본문 바로가기
HOME> 동향 > 동향 검색상세

동향 상세정보

광학 수단을 통한 멤리스터의 학습 특성의 가역적 제어
Reversibly controlling the learning properties of memristors via optical means

해외과학기술동향

2017-10-30


멤리스터 (Memristors) 또는 저항성 메모리 (resistive memory)는 차세대 메모리 및 컴퓨팅 장치에 매우 유망한 나노 전자 장치이다. 그것들은 기존의 레지스터와 비슷한 2 단자 전기 소자이다. 그러나 멤리스터의 전기 저항은 통과하는 전하에 따라 달라진다. 이것은 그 컨덕턴스가 전하 또는 플럭스에 의해 정확하게 변조될 수 있음을 의미한다. 이의 특별한 특성은 그 저항이 프로그래밍 (저항 기능) 될 수 있고 그 이후에 (메모리 기능) 저장된다.

이러한 의미에서, 멤리스터는 동일한 스위칭 특성을 나타내기 때문에 사람 뇌의 시냅스와 유사하다. 즉, 높은 수준의 가소성으로 자체 전달의 영향을 받는 뉴런 사이의 신호 전달 효율을 수정할 수 있다. 이것이 연구자들이 인간 두뇌에서 학습 및 계산의 일부 측면을 모방한 신경형 (즉, 두뇌형) 컴퓨팅을 위한 전자 시냅스 제조에 멤리스터를 사용하기를 희망하는 이유이다.

인간의 두뇌는 순수한 숫자 처리에서 느릴 수 있지만 이미지 및 음성 인식과 같은 빠른 동적 감각 정보를 처리하는 데 탁월하다. 걷는 것은 우리가 당연한 것으로 받아 들여지지만, 로봇 특히 고르지 않은 지형에 대해서는 상당히 어려움이 있다.

또한 컴퓨터는 창의성, 복잡한 작업 이해 또는 모호한 상황에서의 의사 결정과 같은 개발 능력을 개발하는데 여전히 먼 길을 걷고 있다. VLSI 기술은 오랫동안 인간의 사고 능력을 모방하려고 노력 해왔다. 가장 유명한 예로는 IBM의 왓슨 (Watson) 컴퓨터가 있다. 이 컴퓨터는 퀴즈 쇼 제퍼디 (Jeopardy)에서 두 명의 선수를 이겼다. 이것은 큰 성과이지만, 이 컴퓨터는 매우 크고 엄청난 힘을 소비한다. 대조적으로, 인간의 두뇌는 매우 작고 (약 1.4kg), 매우 적은 전력 (약 10-25 와트 만)을 소비하며, 구성 요소가 고장 나더라도 잘 작동하며 소프트웨어 없이도 작동하는 것으로 보인다.

멤리스터는 SRAM과 DRAM의 경쟁자가 될 수 있을 뿐 아니라 스위칭 속도가 매우 빠르며 나노 수준으로 확장이 가능하고 초 저전력 소모 (플래시 메모리처럼 비 휘발성 동작은 사용하지 않을 때 전력을 소모하지 않는다는 것을 의미한다.), 그들은 또한 인간의 두뇌에서 시냅스와 같은 전환 특성을 나타낸다.

멤리스터는 전통적인 컴퓨터가 기반으로 하는 기존의 폰 노이만 (von Neumann) 아키텍처와는 다른 새로운 유형의 컴퓨터를 만들 수 있는 기회를 제공한다. 연구팀은 멤리스터 장치를 동적으로 재구성 가능하고 적응력 있게 만드는데 중점을 두고 있다. 이 기술이 더 스마트하고 복잡한 동작을 나타낼 수 있는 차세대 인공 지능 시스템을 만드는 길이라고 믿고 있다. 고밀도 집적화 및 저전력 사용으로 인해 이러한 시스템은 가볍고 휴대 가능하며 너무 자주 다시 충전할 필요가 없다. 이는 로봇 등에 실제로 필요한 것이다.

연구팀은 나노스케일 (Nanoscale)의 새로운 논문 ("Reversible Optical Switching Memristors with Tunable STDP Synaptic Plasticity: A Route to Hierarchical Control in Artificial Intelligent Systems")에서 광학 수단을 통해 멤리스터의 학습 특성을 가역적으로 제어 할 수 있는 능력을 입증했다.

가역성은 빛의 편광을 변화시킴으로써 달성된다. 연구자들은 멤리스터에서 튜닝 가능한 학습을 ​​입증하기 위해 이 효과를 사용했다. 이것이 달성되는 한 가지 방법은 인간의 두뇌에서 발생하는 것으로 알려진 효과이며, 감각 지각, 공간 추론, 언어 및 신피질의 의식적 사고와 관련이 있는 STD (Spike Timing Dependent Plasticity)라는 것을 통해 이루어진다.

STDP 학습은 인접한 두 뉴런의 신호 도착 시간의 차이를 기반으로 한다. 연구팀은 광학적 수단을 통해 시냅스 가소성을 조절하여 장치가 조정 가능한 학습을 ​​할 수 있음을 보여주었다.

