로 전기·광학적 단기/장기 기억 모드 완벽 통합
하드웨어 기반의 초저전력 인공지능 연산 가능성 입증
국제 권위 학술지 ‘Advanced Science’에 연구 성과 게재

▲ (왼쪽부터) 전자전기공학부 김성준 교수, 이현호 석사과정생

동국대학교 전자전기공학부 이현호 석사과정생(제1저자)과 김성준 교수(교신저자) 연구팀이 단일 소자에서 전기적·광학적 기억을 동시에 처리하는 하이브리드 입력 기반의 저장소 컴퓨팅(Reservoir Computing) 시스템을 구현했다고 밝혔다. 연구팀은 실리콘 질화막(Si3N4), 하프늄 지르코늄 산화물(HZO), 인듐 갈륨 아연 산화물(IGZO)을 결합한 3층 구조의 강유전체 박막 트랜지스터(FeTFT)를 개발·적용해 시스템 구현에 성공했다.

이번 연구는 기존에 분리되어 있던 세 가지의 독립적인 메모리 메커니즘을 단일 게이트 스택에 완벽하게 통합해 주목받고 있다. 연구팀은 HZO층의 강유전성 분극을 이용한 '비휘발성 전기적 장기 기억(Electric LT)', Si3N4층의 전하 트래핑을 이용한 '휘발성 전기적 단기 기억(Electric ST)', 그리고 IGZO 채널의 광학적 이온화를 활용한 '휘발성 광학 단기 기억(Optical ST)' 모드를 하나의 3단자 소자에서 독립적으로 제어하는 데 성공했다.

연구팀은 연산 정확도를 극대화하기 위해 전기적 자극과 광학적 자극이 만들어내는 서로 다른 속도의 단기 기억의 붕괴 시간차를 결합하고, 기존 1×4 배열이 갖는 데이터 왜곡 문제를 해결한 ‘2×2 매트릭스 하이브리드 매핑 모델’을 새롭게 제시했다. 이를 통해 MNIST 인식 테스트에서 92.43%라는 높은 인식 정확도를 달성했다.

특히 이번 시스템은 전력 소모를 최소화하면서도, 전기와 광학이라는 두 가지 이종 단기 기억(ST) 모드를 유기적으로 결합해 복잡한 정보에 대한 데이터 변별력을 획기적으로 높였다. 이러한 하이브리드 매핑 방식은 기존 단일 모드 시스템의 정확도 한계를 극복하여, 고성능 인공지능 연산이 필요한 스마트 팩토리, 지능형 보안 시스템, 차세대 모빌리티 등 다양한 산업 현장의 맞춤형 센서 기술로 폭넓게 활용될 수 있을 것으로 기대를 모은다.

김성준 교수는 "이번 연구는 반도체 소재의 물리적 현상을 연산에 직접 활용함으로써 하드웨어 기반 AI의 성능적 한계를 물리적으로 돌파한 결과"라며, "전기와 빛을 동시에 처리하는 이종 결합 기술은 향후 온디바이스 AI 시장에서 경쟁력 있는 기술이 될 것"이라고 강조했다.

연구결과는 <Triple-Mode Ferroelectric Thin-Film Transistor for Hybrid Electrical – Optical Reservoir Computing>이라는 제목으로, 국제 권위 학술지 「Advanced Science(2026) (IF = 14.1)」에 게재되었다.

한편, 이번 연구는 산업통상자원부와 한국산업기술진흥원(KIAT)이 주관하는 산업혁신인재성장지원사업, 과학기술정보통신부 한국연구재단(NRF) 글로벌 기초연구실, 교육부·서울시가 지원하는 지역혁신중심 대학지원체계(RISE)의 지원을 받아 수행됐다.