소식
왕건욱 & 정성준 교수팀, 인체의 움직임을 실시간으로 감지하고 학습하는 혁신적인 유기 전기화학 트랜지스터 개발
2025.03.05 Views 304
인체의 움직임을 실시간으로 감지하고 학습하는 혁신적인 유기 전기화학 트랜지스터 개발:
물리 레저버 컴퓨팅을 위한 재구성 가능한 플랫폼
왕건욱 & 정성준 교수팀 연구결과, Advanced Functional Materials에 게재돼
왼쪽부터, 고려대 한청비 학생, 포항공대 정성준 교수, 고려대 왕건욱 교수
물리 레저버 컴퓨팅을 위한 재구성 가능한 플랫폼
왕건욱 & 정성준 교수팀 연구결과, Advanced Functional Materials에 게재돼
왼쪽부터, 고려대 한청비 학생, 포항공대 정성준 교수, 고려대 왕건욱 교수
□ 고려대학교(총장 김동원) KU-KIST융합대학원/융합에너지공학과 왕건욱 교수팀과 포항공과대학교의 정성준 교수팀은 높은 동적 범위를 가진 재구성 가능한 유기 전기화학 트랜지스터를 구현하여, 완전 통합형 물리 레저버 컴퓨팅을 위한 플랫폼을 제시했다.
□ 이러한 공로로 본 연구결과는 다학제 분야의 권위 있는 학술지인 ‘Advanced Functional Materials (IF=19.6)’지에 2025년 2월 정식 출판되었다.
- 논문명 : Reconfigurable Organic Electrochemical Transistors with High Dynamic Ranges for Fully Integrated Physical Reservoir Computing
- 저널명 : Advanced Functional Materials 紙 (IF=18.5)
- 주요 저자정보 : 한청비 (제1저자, 고려대 KU-KIST 융합대학원), 김민규 (제1저자, 고려대 KU-KIST 융합대학원), 박성준 (제2저자, 포항공과대학교), 정성준 (교신저자, 포항공과대학교/신소재공학과), 왕건욱 (교신저자, 고려대 KU-KIST 융합대학원/융합에너지공학과)
□ 최근, 다양한 유형의 데이터 중에서도 특정 시간 프레임 동안 수집된 연속적 관측물인 시계열 데이터는 개인 건강 모니터링, 금융 분석, 환경 모니터링 등 여러 분야에서 중요한 통찰력을 제공하므로 그 패턴 분석의 중요성이 점차 커지고 있다.
□ 이와 같은 시계열 데이터를 분석/학습하기 위한 다양한 방법 중 하나로 레저버 컴퓨팅 (reservoir computing)이 있으나 현재 컴퓨터 구조상 레저버 층에서의 반복적인 연산은 레저버 컴퓨팅의 효율을 극대화하지 못하고 있다. 다양한 해결방안 중에서 레버저층을 비선형의 물리시스템을 통해 구현하여 학습 복잡성을 크게 감소시킬 수 있는 물리 레저버에 (physical reservoir) 대한 연구가 현재 활발히 진행중인 상황이다.
□ 유기 전기화학 트랜지스터 (OECTs)는 물리적 레저버 컴퓨팅 구현을 위한 유망한 소자 후보로 주목받고 있다. 이는 낮은 전압에서 작동하며, 채널과 전해질 간의 이온 이동을 통해 높은 단기 트랜스컨덕턴스를 제공하는 등의 장점을 가지고, 스위칭 특성을 활용해 입력 신호에 따라 듀얼 모드 메모리 기능 (휘발성 및 비휘발성)을 제공하는 방식도 연구되고 있다.
