UPDATED. 2024-03-29 02:30 (금)
고려대 왕건욱 교수팀-전북대 김태욱 교수팀 생체신호 인지·학습 가능한 전자섬유형태의 착용형 뇌모방 전자소자 플랫폼 개발
고려대 왕건욱 교수팀-전북대 김태욱 교수팀 생체신호 인지·학습 가능한 전자섬유형태의 착용형 뇌모방 전자소자 플랫폼 개발
  • 이혜인
  • 승인 2020.07.13 12:02
  • 댓글 0
이 기사를 공유합니다

세계적 학술지 Science Advances 논문 게재
그림설명: (A) 뉴런과 뉴런사이 시냅스의 병렬연결을 통한 신호전달 개략도(상)와 뉴로모픽 연산 회로인 병렬 타입(NOR-type)의 인공 시냅스 어레이(synaptic array)구조(하), (B) 제작된 인공시냅스로 연결한 병렬 타입 인공 시냅스 어레이 구조와 개략도, (C) 인공시냅스 어레이에서 학습을 통해 인코딩된 ‘k“ 패턴, (D) 시뮬레이션에 사용된 정상 맥박형태와 4가지 부정맥 형태, (E) 심전도(ECG) 유형 학습을 위한 인공 뇌신경망 모델, (F) 70 %의 인식률을 보인 심전도 패턴 학습 테스트 결과, 100회의 굽힘 테스트 후에도 인식률에 큰 저하는 보이지 않음. 

뉴로모픽 칩은 뇌의 신경세포인 뉴런 사이에서 정보를 전달하는 시냅스의 작동방식을 모방해 기억과 연산을 동시에 수행하여 비정형 대용량 데이터를 고속, 저전력으로 처리하기 위한 차세대 컴퓨팅 소자 기술이다. 그 중, 생체신호진단을 위한 AI 하드웨어 기술이 접목된 헬스케어 시스템은 4차 산업 혁명의 핵심동력이 되는 혁신 기술로서 그 수요가 계속 증가하고 있다. 

 고려대학교(총장 정진택) KU-KIST 융합대학원 왕건욱 교수팀은 전북대 김태욱 교수팀과 함께 E-textile 차세대 헬스케어 시스템에 활용될 수 있는 AI 하드웨어 기초기술로서, 매우 안정된 인공 시냅스 소자를 직물처럼 직조가 가능한 일차원 형태로 개발하고, 이를 집적화하여, 대표적 생체신호인 심전도(electrocardiogram, ECG) 신호를 학습하고 진단하는 데에 성공했다.

 연구팀이 개발한 플랫폼은 여러 개의 시냅스 소자를 머리카락 두께 정도로 가느다란 Ag(은) 와이어(직경: 100 μm) 위에 제조하는 방법으로서, 유기 강유전체 (PVDF-TrFE)와 채널로 사용한 유기 반도체 펜타센 (pentacene)을 적층하여 전기적 정보를 여러 단계로 저장 할 수 있는 강유전체 기반 3단자(3-terminal) 구조로 되어 있다. 전달된 전기신호에 따라 유전분극을 바꾸는 강유전체의 특성은 인공 시냅스 소자의 전도도를 전기 자극에 따라 바꾸어 주는 역할을 하는데, 이는 두뇌의 뉴런 사이에서 자극에 따라 신경전달물질을 전달하며 기억과 관련된 기능을 수행하는 시냅스와 같은 기능을 모사할 수 있게 해준다. 

 연구팀이 개발한 인공시냅스는 뉴런 간의 시냅스 연결 강도를 조절해 기억 저장을 하는 장기강화작용, 기억을 지우는 장기억제 작용 등 기억작용의 핵심기능인 시냅스 가소성을 안정적으로 구현했으며, 매우 harsh한 기계적 변형 조건에서도 그 특성이 유지되는 것을 확인했다. 또한, 구조적으로도 기존에 보고된 다른 직물형태의 소자보다 뉴로모픽 기술적용에 유리한 장점을 갖고 있다. 3단자 구조에서 게이트 역할을 하는 은 와이어 위에 다중으로 올라가 있는 인공시냅스 소자는 소스와 드레인으로 활용되는 별도의 은 와이어와 함께 직물처럼 전자섬유(e-textile) 형태로 직조가 가능하며 뉴로모픽 연산 회로인 병렬 타입(NOR-type)의 인공 시냅스 어레이(synaptic array)로 쉽게 구성 가능하다. 이는 기존의 직물형 구조에서 누설전류로 인한 인접 셀(cell)간의 간섭 문제와 인공신경망 회로구성을 위한 추가적인 회로구성 요구문제를 해결할 수 있는 방법으로, 직물형태로서 착용성이 중요한 헬스케어 디바이스에 적용할 때 유리한 플랫폼 기술이 될 것으로 기대된다.

 연구팀은 생체신호 학습과 인지 테스트에서 인공시냅스 소자의 전기적 특성을 기반으로 하여, 정상상태 심장박동과 4가지 부정맥 형태의 5가지 심전도(ECG) 유형에 대한 학습을 진행했다. 이때, 인공시냅스 소자로 이루어진 인공 뇌신경망 모델은 이 부정맥 진단 시뮬레이션에서 70%의 정확도를 얻어내는 결과를 보였다. 이 같은 결과를 바탕으로 왕건욱 교수는 “뉴로모픽 기술을 응용한 차세대 헬스케어 분야의 핵심 기술로써 신체에서 나오는 생체신호를 실시간으로 분석하고 이상 징후를 알려줄 수 있는 기술개발의 가능성을 보여주는 것”이라고 연구의 의의를 설명했다.

이번 연구 결과는 향후 웨어러블 기반의 뉴로모픽 하드웨어 기술개발과 차세대 지능형 헬스케어 시스템 개발의 초석으로 될 수 있을 것으로 기대되며, 그 우수성을 높게 평가받아 세계적 학술지 Science의 자매지인 Science Advances(impact factor: 13.116)에 7월 11자로 게재됐다.

이번 연구는 한국연구재단(2019R1A2C2003704, 2019R1A6A3A01095700, 2020R1A2C2010163), KU-KIST school 사업, 고려대 연구사업 그리고 삼성전자 전략산학과제 지원 아래 수행됐다. 

* 논문명 : One-dimensional organic artificial multi-synapses enabling electronic-texile neural network for wearable neuromorphic applications
* 저자 정보 : 함성길(고려대, 제1저자), 강민지(전북대, 공동 제1저자), 장성훈(고려대, 공동 제1저자), 장진곤 (고려대, 공동저자), 최상현(고려대, 공동저자), 김태욱(전북대, 공동교신저자), 왕건욱(고려대, 교신저자)


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.