仅通过栅极电压即可实现两种激活函数……有望简化AI电路并提升学习性能
汉阳大学融合电子工程专业柳昊天教授团队与成均馆大学申元埈教授、美国伊利诺伊大学芝加哥分校Amit R. Trivedi教授团队共同于17日宣布，开发出了一种仅通过调节栅极电压，即可在单一器件中实现Gaussian（正态分布）与Sigmoid（S型）两种激活函数的“Gaussian–Sigmoid强化晶体管（Gaussian-Sigmoid Reinforcement Transistor, GS-RT）”。
该器件可在单个晶体管内自由切换所需的激活函数，能够以硬件方式解决人工智能强化学习算法中核心的“探索-利用”平衡问题。研究团队期待通过这一技术不仅在显著简化基于强化学习的AI系统电路，还可以提高学习效率和性能。
在现有强化学习系统中，Gaussian函数与Sigmoid函数被广泛使用，但要在硬件中实现它们需要复杂运算和数十个晶体管，这在功耗和设计难度上均构成了重大限制。尤其是，当电路同时需要两种函数时，芯片面积与资源消耗更为庞大严重限制了有效AI芯片的设计。
为此，研究团队在垂直堆叠氧化物半导体（IGZO）与有机半导体（DNTT）的n–p–i–p异质结结构中，引入了绝缘层与非对称电极使器件仅通过栅极电压控制即可表现出Sigmoid或Gaussian的电流特性，从而构建出了可替代传统复杂电路且对于类脑计算最优化的结构。
GS-RT器件已通过强化学习实验验证其实用性。在多臂赌博机问题中，其学习速度比传统方式快约20%，奖励水平提高约30%/在CartPole实验中，与标准ReLU相比，GS-RT表现出了更快的收敛速度并在噪声环境下保持了更高的稳定性。研究团队分析认为，这得益于GS-RT的非线性曲线特性能够在学习过程中提供稳定的梯度流动。
研究负责人柳昊天教授表示：“此次研究是仅通过栅极电压，就能在单个器件中实现两种激活函数的AI芯片技术新突破案例。未来有望作为包括强化学习在内的人工智能神经网络运算、类脑系统、超低功耗边缘计算等跨时代AI芯片领域的高效硬件计算解决方案。”
此次研究在科学技术信息通信部·信息通信企划评估院（IITP）的人工智能芯片高端人才培养项目及韩国研究财团（NRF）项目等的支持下下进行。研究成果已发表于材料·电子器件领域国际学术期刊《Advanced Functional Materials》（IF: 19.0，JCR前5%）2025年7月刊。
该论文为《Gaussian-Sigmoid Reinforcement Transistors: Resolving Exploration-Exploitation Trade-Off Through Gate Voltage-Controlled Activation Functions》，由柳昊天教授课题组朴智秀硕士课程生担任第一作者，徐周炯博士课程生作为共同第一作者，柳昊天教授作为通讯作者参与。