살아있는 뇌세포로 만든 컴퓨터 — 바이오컴퓨팅은 어떻게 작동할까

2026년 4월, 미국 프린스턴대 연구팀이 살아있는 뇌세포 약 7만 개로 컴퓨터를 만들었다는 논문을 Nature Electronics에 발표했어요. 제가 이 소식을 보고 학생들에게 제일 먼저 던지는 질문이 있어요 — "굳이 살아있는 세포로 컴퓨터를 만들 이유가 있을까? 실리콘 반도체가 이미 훨씬 빠른데." 답은 의외로 전력에 있어요. 우리 뇌는 오늘날 AI 시스템이 쓰는 전력의 약 100만분의 1만으로 작동하거든요. 지금 AI가 겪는 가장 큰 병목이 "너무 많은 전기를 먹는다"는 점이라는 걸 생각하면, 살아있는 뉴런 자체를 연산 장치로 쓰자는 발상이 왜 나왔는지 이해가 되죠.

3차원 메시 위에서 자란 뉴런

연구팀(Tian-Ming Fu, James Sturm 교수 공동 지도, 제1저자 Kumar Mritunjay)이 만든 장치는 미세한 금속 전선과 전극을 3차원으로 짜 넣은 메시 구조예요. 이 메시는 극도로 얇은 에폭시 코팅으로 돼 있어서, 딱딱한 반도체와는 다르게 물렁물렁한 신경세포의 질감과 자연스럽게 맞물려요. 그 위에 뇌세포 7만 개를 배양하고, 수십 개의 미세 전극으로 뉴런의 전기 신호를 읽고(기록) 자극하는(조작) 게 핵심 구조입니다. 평면(2D) 배양 접시와 달리 3차원 구조를 쓴 이유는, 실제 뇌 조직처럼 뉴런들이 입체적으로 얽혀 더 복잡한 연결망을 만들 수 있게 하기 위해서예요.

학습이라는 게 정말 일어났을까

연구팀은 이 시스템을 6개월 넘게 관찰하면서, 뉴런 사이 연결이 강해지고 약해지는 과정을 추적했어요. 여기서 등장하는 원리가 바로 시냅스 가소성이에요 — 자주 함께 활성화되는 뉴런끼리는 연결이 강해지고, 안 쓰는 연결은 약해진다는 원리인데, 1949년 도널드 헵이 처음 제안했고 이후 장기강화(LTP) 현상으로 실험적으로도 확인된 개념입니다. 이 살아있는 회로에 이 원리를 적용한 결과, 시스템은 공간적 패턴과 시간적 패턴을 정확히 구별해내는 능력을 보였어요. 완전한 인지 능력이라고 보긴 어렵지만, 전기 자극을 반복적으로 주고받으며 회로 스스로 반응 패턴을 바꿔나갔다는 점에서 '학습'이라는 표현을 쓸 만한 변화였던 거죠.

쌤 한마디 — 이 분야에서 가장 유명한 이전 사례는 2022년 호주 스타트업 코티컬 랩스(Cortical Labs)의 'DishBrain' 실험이에요. 접시에서 배양한 뉴런 약 80만 개에 전기 신호로 탁구 게임(퐁)을 학습시켰는데, 놀랍게도 몇 분 만에 공을 받아치는 능력이 향상됐어요. 당시 이 연구가 "뉴런이 시뮬레이션된 게임 세계 안에서 학습하고 지각(sentience)을 보인다"는 제목으로 Neuron 저널에 실리면서 큰 화제가 됐죠. 프린스턴 연구는 그 뒤를 이어 더 정교한 3차원 구조로 이 아이디어를 한 단계 발전시킨 셈이에요.

그럼 이 뉴런들에게 의식이 있는 걸까

이 얘기를 하면 학생들이 꼭 묻는 질문이 있어요 — "그럼 이 세포들, 뭔가를 느끼는 거 아니에요?" 정직하게 답하면, 아직 아무도 확실히 몰라요. 접시 위의 뉴런 몇만 개가 실제로 어떤 형태로든 경험이나 감각을 갖는지는 신경과학과 철학이 함께 씨름하는 미해결 문제예요. 실제로 2023년 '뉴욕 의식 선언(New York Declaration on Animal Consciousness)'과 비슷한 흐름으로, 오가노이드(장기 유사체)나 배양 신경조직의 잠재적 지각 능력을 놓고 국제적으로 윤리 지침을 만들려는 논의가 계속되고 있어요. 지금 단계에서 중요한 태도는, 신기하다고 성급하게 "의식이 있다"고 단정하지도 않고, 그렇다고 완전히 무시하지도 않는 거예요 — 확실하지 않은 건 확실하지 않다고 말하는 것도 과학적 태도의 일부니까요.

