 |
| (왼쪽부터) 김현석 동국대 교수(교신저자), 김영훈 성균관대 교수(교신저자), 유호천 한양대 교수(교신저자) |
동국대 에너지신소재공학과 김현석 교수 연구팀이 성균관대학교 김영훈 교수, 한양대학교 유호천 교수 연구팀과의 공동연구를 통해 과도하게 밝거나 어두운 환경에서 인공지능의 영상 인식 성능을 개선할 수 있는 산화물 기반 반양극성 트랜지스터를 개발했다. 이번 성과는 반도체 소재와 소자 개발을 인공지능 영상 처리 기술로 확장한 연구로, 향후 자율주행·로봇 등 시각 정보를 처리하는 지능형 시스템 연구에 기여할 것으로 기대를 모은다.
자율주행과 지능형 로봇이 주변 환경을 인식할 때, 영상 속 도로, 차량, 보행자 등을 픽셀 단위로 구분하는 ‘의미론적 분할’ 기술이 필요하다. 그러나 강한 빛에 노출되거나 조명이 부족한 환경에서는 영상의 명암과 사물의 경계가 흐려져 인식 정확도가 떨어진다. 정확도를 보완하기 위한 별도의 영상 전처리가 요구되는 상황에서, 이를 반도체 소자의 고유한 특성과 연결하는 연구가 주목받고 있다.
연구팀은 n형 인듐·갈륨·아연 산화물(IGZO)과 p형 텔루륨·셀레늄 산화물(TeSeOx)을 접합해 반양극성 트랜지스터를 구현했다. 이 소자는 입력 전압이 증가함에 따라 전류가 커지다가 특정 구간을 지나면 다시 감소하는 종 모양의 응답을 보인다. 이러한 특성은 영상 정보를 처리하는 가우시안 함수와 유사해, 영상 전처리 기능을 구현하는 데 활용할 수 있다.
특히 연구팀은 두 반도체 채널을 반도체·디스플레이 산업에서 널리 활용되는 박막 증착 기술인 ‘스퍼터링 공정’으로 제작했다. 스퍼터링 공정은 박막의 두께와 조성을 제어하고 넓은 면적에 균일하게 형성하는 데 유리하다. 연구팀은 10×10 배열 형태의 소자를 제작해 산화물 기반 반양극성 트랜지스터의 집적 가능성도 제시했다.
개발한 소자는 최대 전류와 최소 전류의 비율이 약 1,170배에 달하는 뚜렷한 반양극성 특성을 나타냈다. 연구팀은 “실제 측정한 전류 응답을 바탕으로 영상의 급격한 밝기 변화를 완화하고 사물의 경계를 강조하는 필터를 구성했으며, 이를 인공지능 신경망의 영상 전처리 단계에 적용했다”고 밝혔다.
시뮬레이션 결과, 과다 노출과 저노출 영상을 그대로 입력했을 때의 픽셀 정확도는 각각 53.4%와 35.1%였으나, 제안한 전처리 기법을 적용했을 때 86.1%를 달성했다. 도로, 하늘, 나무, 차량 등 주요 영역의 분류 성능이 향상됐으며, 조명 변화로 구분하기 어려웠던 사물의 경계도 보다 정확하게 인식했다.
김현석 교수는 “이번 연구는 스퍼터링으로 제작한 산화물 반도체 소자의 고유한 전기적 특성을 영상 전처리 기능과 연결했다는 데 의미가 있다”며 “향후 조명 변화에 안정적으로 대응하는 뉴로모픽 시각 시스템과 지능형 센서를 구현하기 위한 소자 설계에 활용될 수 있을 것”이라고 말했다.
한편, 이번 연구에는 동국대학교, 성균관대학교, 한양대학교가 참여했으며, 연구 결과는 재료 분야 국제학술지 Advanced Functional Materials (IF=19.9)에 “All-Sputtered Oxide n-p Heterojunction Anti-Ambipolar Transistors for Semantic Segmentation Networks”라는 제목으로 2026년 10월 15일 온라인 게재됐다.
