공과대학

동국대 에너지신소재공학과 김현석 교수팀이 성균관대 김영훈 교수팀, 한양대 유호천 교수팀과 함께 지나치게 밝거나 어두운 환경에서도 인공지능의 영상 인식 성능을 끌어올릴 수 있는 산화물 기반 반양극성 트랜지스터를 개발했다. 반도체 소재/소자 개발을 인공지능 영상 처리 기술로 넓힌 연구로, 자율주행/로봇 등 시각 정보를 다루는 지능형 시스템 연구에 활용될 수 있을 것으로 보인다. 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.

자율주행차와 지능형 로봇이 주변을 인식하려면 영상 속 도로/차량/보행자 등을 픽셀 단위로 나누는 '의미론적 분할' 기술이 필요하다. 하지만 강한 빛이나 부족한 조명 아래에서는 영상의 명암과 사물 경계가 흐려져 인식 정확도가 낮아진다. 이를 보완하려면 별도의 영상 전처리가 필요한데, 최근 이 과정을 반도체 소자 고유의 특성과 연결하려는 연구가 이어지고 있다.

연구팀은 n형 인듐/갈륨/아연 산화물(IGZO)과 p형 텔루륨/셀레늄 산화물(TeSeOx)을 접합해 반양극성 트랜지스터를 만들었다. 이 소자는 입력 전압이 높아지면 전류가 커지다가 특정 구간을 넘어서면 다시 줄어드는 종 모양의 응답을 보인다. 이 특성이 영상 정보 처리에 쓰이는 가우시안 함수와 비슷해 영상 전처리 기능 구현에 활용할 수 있다.

두 반도체 채널은 반도체/디스플레이 산업에서 널리 쓰이는 박막 증착 기술인 '스퍼터링 공정'으로 제작했다. 스퍼터링 공정은 박막 두께와 조성을 조절하고 넓은 면적에 고르게 형성하는 데 유리하다. 연구팀은 10×10 배열 소자를 제작해 산화물 기반 반양극성 트랜지스터의 집적 가능성도 확인했다. 개발한 소자는 최대 전류와 최소 전류의 비율이 약 1,170배에 이르는 뚜렷한 반양극성 특성을 보였다. 연구팀은 실제 측정한 전류 응답을 토대로 영상의 급격한 밝기 변화를 줄이고 사물 경계를 부각하는 필터를 구성해 인공지능 신경망의 영상 전처리 단계에 적용했다.

시뮬레이션 결과 과다 노출 영상과 저노출 영상을 그대로 입력했을 때 픽셀 정확도는 각각 53.4%, 35.1%에 그쳤지만, 제안한 전처리 기법을 적용하자 86.1%까지 높아졌다. 도로/하늘/나무/차량 등 주요 영역의 분류 성능이 개선됐고, 조명 변화 탓에 구분이 어려웠던 사물 경계도 더 정확하게 인식했다.

김현석 교수는 "스퍼터링으로 제작한 산화물 반도체 소자의 고유한 전기적 특성을 영상 전처리 기능과 연결했다는 데 의미가 있다"며 "조명 변화에 안정적으로 대응하는 뉴로모픽 시각 시스템과 지능형 센서 구현을 위한 소자 설계에 활용될 수 있을 것"이라고 말했다.

Copyright© 김하연 기자 (베리타스 알파)