스마트 어시스턴트, 웨어러블 건강 모니터, 그리고 문맥 인식 시스템 (context-aware systems)에서 개인정보를 보호하는 개인 데이터 분석에 대한 수요가 증가함에 따라, 에너지 효율적이면서도 보안성이 뛰어난 하드웨어가 요구되고 있습니다. 본 연구에서는 트랜지스터 레벨의 공정 변이 (process variation)를 초고차원 컴퓨팅 (hyperdimensional computing)을 위한 물리적 복제 불가능 엔트로피 (physically unclonable entropy)로 활용하는 65-nm 개인정보 보호 뉴로모픽 인코더 (neuromorphic encoder)를 선보입니다. 제안된 2T-2T 엔트로피 셀은 컴팩트하고 장치 특화적이며 쓰기가 필요 없는 아이템 메모리 (item-memory)를 가능하게 하여, 기존 메모리에 무작위 기저 벡터 (random basis vectors)를 저장하지 않고도 개인정보를 보호하는 생체 신호 인코딩을 허용합니다. 제작된 프로토타입은 인코딩당 7.13 nJ, 2.38 Mb/mm²의 아이템 메모리 밀도, 예측당 76.44 nJ, 그리고 학습 업데이트당 357.32 nJ를 달성했습니다. 또한 다중 사용자 배포 및 콜드 스타트 개인화 (cold-start personalization)를 위한 인시투 (in-situ) 의사 결정, 지속 학습 (continual learning), 그리고 연합 학습 (federated learning)을 지원합니다. 생체 신호 데이터셋을 통한 평가 결과, 이진 초고차원 컴퓨팅 (binary hyperdimensional computing)과 비교하여 하이퍼벡터 차원을 14.3배 줄이면서도 EMG에서 93.2%, UCI-HAR에서 96.1%의 정확도를 입증했습니다. 이러한 결과는 안전한 에지 생체 의학 지능 (edge biomedical intelligence)을 위한 에너지 효율적이고 개인정보를 보호하는 뉴로모픽 하드웨어 플랫폼을 보여줍니다.