유호천 융합전자공학부 레드불토토 연구팀이 예측 불가능한 진성 난수를 효과적으로 생성하는 '단일 트랜지스터 기반 진성 난수 발생기(이하 BHN-NTC 트랜지스터)'를 개발했다.

진성 난수(True Random Number)는 예측 불가능하고 통계적으로 무작위한 수를 뜻한다. 이는 암호화 키 생성, 보안 인증, AI 기반 샘플링, 물리 기반 보안 소자(PUF) 등 여러 분야에서 핵심적인 역할을 한다.

특히 최근 AI 및 엣지 컴퓨팅 환경에서 소프트웨어 기반 의사난수(Pseudo-RNG)의 예측 가능성과 낮은 엔트로피가 보안 취약점으로 작용하면서, 공정 호환성이 높고 저비용으로도 구현할 수 있는 하드웨어 기반 TRNG(True Random Number Generator, 진성 난수 발생기)의 중요성이 더욱 부각되고 있다.

그러나 기존의 TRNG 방식은 잡음의 세기가 약하고 회로 집적도가 떨어지는 등의 한계가 있었다. 이에 유 교수 연구팀은 그와 같은 한계를 구조적으로 극복하는 트랜지스터를 개발했다.

TRNG가 난수를 생성할 때는 전자의 무작위 움직임인 '잡음'이 활용된다. 그러나 기존 TRNG 방식은 잡음 세기가 약해 외부 아날로그 증폭기나 필터 등 후처리 회로가 필요했다. 이러한 회로 구성으로 집적도가 떨어지고 회로 면적과 전력 소모가 컸으며, 샘플당 1비트 정도의 낮은 엔트로피 난수 출력만 가능했다.

유 교수팀은 이와 같은 한계를 구조적으로 해결하는 BHN-NTC 트랜지스터를 제안했다. 이들이 개발한 소자는 '이중 이종접합 구조'로 내부에서 잡음을 자체적으로 증폭해 후처리 회로 없이도 매우 높은 엔트로피 크기의 신호를 생성한다. 이를 통해 외부 증폭기 없이 샘플당 3비트의 난수를 직접 출력할 수 있다.

해당 트랜지스터는 소자 자체가 아날로그 회로를 대체하므로 저전력 및 고집적 시스템에 적합하다. 결과적으로 유 교수팀은 기존 방식의 낮은 엔트로피 밀도, 외부 회로 의존성, 집적도 한계를 동시에 극복한 것이다.

특히 연구팀은 보조층인 'PTCDI-C13'으로 두 가지 핵심적인 개선을 이뤘다. 첫째, 전자 주입을 늘려 NTC 영역을 증가시켰다. 둘째, 이종접합 영역을 추가적으로 도입해 전자의 무작위 운동을 증대했다.

NTC(Negative Transconductance, 음의 차동 트랜스컨덕턴스)는 특정 전압 구간에서 드레인 전류가 비정상적으로 감소하는 현상을 말한다. 이 구간에서는 전자와 정공(전자가 빠져나간 자리)이 동시에 주입되며 trap/de-trap, recombination 등 전자의 다양한 움직임이 발생한다. 그 결과로 강한 잡음이 발생하며, 이는 통계적으로 고엔트로피 특성을 갖는 난수 생성에 이상적인 신호가 된다.

유 교수팀의 소자에서는 드레인 전극으로부터 주입되는 전자의 양이 늘어 NTC 영역이 증가한다. 이에 따라 전자 주입이 강화돼 세 가지 출력 상태(0, 중간, 1)를 명확히 구분할 수 있게 된다. 해당 소자는 한층 복잡한 3진 논리 회로(ternary logic circuit)에서도 안정적인 중간 논리 단계(middle logic) 출력을 구현한다. 다시 말해 '0', '1', 그리고 '0과 1사이의 중간 단계' 이 세 가지 상태를 구분하는 회로 구현이 가능해진 것이다.

