Nanowire networks' interconnection graphs from their photomicrographs

병 속에 담긴 뇌의 설계도

작고 딱딱한 실리콘 칩 대신, 스스로 자라나고 뒤엉키는 작고 무질서한 전선들의 덩어리로 슈퍼컴퓨터를 만든다고 상상해 보십시오. 이것이 바로 과학자들이 단순히 소프트웨어가 아닌 물리적 재료를 사용하여 인간 뇌의 무질서하면서도 찬란한 효율성을 모방하려는 분야인 '뉴로모픽 컴퓨팅(neuromorphic computing)'의 거친 개척지입니다. 우리 뇌에서는 정보가 시냅스로 연결된 방대하고 얽힌 뉴런의 그물망을 통해 흐릅니다. 우리처럼 생각하는 기계를 만들기 위해, 연구자들은 '나노와이어 네트워크(nanowire networks)'—스스로 복잡한 회로를 형성하며 연결되는 아주 가느다란 금속 가닥들—를 이용한 실험을 진행하고 있습니다. 여기서 핵심적인 질문은 이것입니다. 이 뒤엉킨 전선들의 숨겨진 지도를 어떻게 이해할 것인가? 만약 우리가 정확한 연결 상태를 볼 수 없다면, 기계를 제대로 프로그래밍할 수 없습니다. 이 논문은 바로 그 문제를 다룹니다. 즉, 엉클어진 전선 뭉치의 흐릿한 사진을 찍어 컴퓨터가 실제로 학습에 사용할 수 있는 명확한 수학적 지도로 변환하는 작업입니다.

---

무질서한 사진에서 디지털 지도로

수천 개의 작은 은색 스파게티 가닥이 담긴 병이 있다고 상상해 보십시오. 병을 흔들면 가닥들이 무질서하게 쌓입니다. 어떤 가닥은 서로 맞닿아 있고, 어떤 가닥은 서로 닿지 않은 채 교차하며, 어떤 가닥은 그저 다른 가닥 위에 놓여 있기도 합니다. 이제 이 더미를 위에서 똑바로 내려다보며 사진을 찍는다고 상상해 보십시오. 여러분의 눈에는 무질서한 그물처럼 보이겠지만, 이 무질서 속에서 전기가 어떻게 흐르는지 시뮬레이션하려는 컴퓨터에게 그 사진은 쓸모가 없습니다. 실제 다른 가닥과 '접촉하고 있는' 가닥과, 단지 약간 떠 있어서 접촉하는 것처럼 '보이는' 가닥을 구분할 수 없기 때문입니다.

이것이 바로 이 연구를 수행한 팀이 해결하고자 했던 과제입니다. 그들은 **은 나노와이어 네트워크(AgNWNs)**를 연구했습니다. 이것들을 약 170나노미터 너비(사람 머리카락 굵기의 약 500분의 1)와 70마이크로미터 길이의 미세한 금속 와이어라고 생각하십시오. 연구진은 이 와이어들을 만들고, 생성 과정에서 남은 끈적한 물질을 약간 섞어 표면에 떨어뜨려 네트워크를 형성했습니다. 그런 다음, 이 전선 뭉치를 통해 전기가 어떻게 이동하는지 확인하기 위해 표면의 1밀리미터 간격으로 두 개의 커다란 금속 전극(거대한 접점과 같은 역할)을 배치했습니다.

연구진은 이 네트워크의 '암시야(dark-field)' 광학 사진을 촬영했습니다. 하지만 사진만으로는 충분하지 않습니다. 그들에게는 **그래프(graph)**가 필요했습니다. 수학과 컴퓨터의 세계에서 그래프란 점(노드, nodes)과 선(엣지, edges)의 지도를 뜻하는 멋진 표현일 뿐입니다. 이 경우, '점'은 교차점 사이의 와이어 조각들이며, '선'은 와이어가 만나는 접점입니다.

파이프라인: 사진을 지도로 바꾸는 과정
팀은 이 작업을 수행하기 위해 특별한 디지털 '파이프라인'(단계별 컴퓨터 프로그램)을 구축했습니다:

1. 정리(Clean Up): 원본 사진을 가져와 작은 먼지나 노이즈를 제거하여 깨끗하게 만들었습니다.
2. 골격화(Skeletonize): 두꺼운 무질서한 와이어를 그림의 윤곽선을 따듯 단일 픽셀 너비의 선으로 변환했습니다.
3. 교차점 식별(Identify Crossings): 컴퓨터가 선들이 어디서 교차하는지 찾았습니다.
4. 핵적인 문제(The Big Problem): 여기가 까다로운 부분입니다. 카메라가 수직 방향(zenithal view)에서 내려다보기 때문에, 두 와이어가 실제로 맞닿아 있는지 아니면 3차원 공간에서 단순히 지나치고 있는지(하나가 다른 하나 위에 떠 있는 상태)를 구별할 수 없습니다. 따라서 컴퓨터는 모든 교차를 실제 연결로 간데 있습니다.

연구 결과
연구진은 와이어 밀도가 다른 세 가지 샘플(A, B, C로 표시)을 분석했습니다. 그들은 사진을 그래프로 변환하고 점과 선의 개수를 셌습니다.

• 샘플 A: 66,435개의 노드(와이어 세그먼트)와 121,217개의 엣지(교차점)를 가졌습니다.
• 샘플 B: 77,477개의 노드와 139,293개의 엣지를 가졌습니다.
• 샘플 C: 더 성긴 구조로, 26,222개의 노드와 41,941개의 엣지를 가졌습니다.