□ 특히, 완전히 통합된 물리적 레저버 컴퓨팅 시스템 (fully integrated physical reservoir computing)은 레저버 층과 리드아웃 층이 단일 물리적 장치 프레임워크 내에서 구현되어 컴팩트하고 에너지 효율적이며 적응성이 뛰어난 하나의 진보된 시스템이지만, 현재까지 기존 OECT 기반 레저버 컴퓨팅 시스템은 동적 범위가 좁아 입력 신호의 고차원 매핑과 상태 업데이트가 제한되며, 높은 동적 범위와 재구성 가능한 스위칭 특성을 갖춘 OECT 소자 설계가 필수적인 과제였다.
□ 본 연구에서는 OECT 소자를 활용하여 채널 박막의 형태를 제어하는 방법으로 높은 동적 범위를 구현하면서도 두 가지 모드를 갖도록 설계/제작하여 이를 각 레저버 층과 리드아웃 층으로 활용하였다 (그림1). 이를 통해 완전 통합된 물리적 레저버 컴퓨팅 시스템을 구현하여, 에너지 효율적이면서 컴팩트한 하드웨어 플랫폼을 제시하였다.
▲ 그림 1. 재구성 가능한 OECT 구조와 이를 채널 박막 형태 제어를 통해 두 가지 모드로 구현한 대표그림
▲ 그림 2. (위 그림) 인간의 세 가지 활동 (조깅, 양치질, 옷 개기) 분류를 위한 듀얼 모드 OECT 소자 기반 완전 통합 물리적 레저버 컴퓨팅 시스템의 구현 개략도.
(중간 그림) 원시 데이터를 두 가지 모드의 소자들을 통해 학습하기 위해 전처리하는 과정을 보임.
(아래 그림) 세 훈련 epoch에서 가중치 업데이트와 혼동 행렬 및 높은 분류 정확도를 확인함.
□ 이러한 공로로 본 연구결과는 다학제 분야의 권위 있는 학술지인 ‘Advanced Functional Materials (IF=19.6)’지에 2025년 2월 정식 출판되었다.
- 논문명 : Reconfigurable Organic Electrochemical Transistors with High Dynamic Ranges for Fully Integrated Physical Reservoir Computing
- 저널명 : Advanced Functional Materials 紙 (IF=18.5)
- 주요 저자정보 : 한청비 (제1저자, 고려대 KU-KIST 융합대학원), 김민규 (제1저자, 고려대 KU-KIST 융합대학원), 박성준 (제2저자, 포항공과대학교), 정성준 (교신저자, 포항공과대학교/신소재공학과), 왕건욱 (교신저자, 고려대 KU-KIST 융합대학원/융합에너지공학과)
□ 최근, 다양한 유형의 데이터 중에서도 특정 시간 프레임 동안 수집된 연속적 관측물인 시계열 데이터는 개인 건강 모니터링, 금융 분석, 환경 모니터링 등 여러 분야에서 중요한 통찰력을 제공하므로 그 패턴 분석의 중요성이 점차 커지고 있다.
□ 이와 같은 시계열 데이터를 분석/학습하기 위한 다양한 방법 중 하나로 레저버 컴퓨팅 (reservoir computing)이 있으나 현재 컴퓨터 구조상 레저버 층에서의 반복적인 연산은 레저버 컴퓨팅의 효율을 극대화하지 못하고 있다. 다양한 해결방안 중에서 레버저층을 비선형의 물리시스템을 통해 구현하여 학습 복잡성을 크게 감소시킬 수 있는 물리 레저버에 (physical reservoir) 대한 연구가 현재 활발히 진행중인 상황이다.
□ 유기 전기화학 트랜지스터 (OECTs)는 물리적 레저버 컴퓨팅 구현을 위한 유망한 소자 후보로 주목받고 있다. 이는 낮은 전압에서 작동하며, 채널과 전해질 간의 이온 이동을 통해 높은 단기 트랜스컨덕턴스를 제공하는 등의 장점을 가지고, 스위칭 특성을 활용해 입력 신호에 따라 듀얼 모드 메모리 기능 (휘발성 및 비휘발성)을 제공하는 방식도 연구되고 있다.
