KIST·경희대 연구팀 "수학·컴퓨터 과학 등 다양한 분야에서 가치 발휘할 것"
머신러닝 기술로 '가장 안정된 나노자석 상태' 탐색법 개발
국내 연구진이 머신러닝 기술을 이용해 가장 안정된 나노 자석의 상태를 탐색하는 전산적 방법을 발견했다.

한국과학기술연구원(KIST)은 스핀융합연구단 권희영(제1저자·교신저자), 최준우 박사(공저자), 경희대학교 원창연 교수(교신저자) 연구팀이 나노 자석의 기저상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 기술 '에너지 최소화 변이 오토인코더'(E-VAE)을 개발했다고 25일 밝혔다.

생성적 머신러닝이란 주어진 데이터를 학습해 데이터 특성 분포를 이해하고 학습이 끝난 후 랜덤 샘플링을 통해 새로운 데이터를 생성하는 기술을 말한다.

변이 오토인코더는 대표적 생성적 머신러닝 기술로, 주어진 입력 정보를 압축하는 인코더와 압축된 정보를 복원해 출력하는 디코더가 순차적으로 연결된 구조를 띤다.

이를 이용하면 압축된 정보에 변이를 가해 입력된 데이터와 다른 새로운 데이터를 출력할 수 있다.

연구팀은 초저전력·고성능 차세대 반도체 개발을 위한 스핀트로닉스 연구 소재로 활용되는 나노 자석의 가장 안정적인 상태를 규명하고자 변이 오토인코더에 생성된 상태의 에너지를 최소화하는 과정을 포함한 E-VAE 개발에 성공했다.

이는 최적의 상태를 찾는 문제에서 사용하는 기존의 시뮬레이티드 어닐링 기법(SA)보다 뛰어난 효율과 정확성을 지닌다고 연구팀은 설명했다.

권 박사는 "최적화 문제는 순수과학, 반도체 연구뿐만 아니라 수학, 컴퓨터 과학 분야에서도 중요한 연구주제"라며 "이번 연구에서 개발된 머신러닝 기반의 최적화 기법은 다양한 분야에서 학술 가치가 클 것"이라고 기대했다.

이번 연구는 국제저널 어드밴시스 사이언스(Advanced Science) 6월호에 게재됐다.

/연합뉴스