실제 환경에서 쓰이는 물리 저장소는 온도 변화에 따라 성능이 흔들리지 않아야 한다. 영국 셰필드대 연구진은 스트레인-유도 자기전기 결합으로 구동되는 초상자성 나노점 집합을 시뮬레이션해, 주변 온도가 달라질 때 자화 동역학과 NARMA-10 작업 성능이 어떻게 변하는지 살폈다. 이 연구는 균일한 나노점 배열이 훈련 온도 밖에서 예측 성능을 크게 잃는다는 점을 보인 뒤, 서로 다른 크기의 나노점을 섞은 이질적 배열이 그 민감도를 줄일 수 있다고 제시한다.
대상은 PMN-PT 압전 기판 위에 패턴된 원형 CoFeB 나노점 집합이다. 전압에 따른 기판 변형이 나노점의 에너지 장벽을 바꾸고, 그 결과 열 활성화 자기화 전환률이 달라진다. 연구진은 이를 Stoner–Wohlfarth 모델과 Néel–Arrhenius 법칙으로 기술했다. 나노점은 1000개가 넘고, 서로 지름의 2배 이상 간격을 둬 쌍극자 결합을 최소화한다고 가정했다. 이때 물리 저장소의 조건으로 재현가능성, 비선형성, fading memory가 함께 논의됐다.
검증 과제는 NARMA-10이었다. 입력은 총 3000개 샘플이며 2000개로 훈련하고 1000개로 시험했다. 20°C에서 학습한 가중치를 고정한 채 5~35°C에서 추론 성능을 비교하자, 균일 저장소는 20°C에서 가장 낮은 NRMSE를 보였지만 온도가 내려가면 급격히 악화됐다. 최적 균일 저장소의 NRMSE는 0.49였고, 5°C에서는 550, 35°C에서는 6.14까지 올라갔다. 훈련 온도에서 ±4°C만 벗어나도 NRMSE는 1.1을 넘었고 상대 오차는 140%를 넘었다. 6°C, 20°C, 35.4°C에서의 자화 곡선 비교에서도 35.4°C에서는 첫 입력 단계 끝 최대 편차가 30%, 전체 시퀀스 NRMSE가 20%였고, 6°C에서는 최대 편차 26.7%, NRMSE 14%가 보고됐다.
연구진은 서로 다른 직경의 나노점을 함께 쓰는 이질적 배열을 제안했다. 서로 다른 크기가 열 활성화의 특성 시간척도를 달리해, 집합 전체의 응답이 특정 온도에 과도하게 치우치지 않게 하려는 구상이다. Bayesian optimization으로 400회 탐색해 파레토 전면을 얻었고, 목적함수는 최소 NRMSE와 평균 NRMSE였다. 대표 해 No.1은 최소 NRMSE 0.557, 평균 NRMSE 1.265였고, No.7은 최소 NRMSE 0.631, 평균 NRMSE 0.720이었다. 균일 저장소의 대응값은 69.861로 제시됐다. 두 해는 4.1°C, 20°C, 37.1°C에서의 출력 추적으로도 비교됐는데, No.1은 훈련 온도에서 잘 맞고 양 끝 온도에서 흔들렸으며, No.7은 세 온도 모두에서 더 고르게 목표 출력을 따랐다.
| 항목 | 수치/구성 | 근거 위치 |
|---|---|---|
| NARMA-10 데이터셋 분할 | 총 3000개 샘플, 훈련 2000개, 시험 1000개 | Methodology, NARMA-10 task |
| 균일 저장소의 최적 성능 | NRMSE 0.49 | Supplementary material S1, Fig.S1 |
| 온도 변화에 따른 균일 저장소 성능 | 5°C에서 NRMSE 550, 35°C에서 6.14, 15~26°C에서도 1.1 초과 | Results and discussion, Fig.3(a)(b) |
| 파레토 전면의 대표 해 | No.1: 최소 NRMSE 0.557, 평균 NRMSE 1.265; No.7: 최소 NRMSE 0.631, 평균 NRMSE 0.720 | Fig.4(a), Table Ⅲ |
자료: STORIUM 정리
하이퍼파라미터 분석에서는 피드백 강도 γ가 최소 NRMSE와 평균 NRMSE 모두에 가장 큰 영향을 주는 변수로 나타났다. γ가 낮은 구간(0.114~0.117)에서는 최소 NRMSE가 약 0.61까지 내려가지만 평균 NRMSE는 높았고, γ가 높은 구간(0.118~0.121)에서는 평균 NRMSE가 더 좋아지는 대신 최소 NRMSE가 나빠졌다. 연구진은 이를 바탕으로 온도가 안정적인 실험실 환경에는 더 작은 γ가, 온도 변동이 큰 야외 환경에는 더 큰 γ가 맞을 수 있다고 해석했다.
그러나 이 결과는 동료심사 전 arXiv 프리프린트이며, 현재까지는 NARMA-10 한 과제만 다뤘다. 연구진도 기하학적 매개변수와 계산 특성 사이의 정량적 관계, 그리고 분류나 인식 같은 다른 작업으로의 일반화는 아직 확인되지 않았다고 적었다. 논문은 이질적 초상자성 나노점 배열이 실제 환경 배치에 필요한 온도 안정성 조절의 한 단계를 보여준다고 정리한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
