나노기술 및 정책 정보

• 목록

텍사스 A&M 대학교(Texas A&M University)와 휴렛 팩커드 연구소(Hewlett Packard Labs) 및 스탠포드 대학교(Stanford University) 공동연구팀이 뇌세포와 거의 동일하게 작동하는 새로운 나노장치를 고안했음. 또한, 그들은 이러한 합성 뇌세포가 함께 결합되어 복잡한 네트워크를 형성하여 뇌와 같은 방식으로 문제를 해결할 수 있음을 보여주었음. 이번 연구는 단일 나노크기 장치로 뉴런을 모방할 수 있었던 첫 번째 연구임. 그렇지 않으면 수백 개의 트랜지스터가 필요할 것임. 연구팀은 인공 뉴런의 네트워크를 사용하여 가장 뛰어난 컴퓨터의 계산으로도 장난감 수준에 머무는 풀기 어려운 실제 문제를 성공적으로 해결할 수 있었음. 특히, 연구팀은 뇌를 모방한 시스템이 바이러스에서 가능한 돌연변이를 식별할 수 있다는 개념을 입증했으며, 이는 유전적 다양성을 나타내는 균주에 대한 백신 및 약물의 효능을 보장하는 데 매우 관련이 높음.

지난 수십 년 동안 디지털 기술은 주로 트랜지스터 기술의 발전으로 인해 더 작고 빨라졌음. 그러나 이러한 중요한 회로 구성요소는 얼마나 작게 만들 수 있는지에 대한 한계에 빠르게 근접하고 있어 트랜지스터를 대체하지는 않더라도 보완할 수 있는 새로운 유형의 기술을 찾기 위한 글로벌 노력이 시작되고 있음. 이러한 "스케일링 다운" 문제 외에도 트랜지스터 기반 디지털 기술에는 다른 잘 알려진 문제가 있음. 예를 들어, 그들은 대규모 데이터 세트를 제공할 때 최적의 솔루션을 찾는 데 어려움을 겪게 됨. 사무실에서 집까지의 최단 경로를 찾는 익숙한 예를 들어 본다면, 한 번 정차해야하는 경우 해결하기 매우 쉬운 문제임. 그러나 어떤 이유로 그 사이에 15 개의 경유지를 만들어야하는 경우 선택할 수 있는 경로가 430 억 개임. 이것은 이제 최적화 문제로 되며 현재의 컴퓨터는 이를 해결하는 데 다소 부적합함. 또한, 디지털 기계의 또 다른 힘든 작업은 보는 방향에 관계없이 동일한 얼굴을 식별하거나 소음 속에 묻혀있는 익숙한 음성을 인식하는 것과 같은 패턴 인식임. 그러나 두뇌는 인식 및 최적화 문제에 빠를뿐만 아니라 디지털 시스템보다 훨씬 적은 에너지를 소비함. 따라서 뇌가 이러한 유형의 작업을 해결하는 방법을 모방하는 뉴로모픽 시스템이 현재 디지털 기술이 직면한 컴퓨팅 장애물 중 일부를 잠재적으로 극복할 수 있음.

연구진은 뇌 또는 뉴런의 기본 구성요소를 구축하기 위해 각각 고유한 기능을 가진 서로 다른 무기 물질의 층으로 구성된 합성 나노 크기 장치를 제작했음. 그러나 연구팀은 이산화 니오븀 화합물로 만들어진 얇은 층에서 진정한 마술이 일어난다고 보고하였음. 이 영역에 작은 전압이 가해지면 온도가 상승하기 시작하여 온도가 임계값에 도달하면 이산화 니오븀 화합물은 절연체에서 도체로 빠르게 바뀜. 그러나 전류가 흐르기 시작하면 온도가 떨어지고 이산화 니오븀 화합물이 다시 절연체로 전환됨. 이러한 반복 전환을 통해 합성 장치는 생물학적 뉴런에 의해 생성되는 전기 스파이크 또는 활동 전위의 프로필과 매우 유사한 전류 펄스를 생성 할 수 있음. 또한, 합성 뉴런의 전압을 변경함으로써 연구원들은 전기 스파이크의 지속, 파열 및 혼란스러운 발화와 같이 뇌에서 관찰된 다양한 뉴런 행동을 재현했음. 이를 통해 연구팀은 트랜지스터 기반 회로에 비해 훨씬 낮은 에너지로 단일 전기 부품을 사용하여 약 15 가지 유형의 신경 자극 프로파일을 재현할 수 있었음.

합성 뉴런이 실제 문제를 해결할 수 있는지 평가하기 위해 연구진은 먼저 패턴 인식과 관련된 잘 알려진 신경 경로인 뇌의 피질과 시상 사이의 연결에서 영감을 받은 네트워크에 이러한 나노 크기 장치 24 개를 연결했음. 다음으로, 그들은 이 시스템을 사용하여 바이러스 유사종 재건 문제의 장난감 버전을 해결했음. 여기서 바이러스의 돌연변이는 유전자의 참조 없이 식별되었음.

본 연구 성과는 ‘Nature’ ("Third-order nanocircuit elements for neuromorphic engineering") 지에 게재됨