[이데일리 강민구 기자] 국내 연구진이 차세대 반도체 연구에서 필요한 설계를 최적화하는 데 필요한 기술을 만들었다.
한국과학기술연구원(KIST)은 권희영·최준우 스핀융합연구단 박사, 원창연 경희대 교수 연구팀이 주어진 나노 자석의 가장 안정적인 상태인 기저 상태에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 ‘에너지 최소화 변이 오토인코더’를 개발했다고 24일 밝혔다.
 | | 머신러닝 모델을 개발한 연구진.(왼쪽부터)최준우 한국과학기술연구원 박사, 원창연 경희대 교수, 권희영 한국과학기술연구원 박사.(사진=한국과학기술연구원) |
|
생성적 머신러닝 기법은 주어진 데이터를 학습해 데이터가 지닌 특성을 추출하고, 재조합해 새로운 데이터를 만드는데 사용한다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 바꾸거나 비정상 데이터를 검출하는 데 쓸 수 있다.
기존 생성적 머신러닝 모델을 나노자석에 적용하면 국소적 노이즈나 흐림 효과가 발생하고, 물리법칙에 어긋나는 상태가 나타났다. 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태 탐색에 쓰기 어려웠다.
이에 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 ‘에너지 최소화 변이 오토인코더(E-VAE)’를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 찾아냈다. 기존에 사용되어 온 시뮬레이티드 어닐링 기법과 비교했을 때 최적의 상태를 찾는 문제에서 뛰어난 효율과 정확성을 보여줬다.
권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”며 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학·컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼 머신러닝 기반의 최적화 기법이 다양한 분야에서 높은 학술적 가치를 가질 것”이라고 말했다.
연구 결과는 국제 학술지 ‘Advanced Science’ 6월호에 게재됐다.