양자화된 멤리스터 LIF 뉴런 회로

초록

본 논문은 고전적인 멤리스터가 결합된 누설 적분‑발화(LIF) 뉴런 회로를 회로 양자 전기역학(CQED) 프레임워크에 맞추어 정준 양자화하고, 전이선(line) 배치를 통해 비가역적 저항을 손실 없는 양자 환경으로 대체한다. 약한 결합·천천히 변하는 한계에서 고전 LIF 방정식을 재현함을 보이고, GKSL 마스터 방정식 기반 시뮬레이션으로 양자 멤리스터의 핀치 히스테리시스와 스파이킹 행동을 확인한다. 사운드 로컬라이제이션 벤치마크에서 기존 양자 LIF 모델 및 고전 모델보다 우수한 성능을 보이며, 양자 뉴로모픽 컴퓨팅의 이론적 기반을 제공한다.

상세 분석

이 연구는 두 가지 주요 혁신을 제시한다. 첫째, 전통적인 멤리스터가 갖는 비가역적 저항 특성을 손실이 없는 양자 전송선(line) 배치로 치환함으로써, 전체 시스템을 정준적인 해밀토니언으로 기술한다는 점이다. 전송선은 연속적인 LC 진동소자들의 집합으로 모델링되며, 임피던스 Z₀(t)를 시간에 따라 조절함으로써 멤리스터의 전하 의존 저항 M(q)와 동일한 메모리 효과를 구현한다. 이 접근법은 Caldeira‑Leggett 모델을 확장한 형태로, 시스템‑환경 상호작용을 약한 결합 커패시터 C_C를 통해 제한함으로써 시스템 자체의 동역학이 크게 왜곡되지 않도록 설계되었다.

둘째, 양자화된 회로의 동역학을 GKSL 마스터 방정식으로 기술하고, 멤리스터의 상태 의존 감쇠율 γ(q)=1/(C_m M(q))를 Lindblad 소산 연산자로 구현한다는 점이다. 여기서 a, a† 연산자는 막전압을 나타내는 플럭스 연산자 ϕ̂₀와 전하 연산자 Q̂₀와 직접 연결되며, H(t)=ℏω₀ a†a−½ϕ̂₀I₀sin(ωt) 형태의 시간 의존 해밀토니언이 기본 동역학을 지배한다. 마스터 방정식의 수치적 적분을 통해 전류‑전압(I‑V) 평면에서 핀치 히스테리시스 루프가 재현되었으며, 이는 양자 멤리스터가 고전적인 메모리 효과를 유지함을 입증한다.

또한, LIF 뉴런의 스파이킹 메커니즘을 구현하기 위해 전압이 임계값 V_th에 도달하면 플럭스 연산자를 초기 상태로 리셋하고, 방전 펄스를 발생시키는 절차를 양자 수준에서 정의한다. 이 과정은 비선형 Lindblad 연산자를 통해 비가역적 리셋을 모델링함으로써, 양자 상태의 붕괴와 재초기화를 동시에 수행한다.

시뮬레이션 결과는 약한 결합·천천히 변하는(adiabatic) 한계에서 고전 LIF 방정식 C_m dV/dt+V M(q)=I_in을 정확히 회복함을 보여준다. 특히, 사운드 로컬라이제이션 과제에서 양자화된 멤리스터 LIF 회로는 전통적인 고전 LIF와 기존의 현상학적 양자 LIF 모델보다 높은 정확도와 에너지 효율성을 기록하였다. 이는 양자 슈퍼포지션과 얽힘을 활용하면서도, 멤리스터 기반의 가변 누설 전도도가 학습 및 적응 메커니즘을 제공한다는 점을 시사한다.

이 논문은 양자 뉴로모픽 시스템 설계에 있어 두 가지 핵심 원칙을 제시한다. 첫째, 비가역적 소자를 손실 없는 양자 환경으로 매핑함으로써 정준 양자화가 가능하다는 점; 둘째, 상태 의존 감쇠율을 Lindblad 형태로 구현함으로써 메모리와 스파이킹을 동시에 다룰 수 있다는 점이다. 이러한 접근법은 향후 양자 스파이킹 뉴런 네트워크, 양자 시냅스 가중치 학습, 그리고 양자 머신러닝 알고리즘에 직접 적용될 수 있는 이론적 토대를 제공한다.