연구 결과는 빛이 멤리스터의 학습 특성을 제어하는​​데 사용될 수 있다는 것을 보여주기 때문에 중요하다. 빛이 인공 멤리스터 시냅스의 연결 강도 (또는 전도성)를 변경하고 잊을 수 있는 능력을 제어하기 위해 가역적인 방식으로 사용될 수 있음을 보여주었다. 즉, 장치를 단기간 또는 장기간 메모리로 동적으로 변경할 수 있다.

이것은 동적으로 수행될 수 있기 때문에, 계산 시스템이 상이한 기능 요구 (예 : 시각 또는 음성 인식) 또는 계산 요구의 변화에 ​​대한 학습 특성을 미세 조정할 수 있다.

연구팀은 빛을 통해 제어할 수 있는 적응형 전자 회로 또는 뉴로모픽 컴퓨팅 (neuromorphic computing)과 같은 보다 복잡한 시스템에서 광학적으로 재구성 가능한 신경 회로망의 개발과 같은 많은 잠재적 인 애플리케이션이 있다고 주장했다.

광학적으로 제어 가능한 멤리스터를 갖는 것은 인공 뇌와 유사한 시스템에서 계층적 제어의 구현을 용이하게 할 수 있어 인간의 두뇌에서 생물학적 분자에 의해 수행되는 핵심 프로세스 중 일부는 빛으로 패터닝을 통해 고체 상태 장치에서 모방될 수 있다.

이러한 과정 중 일부는 시냅스 제거, 단기 기억의 장기 기억으로의 전환, 더 이상 필요하지 않은 기억의 삭제 또는 새로운 정보를 학습하는데 더 능숙한 시냅스의 감도 변화 등을 포함한다.

빛은 또한 인간 두뇌와 마찬가지로 영역으로 멤리스터의 큰 배열을 패턴하는데 사용할 수 있다. 각 지역은 걷기 학습, 안면 인식, 단기 기억 및 장기 기억을 위한 언어 또는 영역 이해 등 특정 요구에 대해 다른 학습 속성을 갖는다.

공간적 패터닝이나 광원의 강도 조정을 통해 신경망을 즉각적으로 재구성할 수 있기 때문에 공간적으로나 시간적으로 동적으로 제어할 수 있는 기능이 특히 흥미롭다.

빛에 의한 멤리스터의 전기적 특성의 변조가 새로운 차원의 기능을 제공한다. 예를 들어 광전자의 경우 새로운 형태의 광 스위치가 집적된 광 회로와 적응형 전자 공학을 위해 만들어 질 수 있다. 이 경우 스위칭 속도는 극적으로 향상될 필요가 있다.

나노스케일의 새 논문에서 현재, 이 디바이스는 신경 수술 컴퓨팅 애플리케이션에 더 적합하며, 고속일 필요는 없다. 멤리스터의 광학 제어는 동적으로 조정 가능하고 다시 프로그래밍할 수 있는 시냅스 회로뿐 만 아니라 크고 복잡한 인공 지능 시스템에서 계층적 제어가 가능한 능력을 광학 패터닝을 통해 가능하게 한다.

광 패터닝은 병렬 프로세스이기 때문에 신경 메모리 어레이 사이에 저장된 정보 (또는 시냅스 가소성의 상태)를 전송하여 신경 회로의 대량 생산을 가능하게 하고 교육 장치 후 처리 생산의 필요성을 제거하는 수단으로 사용될 수도 있다.

과학자들은 이미 장치의 감도를 증가시켜 전도도의 3 ~ 4 배의 변화를 나타내고 있다. 다음 단계는 장치의 스위칭 속도를 향상시키는 것이다. 초기 목표는 밀리 초 (millisecond) 스위칭이지만 다소 느린 것처럼 보이지만 이러한 속도는 생물 시스템에서 사용되는 스위칭/신호 속도와 유사하다.

인공 지능은 많은 분야, 특히 음성/이미지 인식 및 자율 시스템 분야에서 실제로 강하게 나타나기 시작했다. 산업 혁명이 농업과 생산 과정과 마찬가지로 다음 혁명이라고 말할 수 있다. 트랜지스터의 크기를 줄이는 것이 매우 어렵기 때문에 계산 능력을 높이는 것이 점점 더 어려워지고 있다. 무어의 법칙의 잠재적 종말은 매우 가까워 지고 있다. 가장 가능성 있는 새로운 유형 컴퓨터를 개발할 필요가 있을 것이다 (예 : 양자 컴퓨터). 이는 기존의 폰 노이만 컴퓨팅과 새로운 뉴로모픽 컴퓨팅 접근 방식을 결합하여 계산이 발전하기까지는 어려울 것이다.

  • 관련연구자

    Neil T. Kemp

  • 관련기관

    University of Hull

  • 과학기술분류

    재료, 물리학, 전기/전자

  • 본문키워드(한글)

    멤리스터,뉴로모픽 컴퓨팅,빛,메모리

  • 본문키워드(영문)

    memristor,neuromorphic computing,light,memory

  • 원문언어

    영어

  • 국가

    영국

  • 원문출판일

    2017-10-30

  • 출처

    https://www.nanowerk.com/spotlight/spotid=48464.php