In a hardware-based neuromorphic system, neurons integrate the current signals from previous synap-ses, and deliver spike-shaped voltage signals to the next synapse when the signal exceeds a certain threshold. Among diverse neuron models, leaky integrate-and-fire (LIF) model is considered to be the most suitable model for the hardware-based neuromorphic system. While synapses in neuromorphic system have been scaled in terms of area and energy as the form of memristor or unit device, LIF neurons are mostly based on the complex circuit consisting of more than 16 transistors and 3 capacitors, which makes limitations in terms of density ($> 20000 F^2$) and energy consumption (> 1000 pJ/spike). In this work, a single transistor LIF neu-ron is studied by using conventional silicon based MOSFET with $6F^2$ of footprint. The spiking property of LIF neuron is achieved only with a single transistor by using the single transistor latch (STL) phenomenon in bipolar junction transistor (BJT) operation. The LIF neuron operation is shown in both planar and vertical structured MOSFET. As well as the higher device density and lower energy consumption compared to the circuit-based LIF neuron, the proposed single transistor LIF neuron has diverse advantages compared to the previously reported high density LIF neurons, i.e., controllable neuron property, less disturbance with adja-cent neurons, and easy co-integration with silicon based synapse devices. The behavior of a single transistor neuron is analyzed depending on the dimension and applied bias to suggest the design and operation guide-line of the single transistor neuron. In addition, reliability studies are performed in terms of endurance, tem-perature and the operation stability.
4차 산업 혁명 시대를 맞아, 인공지능 시스템에 대한 연구가 활발히 진행되고 있다. 그 중에서도, 막대한 에너지를 소모하는 기존의 폰 노이만(von Neumann) 방식에서 벗어난 뉴로모픽 컴퓨팅(neuromorphic computing) 시스템이 많은 각광을 받고 있다. 뉴로모픽 컴퓨팅은 인간의 뇌를 하드웨어 적으로 모방하여 인공지능 동작을 구현하는 방식이다. 인간의 뇌는 매우 복잡한 기능을 수행하지만, 뇌가 소비하는 에너지는 20~25 W 밖에 되지 않는다. 뉴로모픽 컴퓨팅은 이러한 인간의 뇌 구조 자체를 모방하여, 기존 컴퓨팅보다 월등한 연상, 추론, 인식 능력과 데이터 처리 능력을 초 저전력으로 수행 가능하게 한다. 뉴로모픽 컴퓨팅 동작을 하는 뉴로모픽 칩은, 인간의 두뇌가 신경세포인 뉴런(neuron)과 연결부위인 시냅스(synapse)로 구성되어 있는 것과 똑같이, 뉴런과 시냅스로 구성되어 있다. 이 중 뉴런은, 이전 시냅스들에서 전달된 전류 신호를 통합하여 특정 임계 값을 초과할 때, 다음 시냅스로 스파이크 형태의 전압 신호를 전달하는 역할을 수행한다. 현재 뉴런은, 멤브레인 축전기(membrane capacitor)에 전하를 축적하고, 임계치 이상이 되면 비교기(comparator)를 사용해 다음 시냅스로 전달하는 방식으로 구현된다. 따라서 16개 이상의 트랜지스터와 3개 이상의 축전기로 구성되어 있는 복잡한 회로를 가지고 있으며 집적도 측면에서 한계를 가지고 있다. 궁극적으로 뇌가 1000억 개의 뉴런을 가지고 있다는 점에서, 뉴런의 집적도를 향상시키는 것이 칩의 물리적 크기와 비용 측면에서 매우 중요하다.
본 연구에서는, 평면 및 수직 구조형 MOSFET을 사용하여, 단일 트랜지스터 만으로 동작하는 leaky integrate & fire(LIF) 뉴런을 제안하였다. 양극성 접합 트랜지스터(bipolar junction transistor) 동작에 의한 단일 트랜지스터 래치(single transistor latch) 현상을 이용함으로써, LIF 뉴런의 스파이크 특성을 전류-전압 변환 회로(Op-amp), 전위 조정 회로 및 리셋 회로 없이 $6F^2$의 단일 트랜지스터 만으로 구현할 수 있다. 본 연구에서는 단일 트랜지스터 뉴런의 디자인 및 동작 가이드라인을 제공하기 위해, 소자 크기와 동작 전압에 따른 뉴런 특성을 분석하였다. 또한 내구성, 온도 및 동작 안정성 측면에서 신뢰성을 분석하였다. 제안된 단일 트랜지스터 LIF 뉴런은 집적도 측면에서 큰 강점을 가지고 있을 뿐만 아니라, 뉴런의 특성을 게이트 전압을 통해 조절할 수 있기 때문에 진보된 뉴로모픽 시스템에 적용될 수 있는 가능성이 크다. 또한, 뉴런과 시냅스 동작이 동일 소자에서 가능함을 보여줌으로써 뉴런과 시냅스를 동일 평면 상에 동시 구현하는 개념을 제시하였으며, 이는 딜레이 및 에너지 소비 측면에서 뉴로모픽 칩의 성능을 극적으로 향상시킬 수 있을 것이다.
