실제 뇌 세포처럼 동작하는 인공 뉴런

풍부한 뉴런 기능, 단일 트랜지스터 풋프린트, 그리고 뉴로모픽 컴퓨팅 시스템을 위한 낮은 에너지 소비를 갖춘 통합 스파이킹 인공 뉴런은 트랜지스터 위에 확산 멤리스터 하나와 저항 하나를 적층하여 제작할 수 있습니다. 표지 사진은 이러한 통합 뉴런 어레이 칩을 보여주는데, 이 칩들은 대학의 클린룸에서 제작되었으며 각 뉴런의 활성 영역은 약 4μm²입니다. 출처: USC 양 연구실

USC 비터비 공과대학과 첨단 컴퓨팅 대학의 과학자들은 실제 뇌세포의 복잡한 전기화학적 작용을 재현하는 인공 뉴런을 개발했습니다. Nature Electronics 에 게재된 이 발견은 인간의 뇌를 본떠 하드웨어를 설계하는 분야인 뉴로모픽 컴퓨팅 분야에서 중요한 이정표를 세웠습니다. 이러한 발전은 칩 크기를 획기적으로 줄이고, 에너지 사용량을 획기적으로 줄이며, 인공지능이 인공 일반 지능(AI)에 한 걸음 더 다가갈 수 있도록 도울 것입니다.

수학적 모델을 통해서만 뇌 활동을 시뮬레이션하는 디지털 프로세서나 이전의 뉴로모픽 칩과 달리, 이 새로운 뉴런은 실제 뉴런의 작동 방식을 물리적으로 재현합니다. 자연적인 뇌 활동이 화학 신호에 의해 촉발되는 것처럼, 이러한 인공 뉴런은 실제 화학적 상호작용을 이용하여 계산 과정을 시작합니다. 즉, 단순한 상징적 표현이 아니라 생물학적 기능을 실제로 재현하는 것입니다.

새로운 종류의 뇌 유사 하드웨어

USC 컴퓨터 및 전기공학과의 조슈아 양 교수가 이끄는 이 연구는 10여 년 전 그가 수행했던 인공 시냅스에 대한 선구적인 연구를 기반으로 합니다. 연구진의 새로운 접근법은 "확산형 멤리스터"라는 소자에 중점을 두고 있습니다. 연구진은 이러한 소자가 기존의 실리콘 기반 전자 장치를 보완하고 향상시키는 차세대 칩 개발로 이어질 수 있는 방법을 제시합니다. 실리콘 시스템은 전자를 사용하여 계산을 수행하는 반면, 양 교수의 확산형 멤리스터는 원자의 움직임을 이용하여 생물학적 뉴런이 정보를 전달하는 방식과 더욱 유사한 과정을 생성합니다. 그 결과, 뇌처럼 정보를 처리하는 더 작고 효율적인 칩이 개발될 수 있으며, 잠재적으로 인공 일반 지능(AGI)으로 나아가는 길을 열 수 있습니다.

뇌에서는 전기 신호와 화학 신호가 모두 신경 세포 간의 소통을 주도합니다. 전기 자극이 시냅스라는 연결 부위에서 뉴런 끝에 도달하면, 다음 뉴런으로 정보를 전달하는 화학 신호로 변환됩니다. 수신된 신호는 다시 전기 자극으로 변환되어 뉴런을 통해 전달됩니다. 양 교수와 그의 동료들은 이 복잡한 과정을 놀라운 정확도로 자신의 장치에 재현했습니다. 이 설계의 주요 장점은 각 인공 뉴런이 단일 트랜지스터 크기에 맞춰져 있다는 것입니다. 기존 설계에서는 수십 개 또는 수백 개가 필요했습니다.

생물학적 뉴런에서 이온이라고 불리는 하전 입자는 신경계의 활동을 가능하게 하는 전기적 자극을 생성하는 데 도움을 줍니다. 인간의 뇌는 칼륨, 나트륨, 칼슘과 같은 이온에 의존하여 이러한 작용을 합니다.

은 이온을 이용한 뇌 역학 재현

새로운 연구에서 USC 신경모사 컴퓨팅 우수 센터 소장이기도 한 양 교수는 산화물 물질에 은 이온을 삽입하여 자연스러운 뇌 기능을 모방하는 전기 펄스를 생성했습니다. 여기에는 학습, 운동, 계획과 같은 기본적인 과정이 포함됩니다.

양 박사는 "인공 시냅스와 뉴런에 있는 이온이 정확히 같지는 않지만 이온의 움직임을 지배하는 물리학과 역학은 매우 유사합니다."라고 말했습니다.

