[더테크=전수연 기자] 국내 연구진이 공정 비용은 낮고 초저전력 동작이 가능해 기존 메모리를 대체하거나 차세대 AI 하드웨어를 위한 ‘뉴로모픽 컴퓨팅(Neuromorphic Computing)’ 구현에 사용될 메모리 소자를 개발했다. KAIST는 전기및전자공학부 최신현 교수 연구팀이 디램(DRAM), 낸드(NAND) 플래시 메모리를 대체할 수 있는 ‘초저전력 차세대 상변화 메모리 소자(Phase Change Memory, 열을 사용해 물질의 상태를 비정질과 결정질로 변경하고 이를 통해 저항 상태를 변경하면서 정보를 저장·처리하는 메모리 소자)를 개발했다고 4일 밝혔다. 기존 상변화 메모리는 값비싼 초미세 반도체 노광공정을 통해 제작하며 소모 전력이 높은 문제점이 있었다. 최 교수 연구팀은 상변화 물질을 전기로 국소 형성하는 방식을 통해 제작한 초저전력 상변화 메모리 소자로 노광공정 없이 매우 작은 나노미터 스케일의 상변화 필라멘트를 자체 형성했다. 이는 공정 비용이 매우 낮을 뿐 아니라 초저전력 동작이 가능하다는 장점이 있다. 현재 사용되고 있는 메모리인 디램은 속도가 매우 빠르지만 전원이 꺼지면 정보가 사라지는 휘발성 특징을 갖고 있으며 저장장치로 사용되는
[더테크=조재호 기자] 국내 연구진이 현재 반도체 산업체에서 사용되는 실리콘 소재, 공정만을 사용해 초소형 진동 신경망을 구축하고 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제를 해결했다. KAIST는 전기및전자공학부 최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다. 그래프 색칠 문제는 그래프 이론에서 사용되는 용어로 그래프의 각 정점에 서로 다른 색을 할당해야 한다. 이러한 색 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있다. KAIST는 빅데이터 시대가 도래하면서 AI이 기술이 발전하고 있고 인간이 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이라고 분석했다. 진동 신경망은 기본단위에 해당하는 진동자의 연결 동작을 이용하며 신호의 크기가 아닌 진동을 이용해 연산을 수행하면서 소모 전력 측면에서 이점을 갖고 있다. 연구팀은 실리콘 기반 진동자를 이용해 진동 신경망을 개발했