201_2022.pdf 정밀 분석

---

Humidity-induced synaptic plasticity of ZnO artificial synapses using peptide insulator for neuromorphic computing — 정밀 분석

---

연구 배경 (Background)

• IoT·스마트 디바이스의 폭발적 데이터 증가로 인해 기존 CPU/GPU 기반 von Neumann 아키텍처는 메모리-프로세서 간 데이터 전송에서 발생하는 에너지·시간 낭비(von Neumann bottleneck) 문제에 직면
• 이를 극복하기 위한 뇌 모방 신경형 컴퓨팅(neuromorphic computing) 수요가 증가; 인간 뇌는 ~10¹¹ 뉴런과 ~10¹⁵ 시냅스로 구성된 완전 병렬·로컬 연산 구조
• 기존 인공 시냅스 소자(memristor, phase-change memory, magnetic tunnel junction, ferroelectric transistor, redox transistor 등)는 시냅스 유사 기능을 구현하나, 히스테리시스 기원과 제어 메커니즘에 대한 체계적 이해가 부족
• 특히 시냅스 트랜지스터에서 gate voltage spike에 의한 drain current 응답(EPSC 모방)의 히스테리시스 유발 시냅스 거동의 물리적 제어 방법이 명확하지 않음
• 기존 무기 절연체(SiO₂ 등) 기반 소자는 환경 습도 변화에 대한 응답성이 거의 없어 다양한 시냅스 가소성(synaptic plasticity) 모사에 한계 존재

---

핵심 가설 또는 접근

• 타이로신(Tyr) 풍부 펩타이드 Y₇C(YYACAYY)의 양성자 전도(proton-conducting) 특성이 수분 흡수에 의해 제어 가능하다는 기존 연구(문헌 [27–29])를 ZnO 트랜지스터 게이트 절연체로 확장
• 핵심 전략: Y₇C 펩타이드 필름을 ZnO 트랜지스터의 게이트 절연체로 사용 → 외부 습도(RH) 변화가 proton 전도성을 조절 → 전기이중층(electric double layer, EDL) 형성 → ZnO 채널의 전기화학적 도핑(electrochemical doping) → 시간 의존적 EPSC 응답 구현
• 단기 기억(STM) → 장기 기억(LTM) 전환을 proton에 의한 ZnO 전기화학적 도핑으로 설명하는 새로운 메커니즘 제안
• 생체 시스템(biosystem) 유래 소재를 하드웨어에 직접 통합하는 바이오-인스파이어드 디바이스 플랫폼 개념 제시

---

실험 방법 (Methodology — 정밀하게)

소자 제작 (Device Fabrication)

단계	상세 내용
기판	고농도 도핑 p-type Si 기판; 아세톤·IPA·DI water 각 5 min 초음파 세척
Y₇C 펩타이드 필름	Scipeptide (97%) → trifluoroacetic acid(TFA, Daejung, 99.0%)에 4 wt% 희석; 30 min 초음파 처리 후 12,000 rpm, 50 s 원심분리; 4,000 rpm, 60 s spin-coating
ZnO 채널층	RF sputtering; base pressure < 10⁻⁶ Torr; RF power 100 W; O₂ 30 sccm / Ar 0.5 sccm; 두께 30 nm; shadow mask 패터닝
Mo 전극	DC sputtering; base pressure < 10⁻⁶ Torr; power 200 W; Ar 30 sccm; 두께 100 nm; shadow mask 패터닝
소자 구조	Bottom-gate (p-Si) / Y₇C 절연체 / ZnO 채널(30 nm) / Mo S·D 전극(100 nm)

