Ajou大学研究团队实现用于开发“随机数”发生装置的源头技术

by Lim Chunhan

Published 05 Aug.2025 15:23(KST)

亚洲大学6日表示，由亚洲大学教授 Lee Hyungwoo 等人组成的联合研究团队，提出了一种能够将隧穿电流离散涨落受外部变量干扰降到最低的所谓“二能级量子系统（two-level quantum system, TLQS）”。

亚洲大学研究团队实现用于开发密码安全、人工智能机器学习核心要素——“随机数”发生装置的新源头技术。亚洲大学提供

本次研究以“复合氧化物异质结构中的高稳定二能级电流涨落（Highly stable two-level current fluctuation in complex oxide heterostructures）”为题，于上月发表在全球学术期刊《自然·通讯》（Nature Communications）上。

本研究由亚洲大学研究生院能源系统学科学生 Kim Doyeop 和弘益大学教授 Lee Jungwoo 共同担任第一作者。亚洲大学教授 Lee Hyungwoo（物理学系、研究生院能源系统学科）、嘉泉大学教授 Eom Gitae（半导体工学系）以及仁荷大学教授 Lee Sunwoo（计算机工学系）担任通讯作者并主导研究。美国南达科他矿业与技术学院（South Dakota School of Mines and Technology）的 Tula R. Paudel 教授团队以及韩国科学技术院（KAIST）教授 Yang Yongsoo 团队也参与了研究。

联合研究团队利用复合氧化物异质结构（SrRuO3/LaAlO3/Nb:SrTiO3，SRO/LAO/Nb:STO），实现了高稳定性的二能级电流涨落（two-level current fluctuation）现象，并基于此开发了物理随机数发生器（physical entropy source）。

所谓随机数，是指在给定范围内无法预测下一个数值、以完全随机方式生成的数。随机数是在密码学、安全、仿真、游戏等多个领域中，用于产生不可预测数值的必备技术。此外，在面向人工智能（Artificial Intelligence, AI）和机器学习（Machine Learning）的海量数据学习中，随机数数据也被极为重要地加以利用。高水平的随机数利用，近来被视为提升机器学习模型高效学习所必不可少的要素。

尤其是物理随机数发生器（physical entropy source），是指利用自然界的随机现象，生成人类无法预测、即无法被黑客攻击的真正随机数的装置。现有计算机多采用基于软件的伪随机数（Pseudo-random number，即“假随机数”）发生装置，而物理随机数发生器从根本上无法被预测或破解，因此可提供更高水平的安全性和可靠性。此外，在仿照人脑结构的神经形态系统领域，为了构建超越传统软件算法的硬件型人工神经网络，也必然需要基于硬件的物理随机数发生器。

以往代表二能级电流涨落现象的随机电报噪声（Random Telegraph Noise, RTN）系统，是利用氧化物内部点缺陷的电荷俘获（trapping）现象。然而由于这一现象与外部环境密切相关，因此极不稳定，难以在长时间内维持稳定的离散信号（离散信号：仅由类似0和1这两种数值构成的信号）。

为解决这一问题，研究团队有意使两类点缺陷——即氧空位（VO）与钛的反位缺陷（TiAl）——共存，从而诱导它们之间的相互作用，并据此提出了所谓“二能级量子系统（two-level quantum system, TLQS）”的新概念，使隧穿电流的二能级涨落受外部变量干扰的程度降到最低。

当电子被 TiAl 缺陷瞬时俘获时，周围氧空位（VO）的能级会瞬间发生变化，并最终诱导出离散的隧穿电流涨落。该结构在室温下也表现出可持续169秒以上的稳定离散电流涨落，并在超过1年的时间内保持稳定工作。

研究团队进一步利用这种二能级量子系统 TLQS 电流信号的离散涨落特性，验证了其随机数生成功能。研究人员将实验获得的模拟电流数据二值化，转换为由0和1构成的随机数序列，并对其随机性（Randomness）进行评估，从而证明本次提出的 TLQS 实际上能够产生优质的随机数数据。

联合研究团队还将 TLQS 生成的随机数数据应用于图像超分辨率（VDSR）神经网络的训练。研究团队确认，采用基于 TLQS 随机数数据的模型，其精度和学习速度均优于采用传统软件随机数发生器（Numpy Random Generator, Python）的模型。

图像超分辨率（VDSR）神经网络是一种能够将模糊照片清晰复原的人工智能技术。为了实现这一高难度任务，必须事先通过向人工智能展示大量示例图片并不断让其“答题”的方式进行反复训练，在这一过程中，随机数发挥着重要作用。随机数被用于打乱训练数据的顺序，或随机设定神经网络的初始状态，从而帮助人工智能更高效地学习，并在各种情境下都能做出正确反应。如果随机数具有可预测性或存在偏差，人工智能可能会产生失真的结果，因此使用真正的随机数极为重要。

主导本次研究的亚洲大学教授 Lee Hyungwoo 表示：“本次实现的二能级量子系统 TLQS 器件，可与应用于计算机和智能手机等设备的硅基半导体技术（互补金属氧化物半导体技术, CMOS）实现兼容。考虑到该器件具有优异的集成潜力，可以说这是一项具有极高实用性的随机数发生装置源头技术。”