'차수(degree, 각 와이어가 가진 연결 수)'를 살펴보았을 때, 밀도가 높은 샘플의 평균은 약 3.6이었고, 성긴 샘플은 3.2였습니다.

네트워크의 형태
연구진은 자신들의 무질서한 와이어 지도를 세 가지 유명한 네트워크 구조와 비교했습니다:

1. 스몰 월드(Small-World): 이웃과는 잘 알고 지내지만, 몇 번의 단계만 거치면 도시의 누구에게든 도달할 수 있는 작은 마을과 같습니다.
2. 모듈형(Modular): 뚜렷한 동네가 있는 도시와 같습니다. 사람들은 자기 동네 안에서는 활발히 소통하지만, 동네 사이의 연결은 적습니다.
3. 척도 없는 네트워크(Scale-Free): 대부분의 사람은 친구가 몇 명뿐이지만, 소수의 '슈퍼 유저'는 수천 명의 친구를 가진 사회 관계망과 같습니다.

결과는 혼합된 형태였습니다. 와이어당 연결 수는 스몰 월드 유형과 비슷해 보였습니다. 그러나 '인접 행렬(adjacency matrix, 누가 누구와 연결되어 있는지 보여주는 색상 격자)'을 살펴보았을 때, 큰 색상 블록들이 나타났습니다. 이는 네트워크가 모듈형임을 시사하며, 서로 긴밀하게 엮여 있지만 다른 클러스터와는 느슨하게 연결된 뚜렷한 와이어 클러스터들이 존재함을 보여줍니다. 이는 단 하나의 유형에 완벽히 일치하는 것이 아니라 하이브리드 형태였습니다.

"가짜 연결"에 대한 현실 점검
여기서 이 논문은 매우 영리해집니다. 연구진은 자신들의 사진이 정보를 왜곡하고 있다는 사실을 알고 있었습니다. 3차원 깊이를 볼 수 없기 때문에, 그들은 '가짜' 교차점을 실제 전기적 연결로 세고 있었던 것입니다. 이를 해결하기 위해, 그들은 연결의 일정 비율을 인위적으로 '제거'했을 때 어떤 일이 일어나는지 확인하는 시뮬레이션을 실행했습니다.

그들은 두 가지 주요 사항을 테스트했습니다:

• 클러스터링 계수(Clustering Coefficient): 지역 그룹들이 얼마나 촘촘하게 결합되어 있는지를 나타냅니다. 가짜 연결을 제거함에 따라 이 수치가 낮아졌는데, 이는 당연한 결과입니다.
• 경로 길이(Path Length): 네트워크의 한쪽 끝에서 다른 쪽 끝까지 가는 데 걸리는 평균 단계 수입니다. 이를 정확하게 계산하기 위해, 그들은 네트워크에서 완전히 고립된 부분은 무시해야 했습니다. 그렇지 않으면 고립된 조각까지의 거리는 무한대가 되기 때문입니다. 따라서 그들은 오직 최대 연결 성분(largest connected component), 즉 모든 것이 여전히 연결되어 있는 메인 '섬'에만 집중했습니다. 연결을 제거함에 따라 '지름길'이 사라지면서 경로가 길어졌습니다.

그들은 많은 양의 가짜 연결을 제거하더라도 네트워크가 여전히 유지된다는 것을 발견했지만, 경로 길이는 증가했습니다. 이는 초기 지도가 다소 '노이즈'가 많았을지라도(너무 많은 가짜 연결), 근본적인 구조는 견고하다는 것을 시사합니다. 즉, 네트워크는 단순히 무작위적인 혼란이 아니라, 데이터를 정제하더라도 살아남는 특정한 모듈형 구조를 가지고 있습니다.

시사점
이 논문은 나노와이어 네트워크의 미스터리를 영원히 풀었다고 주장하지 않습니다. 대신, 새로운 도구를 제공합니다. 즉, 무질서한 와이어 뭉치의 단순한 사진을 컴퓨터가 사용할 수 있는 수학적 지도로 변환하는 방법입니다. 그들은 이러한 실제 네트워크가 모듈형 및 스몰 월드 구조와 매우 유사하다는 것을 보여주었습니다. 또한 카메라의 한계로 인해 지도가 실제 연결 수를 과대평가할 수 있음을 인정했습니다. 하지만 연결을 '가지치기'할 때 네트워크가 어떻게 변하는지 테스트함으로써, 그들의 방식이 견고한 출발점임을 입증했습니다.

요약하자면, 그들은 뒤엉킨 와이어라는 무질서한 물리적 세계와 컴퓨터 시뮬레이션이라는 깨끗하고 논리적인 세계 사이의 다리를 건설했습니다. 이 다리 덕나 과학자들은 마침내 실제 세계의 데이터를 모델에 입력할 수 있게 되었으며, 이를 통해 단순히 어떻게 작동하는지 추측하는 것이 아니라 자신의 배선 지도를 실제로 알고 있는 더 나은 뇌 닮은 컴퓨터를 설계할 수 있게 되었습니다. 향-후 연구는 이러한 지도를 정교화하여 와이어의 3차원 현실을 반영하고, 실제로 전기를 흘렸을 때 이 네트워크들이 어떻게 반응하는지 테스트하는 데 집중될 것입니다.