양 박사는 "은은 확산이 쉽고, 매우 간단한 구조로 뉴런의 기능을 구현할 수 있도록 생물 시스템을 모방하는 데 필요한 역학을 제공합니다."라고 설명합니다. 뇌와 유사한 칩을 구현할 수 있는 이 새로운 장치는 은을 사용할 때 발생하는 이온 운동과 동적 확산 때문에 "확산형 멤리스터"라고 불립니다.

그는 팀이 인공 지능 시스템을 구축하기 위해 이온 동역학을 활용하기로 결정한 이유는 "인간의 뇌에서 일어나는 일이기 때문이며, 그럴 만한 이유가 있고, 인간의 뇌는 '진화의 승자, 가장 효율적인 지능 엔진'이기 때문"이라고 덧붙였습니다. 양 씨는 "더 효율적이에요"라고 말했습니다.

AI 하드웨어에서 효율성이 중요한 이유

양은 현대 컴퓨팅의 문제는 전력 부족이 아니라 비효율성이라고 강조합니다. "우리의 칩이나 컴퓨터가 무엇을 하든 충분히 강력하지 않다는 것이 아닙니다. 오히려 효율적이지 못하다는 것입니다. 너무 많은 에너지를 소모합니다."라고 그는 설명합니다. 오늘날의 대규모 인공지능 시스템이 방대한 데이터 세트를 처리하는 데 얼마나 많은 에너지를 소모하는지를 고려할 때 이는 특히 중요합니다.

양 박사는 뇌와 달리 "기존 컴퓨팅 시스템은 방대한 양의 데이터를 처리하거나 몇 가지 사례만으로 스스로 학습하도록 설계된 것이 아닙니다. 에너지와 학습 효율을 높이는 한 가지 방법은 뇌에서 관찰되는 원리에 따라 작동하는 인공 시스템을 구축하는 것입니다."라고 설명합니다.

순수한 속도만을 추구한다면, 최신 컴퓨팅을 구동하는 전자가 빠른 연산에 가장 적합할 것입니다. 하지만 그는 "이온은 전자보다 뇌의 원리를 구현하는 데 더 나은 매개체입니다. 전자는 가볍고 휘발성이 높기 때문에, 전자를 이용한 컴퓨팅은 하드웨어 기반 학습이 아닌 소프트웨어 기반 학습을 가능하게 하는데, 이는 뇌의 작동 방식과 근본적으로 다릅니다."라고 설명합니다.

이와 대조적으로 그는 "뇌는 막을 가로질러 이온을 움직여 하드웨어에서 직접 에너지 효율적이고 적응적인 학습을 달성하거나, 더 정확히 말하면 사람들이 '습식웨어'라고 부르는 것에서 학습한다"고 말합니다.

예를 들어, 어린아이는 손으로 쓴 숫자를 몇 번만 보고도 인식하는 법을 배울 수 있지만, 컴퓨터는 일반적으로 같은 작업을 수행하는 데 수천 번의 시도가 필요합니다. 그런데 인간의 뇌는 오늘날 슈퍼컴퓨터가 필요로 하는 메가와트급 전력에 비해 약 20와트의 전력만 소모하면서 이 놀라운 학습을 달성합니다.

잠재적 영향 및 다음 단계

양 교수와 그의 연구팀은 이 기술을 자연 지능 복제를 향한 중요한 진전으로 보고 있습니다. 그러나 그는 이 실험에 사용된 은이 아직 표준 반도체 제조 공정과 호환되지 않는다는 점을 인정합니다. 향후 연구에서는 유사한 효과를 낼 수 있는 다른 이온 물질을 탐색할 것입니다.

확산형 멤리스터는 에너지 효율과 크기 면에서 모두 효율적입니다. 일반적인 스마트폰에는 약 10개의 칩이 들어 있으며, 각 칩에는 수십억 개의 트랜지스터가 켜지고 꺼지면서 계산을 수행합니다.

"[이 혁신을 통해] 우리는 뉴런 하나당 트랜지스터 하나만 사용합니다. 칩 크기를 엄청나게 줄이고 에너지 소비도 엄청나게 줄이는 데 기여한 기본 요소를 설계하고 있습니다. 이를 통해 미래에도 비슷한 수준의 지능을 갖춘 AI를 지속 가능한 방식으로 구현할 수 있으며, 지속 불가능한 에너지를 소모하지 않아도 됩니다."라고 양은 말합니다.

이제 우리는 강력하고 컴팩트한 구성 요소인 인공 시냅스와 뉴런을 입증했으므로, 다음 단계는 이들을 대량으로 통합하여 뇌의 효율성과 능력을 얼마나 정확하게 재현할 수 있는지 시험하는 것입니다. 양 박사는 "더욱 흥미로운 것은 이러한 뇌 충실 시스템이 뇌 자체의 작동 방식에 대한 새로운 통찰력을 얻는 데 도움이 될 수 있다는 전망입니다."라고 말합니다.

출처: https://www.sciencedaily.com/releases/2025/11/251105050723.htm