기존의 컴퓨터는 항상 같은 입력에 대해 같은 출력을 내놓습니다. 하지만 세상은 본질적으로 불확실성이 많은데, 이를 반영한 것이 확률적 컴퓨팅입니다. 확률적 컴퓨팅은 의도적으로 불확실성을 도입하여 문제를 푸는 방식으로, 복잡한 최적화 문제나 인공지능 계산을 훨씬 더 빠르고 에너지 효율적으로 해결할 수 있습니다. 쉽게 말해, “항상 100% 확실한 답만 고집하지 않고, 적당히 ‘확률적으로 맞는’ 답을 이용해 계산 속도와 효율을 높이는” 계산 방법입니다.

Highly durable and energy-efficient probabilistic bits with h-BN/SnS2 interface for integer factorization, InfoMat, 2025 

반도체 소자에서 자연적으로 발생하는 확률적(stochastic) 전하 이동 현상을 물리적으로 규명하고, 이를 새로운 연산 방식으로 전환하는 연구를 합니다. 트랩 포획·방출, 열적 활성화, 양자적 터널링과 같은 미시적 과정들은 전류의 순간적 변동을 유발하며, 기존 디지털 회로에서는 제거해야 할 잡음으로 취급되어 왔습니다.  그러나 이러한 확률적 거동은 적절한 모델링과 제어 기법을 통하면, 에너지 효율적이고 다중해 탐색 능력을 지닌 계산 자원으로 재해석될 수 있습니다. 

SnS2 memtransistor-based Lorenz chaotic system for true random number generation, Nano Energy, 2024 

반도체 회로를 설계할 때는 실제 소자를 만들기 전에 시뮬레이션으로 동작을 예측해야 합니다. SPICE는 이런 회로 시뮬레이션에 가장 널리 쓰이는 프로그램입니다. 하지만 새로운 소자를 개발하면, 기존의 시뮬레이션 프로그램에는 그 소자가 반영되어 있지 않습니다. 따라서 연구실에서는 실험 데이터를 바탕으로 새로운 소자의 동작을 간단한 수학식으로 표현하는 “컴팩트 모델”을 개발합니다. 이렇게 만들어진 모델은 SPICE에 넣어 회로 전체가 어떻게 동작할지 미리 확인할 수 있게 해줍니다.

Physics-based compact model for 2D TMD FETs with full-range validation from single device to circuit, Nanoscale Horizons, 2025 

지금의 컴퓨터는 대부분 디지털 신호(0과 1)만을 사용합니다. 반면 인간의 뇌는 아날로그와 디지털적 요소가 섞여 동작합니다. 아날로그-디지털 하이브리드 컴퓨팅은 이 두 방식을 결합하여, 각 방식의 장점을 극대화하려는 연구입니다. 예를 들어 아날로그는 연속적인 계산을 빠르게 처리하는 데 강점이 있고, 디지털은 정확한 논리 연산에 강합니다. 이를 합치면 기존 컴퓨터로는 힘든 인공지능 연산을 에너지 효율적으로 수행할 수 있습니다.

Analog–digital hybrid computing with SnS2 memtransistor for low-powered sensor fusion, Nature Communications, 2022 

Energy-efficient and reconfigurable complementary filter based on analog–digital hybrid computing with SnS2 memtransistor, Nano Energy, 2023