나아가 유 레드불토토팀은 이종접합 구조를 활용해 위와 같은 특성을 극대화했다. 일반적인 NTC 소자와 다르게 'trap'이 발생할 수 있는 이종접합(heterojunction) 영역을 추가로 도입해 전자의 무작위 움직임이 증대되도록 만들었다.

전자는 특정 부분에 잠시 갇히고(trap) 풀려나기(de-trap)를 더 자주 반복하며 예측하기 힘든 전기 흐름을 발생시킨다. 또한 전자와 정공이 생성되고(generation) 다시 결합해 사라지는(recombination) 현상이 더욱 강하게 발생하며 불규칙한 움직임이 늘어난다. 결과적으로 더 높은 잡음수준과 넓은 무작위 난수 생성 범위가 확보된다.

이처럼 유 교수팀의 소자는 전자의 불규칙한 움직임이 더욱 강하게 발생하고 중첩할 수 있도록 설계됐다. 또한 추가적인 이종접합 간의 중첩으로 고엔트로피 잡음을 발생시킨다. 고엔트로피 잡음은 3-bit의 디지털 비트로 변환돼 고품질의 가상 이미지를 생성할 수 있다.

유 교수팀이 개발한 소자는 구조적으로 잡음을 증폭할 수 있도록 설계돼 외부 증폭기 없이도 샘플당 3비트의 난수 생성이 가능하다는 점에서 큰 차별점을 갖는다. 이처럼 구조 차원에서 무작위성을 극대화했으며, 회로 통합성 측면에서 우수하다. 나아가 보안 칩과 엣지 컴퓨팅 디바이스에도 쉽게 적용된다.

이 소자는 의료 AI 분야에서 핵심적인 역할을 할 수 있다. 의료 AI는 환자의 폐 CT, 장기 초음파 등 다양한 인체 이미지를 학습해야 한다. 그러나 개인정보 문제로 환자의 실제 이미지를 직접 학습하기 어려운 경우가 많다.

이때 해당 소자의 고엔트로피 난수를 생성형 AI 모델의 입력으로 활용하면, 실제 환자 데이터를 쓰지 않고도 유사한 의료 이미지를 만들어낸다. 이로써 개인 정보를 포함하지 않으면서도 실제에 가까운 학습 데이터를 생성할 수 있다.

이번 연구를 이끈 유 레드불토토는 이종접합 트랜지스터를 활용한 연구를 진행해 왔으며, 최근에는 분야를 확장해 보안 소자나 AI 컴퓨팅에 활용되는 활성화 함수(activation function)의 동작을 모사하는 소자를 설계하고 구현하는 연구를 수행하고 있다.

유 교수는 향후 이번 기술을 '벌크형 이종접합 구조'로 확장하는 후속 연구를 준비 중이다. 채널 전반에 이종 물질을 혼합해 잡음의 원천을 전면적으로 확장하고 엔트로피의 질과 양을 동시에 향상하며, 고속/고엔트로피 출력을 달성하고자 한다.

또한 유 교수는 TRNG 기반 보안 소자 연구를 계획하고 있다. 예를 들어, TRNG를 기반의 PUF(Physically Unclonable Function) 소자나 난수 시드를 활용한 암호화 회로, 인증용 하드웨어 키 생성 등으로 확장해 보안 특화형 소자 개발을 목표로 한다. 그는 AI 및 IoT 환경에서 요구되는 경량화 된 보안을 실현하고, 차세대 하드웨어 보안 플랫폼에 적용할 수 있 구조를 제시하고자 한다.

유 교수팀의 이번 논문 "Heterojunction-Driven Stochasticity: Bi-Heterojunction Noise-Enhanced Negative Transconductance Transistor in Image Generation"은 재료 및 전자소자 분야 최상위 국제 학술지인 <Advanced Materials> (IF: 26.8, JCR 상위 2.2%) 6월호에 게재됐다.