유기 반도체 기반 STFGS로 빛만으로 장기기억 강화 재현…660 nm 조건서 91.37% 이미지 인식

(좌측부터) 한양대 유호천 교수, 한양대 강승미 박사과정생, 경상국립대 김윤희 교수, 가천대 이충환 교수, 한양대 ERICA 오세용 교수
(좌측부터) 한양대 유호천 교수, 한양대 강승미 박사과정생, 경상국립대 김윤희 교수, 가천대 이충환 교수, 한양대 ERICA 오세용 교수

한양대학교 융합전자공학부 유호천 교수 연구팀이 경상국립대, 가천대, 한양대 ERICA 연구팀과 공동으로 청색(455 nm)과 적색(660 nm) 빛을 구분해 학습하는 ‘파장 선택형 플로팅-게이트 시냅스(Spectrally Tuned Floating-Gate Synapse, STFGS)’를 개발했다고 13일 밝혔다.

이번 연구는 빛 자극만으로 시냅스 가중치를 조절해 스스로 학습·기억하는 시각 뉴로모픽 소자의 가능성을 보여준다.

연구진은 서로 다른 파장에 민감한 두 종류의 유기 반도체를 이용해 이중 파장 반응형 소자를 구현하고, 플로팅-게이트 내부에 광전하를 장시간 저장할 수 있도록 설계했다.

이를 통해 빛 자극만으로 장기 기억 강화(Long-Term Potentiation, LTP)를 안정적으로 재현할 수 있었고, 외부 전기 자극에 의존하던 기존 전기 신호 기반 소자의 한계를 극복했다.

연구진은 STFGS 기반의 파장 선택적 인공신경망(ANN)을 설계해 성능을 검증한 결과, 660 nm 빛 자극 조건에서 최대 91.37%의 이미지 인식 정확도를 기록했다.

이 수치는 광 자극 조건에 따라 가중치를 적응적으로 조절하며 학습하는 광 기반 시각 소자의 실용 가능성을 시사한다.

유호천 교수는 “유기 반도체의 파장 선택성과 플로팅-게이트 구조의 결합으로 빛 자극에 따라 스스로 학습하는 시냅스 동작을 구현했다”며 “향후 인공지능 이미지 센서, 웨어러블 시각 인식 장치, 저전력 AI 칩 등으로 응용 가능하다”라고 밝혔다.

패션 이미지를 구분하는 ANN 시스템 설계의 개략도. 사전 학습된 VGG16 모델을 기반으로 크기가 조정된 입력 이미지에서 특징을 추출하는 특칭 추출기(feature extractor)와 분류를 위해 완전연결계층(fully connected layer)으로 구성됨.
패션 이미지를 구분하는 ANN 시스템 설계의 개략도. 사전 학습된 VGG16 모델을 기반으로 크기가 조정된 입력 이미지에서 특징을 추출하는 특칭 추출기(feature extractor)와 분류를 위해 완전연결계층(fully connected layer)으로 구성됨.

이번 연구는 과학기술정보통신부의 지원을 받아 수행됐으며, 연구 성과는 국제 학술지 Advanced Functional Materials에 2025년 11월 온라인 게재됐다.

논문 제목은 “Spectrally Tuned Floating-Gate Synapse Based on Blue- and Red-Absorbing Organic Molecules for Wavelength-Selective Neural Networks and Fashion Image Classifications”로, 한양대 강승미 박사과정생이 제1저자, 유호천 교수와 경상국립대 김윤희 교수, 가천대 이충환 교수, 한양대 ERICA 오세용 교수가 교신저자로 참여했다.

저작권자 © 뉴스티앤티 무단전재 및 재배포 금지