□ 특히, 완전히 통합된 물리적 레저버 컴퓨팅 시스템 (fully integrated physical reservoir computing)은 레저버 층과 리드아웃 층이 단일 물리적 장치 프레임워크 내에서 구현되어 컴팩트하고 에너지 효율적이며 적응성이 뛰어난 하나의 진보된 시스템이지만, 현재까지 기존 OECT 기반 레저버 컴퓨팅 시스템은 동적 범위가 좁아 입력 신호의 고차원 매핑과 상태 업데이트가 제한되며, 높은 동적 범위와 재구성 가능한 스위칭 특성을 갖춘 OECT 소자 설계가 필수적인 과제였다.
□ 본 연구에서는 OECT 소자를 활용하여 채널 박막의 형태를 제어하는 방법으로 높은 동적 범위를 구현하면서도 두 가지 모드를 갖도록 설계/제작하여 이를 각 레저버 층과 리드아웃 층으로 활용하였다 (그림1). 이를 통해 완전 통합된 물리적 레저버 컴퓨팅 시스템을 구현하여, 에너지 효율적이면서 컴팩트한 하드웨어 플랫폼을 제시하였다.
▲ 그림 1. 재구성 가능한 OECT 구조와 이를 채널 박막 형태 제어를 통해 두 가지 모드로 구현한 대표그림
□ 특히, 레저버 컴퓨팅의 두 층 모두 상당히 개선된 동적 범위를 바탕으로 인간의 시계열 활동 데이터를 효과적으로 분류 및 학습할 수 있음을 보여, 이전에 연구된 듀얼 모드 OECT 기반 접근 방식보다 복잡한 시계열 데이터를 처리하는 데에 효율적임을 확인하였다 (그림 2). 이를 바탕으로 본 연구는 하나의 OECT 플랫폼 내에서 다양한 시계열 정보를 완전 통합된 레저버 컴퓨팅 시스템을 통해 효과적으로 처리하는 획기적인 방향을 제시하고 중요한 역할을 할 수 있을 것으로 기대된다.
▲ 그림 2. (위 그림) 인간의 세 가지 활동 (조깅, 양치질, 옷 개기) 분류를 위한 듀얼 모드 OECT 소자 기반 완전 통합 물리적 레저버 컴퓨팅 시스템의 구현 개략도.
(중간 그림) 원시 데이터를 두 가지 모드의 소자들을 통해 학습하기 위해 전처리하는 과정을 보임.
(아래 그림) 세 훈련 epoch에서 가중치 업데이트와 혼동 행렬 및 높은 분류 정확도를 확인함.
□ 고려대 KU-KIST 융합대학원 소속의 한청비 학생이 제1저자로, 고려대학교 KU-KIST 융합대학원/융합에너지공학과 왕건욱 교수와 포항공과대학교의 정성준 교수가 교신저자로 참여했다.
□ 이 연구는 국가연구개발사업(NRF), ‘기초연구실’, ‘나노미래소재원천기술개발’, ‘반도체디스플레이국제공동연구’, ‘도전형’, ‘신개념PIM기초기술’, 한국과학기술연구원 ‘융복합개방형연구’의 지원을 받아 다학제 분야의 세계적인 학술지인 ‘Advanced Functional Materials’ 紙 (2023년 기준 인용지수 IF=18.5)에 올해 2월 3일에 온라인 게재됐다.
□ 이 연구는 국가연구개발사업(NRF), ‘기초연구실’, ‘나노미래소재원천기술개발’, ‘반도체디스플레이국제공동연구’, ‘도전형’, ‘신개념PIM기초기술’, 한국과학기술연구원 ‘융복합개방형연구’의 지원을 받아 다학제 분야의 세계적인 학술지인 ‘Advanced Functional Materials’ 紙 (2023년 기준 인용지수 IF=18.5)에 올해 2월 3일에 온라인 게재됐다.