전기적 특성 측정

• 반도체 분석기(semiconductor analyzer) 사용
• 외부 습도 제어: 가습 공기 및 질소 가스 주입; 상업용 습도 센서(Sensirion SHT31)로 챔버 내 RH 모니터링
• 각 RH 조건 측정 전 최소 3시간 챔버 내 안정화
• RH 증가 속도: 0.2%/s (low → high RH)
• Transfer curve: drain voltage 10 V, gate voltage sweep -20 V to +30 V (forward/reverse)
• EPSC 측정: presynaptic spike amplitude 1 V, pulse width 100 ms (기본 조건)
• PPF 측정: 50% RH 조건

뉴럴 네트워크 시뮬레이션

• 데이터셋: MNIST 손글씨 숫자 (학습 60,000장, 테스트 10,000장, 28×28 픽셀)
• 모델: Multi-layer perceptron (MLP), 3층 구조 (784 - 300 - 10 뉴런)
• 최적화: Stochastic gradient descent, momentum 0.9, 초기 learning rate 0.1
• 초기화: Kaiming He initialization
• Batch size: 256; 최대 학습 iteration: 300

---

주요 결과 (Key Results)

습도 의존적 전기 특성

• ZnO/Y₇C: 진공(0% RH) → 50% RH 시 ON current 10배 증가
• 전압 히스테리시스: 진공 0.26 V → 50% RH 25.51 V (약 98배 증가)
• Gate voltage sweep 범위 증가에 따라 습도 유발 히스테리시스 추가 증가 (Fig. S₇)
• ZnO/SiO₂ (비교 소자): 동일 습도 변화에서 ON current 및 히스테리시스 변화 무시 가능한 수준 → Y₇C 펩타이드 절연체 고유 효과 확인 (Fig. 2b, 2c)
• 챔버 압력 효과 검증: N₂ 760 Torr vs 진공 100 mTorr 비교 시 전기 특성 차이 무시 가능 → 압력이 아닌 수분이 핵심 인자

동적 응답 특성

• 주변 환경 → 진공 전환: 수 시간에 걸쳐 히스테리시스·ON current 점진적 감소 (gray → red curves, Fig. 2d)
• 진공 → 주변 환경 전환: 수 시간 내 히스테리시스·ON current 점진적 증가 후 포화 (Fig. 2e, 2f)
• 응답의 시간 의존성(수 시간 스케일)이 시냅스 가소성 모사의 물리적 기반

시냅스 거동

시냅스 특성	조건	결과
EPSC 습도 의존성	pulse: 1 V, 100 ms	높은 RH일수록 EPSC 진폭 및 지속시간 증가 (Fig. 3a)
EPSC pulse width 의존성	50% RH	pulse width 증가 → EPSC 진폭 증가 (Fig. 3b)
Paired-pulse facilitation (PPF)	50% RH	두 번째 pulse에서 증가된 EPSC 확인 (Fig. 3c 상단)
STM → LTM 전환	다중 pulse 인가	반복 pulse 인가 시 EPSC 점진적 증강 후 유지 → LTM 전환
Potentiation & Depression	제어된 조건	전압 pulse를 통해 시냅스 강화 및 억제 모두 구현

신경망 시뮬레이션

• MNIST 분류 정확도: 87.47% (MLP, 784-300-10 구조)

---

메커니즘 해석 (Mechanism / Interpretation)

데이터로 직접 뒷받침된 부분

1. 수분-양성자 전도 연동: RH 증가 시 Y₇C 필름의 유전 상수 증가 → EDL 형성 → 게이트 효율 증대 (이전 연구 [27, 35] 및 본 논문 C-f 특성, Fig. S₃으로 확인)
2. Y₇C 고유 효과: SiO₂ 대조군에서 동일 RH 조건 하 히스테리시스·ON current 변화 미미 → 펩타이드 절연체의 역할 명확히 구분 (Fig. 2b, 2c)
3. 시간 의존성: 환경 전환 후 수 시간에 걸친 점진적 변화 → 느린 이온(proton) 이동에 기인 (Fig. 2d–f)
4. 역방향 히스테리시스(counterclockwise): proton 이온 게이팅 효과의 전형적 시그니처