고리가 닫혀 있다 — 같은 자극에도 다음 반응이 달라진다 — 송쌤생명과학 자체 제작

실리콘 뉴로모픽 칩과는 뭐가 다를까

여기서 헷갈리기 쉬운 개념이 하나 있어요. IBM의 TrueNorth나 인텔의 Loihi처럼, 뉴런의 작동 방식을 흉내 낸 반도체 칩도 '뉴로모픽 컴퓨팅'이라고 불러요. 그런데 이건 살아있는 세포가 아니라 실리콘 회로로 뉴런의 스파이크(전기 신호) 방식을 모방한 거예요. 프린스턴 연구처럼 진짜 살아있는 뉴런을 쓰는 방식은 '생물학적 컴퓨팅(biocomputing)'이라고 구분해서 부르는 게 더 정확해요. 두 접근 모두 "뇌처럼 적은 전력으로 계산하자"는 목표는 같지만, 하나는 뇌를 흉내 낸 하드웨어를 새로 설계하는 쪽이고 다른 하나는 진짜 뇌세포를 부품처럼 활용하는 쪽이라는 차이가 있습니다.

왜 이 주제가 자소서 소재로 좋은가

이 소재는 신경과학 하나로 끝나지 않는다는 게 강점이에요. 시냅스 가소성 같은 생명과학 개념, 전극·회로 설계 같은 공학적 요소, 그리고 오가노이드 윤리 논쟁 같은 과학철학적 질문까지 한 소재 안에 다 들어있거든요. 진로를 신경과학·생명공학·전자공학 중 어느 쪽으로 좁히든 자연스럽게 이 소재를 가져다 쓸 수 있고, "생명체를 연산 장치의 부품으로 쓰는 게 정당한가"라는 윤리적 질문까지 던지면 훨씬 입체적인 글이 됩니다.

탐구 방향성 제안

• 문헌조사 방향: "organoid intelligence", "biocomputing", 코티컬 랩스의 DishBrain(2022, Neuron) 원 논문과 프린스턴 연구(2026, Nature Electronics)를 비교 조사

• 자료 정리 아이디어: 생물학적 컴퓨팅 vs 실리콘 뉴로모픽 칩(TrueNorth, Loihi) vs 기존 폰노이만 구조 컴퓨터를 "전력 효율/처리 방식/기술 성숙도" 기준으로 비교표를 만들어보면 발표 자료로도 좋습니다.

• 결과 해석 시 유의할 점: "살아있는 뇌세포 컴퓨터"라는 표현이 자극적으로 들리지만, 실제로는 아주 단순한 패턴 구별 수준의 학습이라는 점을 과장하지 않는 게 중요해요. 오가노이드 지각 여부는 아직 결론이 안 난 열린 질문이라는 것도 함께 언급하면 더 신뢰도 있는 글이 됩니다.

자소서 문장화 팁

이런 흐름으로 풀어보면 자연스러워요.

동기: AI가 소비하는 막대한 전력 문제를 접하다가, "뇌처럼 적은 전력으로 계산하는 컴퓨터를 만들 수는 없을까"라는 의문이 들었다.
탐구: 프린스턴대의 살아있는 뇌세포 컴퓨터 연구와 앞선 DishBrain 사례를 조사하며, 시냅스 가소성 원리가 어떻게 인공 회로의 학습으로 이어지는지 확인했다.
배움: 생물학적 접근과 실리콘 뉴로모픽 접근이 같은 목표(저전력 계산)를 서로 다른 방식으로 추구하고 있다는 것, 그리고 새로운 기술일수록 성능만큼 윤리적 질문도 함께 따져봐야 한다는 걸 배웠다.
진로 연결: (신경과학, 생명공학, 전자공학 등 본인의 관심 분야)로 자연스럽게 이어서 마무리.

다만 이 문장들은 방향을 잡기 위한 예시일 뿐이에요. 실제 문장은 자신이 찾아본 자료와 느낀 점을 바탕으로 직접 써야 합니다.

더 깊이 들어가기

• 시냅스 가소성과 장기강화(LTP) — 뉴런은 정확히 어떤 원리로 "기억"하고 "학습"할까

• 오가노이드 지각(organoid sentience) 논쟁 — 배양된 신경조직의 윤리적 지위를 어떻게 다뤄야 할까

• 뉴로모픽 반도체(TrueNorth, Loihi)와 생물학적 컴퓨팅의 성능·효율 비교