자기정류 크로스바 어레이 기반 그래프 뉴로모픽 컴퓨팅

Self-Rectifying Memristive Crossbar Arrays for Neuromorphic Graph Computing

연구 내용

자기정류 멤리스터를 이용한 크로스바 어레이로 그래프 상관을 물리적으로 매핑하고 분석·학습 성능을 개선하는 연구

그래프 데이터 분석은 노드 간 관계를 고차원 특징 공간에 정확히 매핑하는 것이 성능에 직접적으로 연결됩니다. 본 연구는 대각선 크로스바 어레이에서 자기정류 특성을 갖는 멤리스터를 활용하여 입력 신호의 상관 정보를 회로적으로 저장하고, reservoir computing 및 그래프 임베딩 관점에서 물리적 매핑을 수행합니다. 또한 그래프의 공간적 관계를 시간에 따라 처리하기 위한 그래프 리저버 구조와, multilayer 그래프의 inter-layer·intra-layer 연결을 3차원 구조로 직접 표현하는 방식을 개발합니다. 이를 통해 동적 경로 탐색, 링크 예측, 단백질-단백질 상호작용 네트워크 분석과 같은 응용까지 연결되는 차별성을 보유합니다.

관련 프로젝트

1건

연구 흐름

초기에는 자기정류 특성을 갖는 멤리스터 크로스바 어레이에서 그래프 관계를 회로 기반으로 표현하는 방법을 정리하며, 대각선 배치와 매핑 구조의 설계 논리를 확보했습니다. 이후 metal cell at diagonal-crossbar array를 이용한 그래프 리저버 프레임워크로 spatiotemporal 상관을 고차원 공간에 매핑하고 패턴 인식 및 시계열 예측 성능을 검증했습니다. 이어 크로스-와이어드 구조와 3차원 수직 크로스바(vm-CBA)로 확장하여 multilayer 그래프 임베딩과 링크 예측에서의 연산 복잡도 및 정보 손실 문제를 개선하는 방향으로 연구를 심화했습니다. 동시에 그래프 데이터 분석용 크로스바 어레이 소자 및 동작 방법을 기술로 정리했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

그래프 리저버 컴퓨팅 하드웨어
다층 그래프 임베딩 가속기
동적 그래프 경로 탐색 모듈
단백질-단백질 상호작용 네트워크 분석
링크 예측 전용 인-메모리 엔진
자기정류 기반 크로스바 어레이 제어 로직
뉴로모픽 신호처리용 스케일러블 어레이
엣지 AI 그래프 데이터 처리기
비정형 그래프 고차원 특징 매핑
그래프 뉴럴 네트워크 전처리·학습 통합 프로토콜