추정 포함 부분

• STM → LTM 전환 메커니즘: proton이 ZnO 채널 내부로 전기화학적 도핑됨으로써 지속적 전도도 변화가 유발된다고 설명 — 직접적인 proton 농도 프로파일 측정이나 ZnO 내 화학적 분석(예: XPS depth profile) 데이터는 본문에서 확인되지 않음 → 추정 성격
• PPF 메커니즘: 생물학적 시냅스의 Ca²⁺ 잔류 유사 개념으로 설명 가능하나, 본 소자에서는 proton 잔류(residual proton accumulation)로 해석 — 직접 검증 데이터 제한적

전체 작동 원리 요약

대기 중 수분 흡수 → Y7C 펩타이드 필름 내 proton 생성·이동
→ ZnO/Y7C 계면 EDL 형성 → ZnO 채널 전기화학적 도핑
→ 채널 전도도 증가 및 시간 지연 응답
→ Gate spike 인가 시 EPSC 크기·지속 시간 조절
→ 반복 자극 시 proton 도핑 축적 → STM에서 LTM으로 전환

---

한계 (Limitations)

본문에 명시된 한계

• 분류 정확도 87.47%: 이상적인 소자 기반 시뮬레이션 대비 낮은 수준으로, 실제 아날로그 소자의 비선형성·변동성이 반영된 결과로 해석 가능 (단, 본문에서 이를 명시적 한계로 기술하지는 않음)

데이터에서 추론되는 한계

1. 환경 의존성: 소자 성능이 주변 RH에 강하게 의존 → 밀폐 패키징 없이 실용화 어려움; 온도·습도 변동이 있는 실환경에서 재현성 문제 가능
2. 느린 응답 속도: 환경 전환 후 안정화에 수 시간 소요 → 고속 연산 응용에 부적합; proton 이동 속도 자체가 병목
3. 소자 집적화 미검증: shadow mask 기반 패터닝으로 소자 제작 → 미세 패턴 집적(고밀도 어레이) 가능성 미검증
4. 장기 안정성 미보고: 펩타이드 필름의 대기 중 장기 안정성(산화, 분해 등) 데이터 부재
5. STM→LTM 전환의 정량적 제어 기준 불명확: 어떤 pulse 조건에서 명확히 LTM으로 전환되는지 임계값 데이터 제한적
6. 87.47% 정확도: 동급 신경형 소자 논문에서 보고되는 90% 이상 수준에 미달; MLP 모델의 단순성과 소자 비이상성(non-ideality) 반영으로 추정

---

의의 및 후속 연구 방향

학문적 의의

• 바이오소재(펩타이드)를 능동적 게이트 절연체로 활용한 ZnO 시냅스 트랜지스터의 최초 시연 사례 중 하나 — 펩타이드의 '기능성 절연체'로서의 새로운 역할 제시
• 환경 습도라는 외부 물리적 파라미터로 시냅스 가소성을 연속적으로 제어하는 개념 확립 → 환경 적응형 신경형 소자의 개념적 토대
• Y₇C 펩타이드의 proton 전도-EDL-전기화학적 도핑으로 이어지는 다단계 메커니즘 체계화

Lab (남기태 Lab) 연구와의 연결

• Y₇C 펩타이드의 proton 전도 특성은 연구실의 자기조립 펩타이드 기반 기능성 소재 연구 흐름의 직접적 응용 (문헌 [27–29]의 연속선)
• ZnO 외 다른 산화물 반도체(예: IGZO, SnO₂)와의 펩타이드 결합으로 소자 성능 개선 가능성
• 펩타이드 서열 엔지니어링(sequence design)을 통해 proton 전도도 및 응답 속도 튜닝 → 다양한 시냅스 시간 상수 구현 가능성

후속 연구 방향

1. 펩타이드 서열 최적화로 더 빠른 proton 이동 및 더 낮은 동작 전압 구현
2. 소