서울대 공대 재료공학부 장호원 교수팀, 초저전력으로 AI 연산 수행하는 뉴로모픽 하드웨어 개발
- 지능형 반도체 소재 및 소자 원천기술 확보해 상용화 가능성 높여
- 다학제 분야 최고 권위 저널 Nature Nanotechnology 게재


▲ (좌측부터) 연구를 주도한 제1저자 김승주 박사(서울대학교 재료공학 박사, 서던캘리포니아대학교 박사후연구원), 교신저자 이동화 교수(포항공과대학교), 조슈아 양 교수(서던캘리포니아대학교), 장호원 교수(서울대학교)

서울대학교 공과대학은 재료공학부 장호원 교수 연구팀이 초저전력으로 인공지능 연산을 수행할 수 있는 뉴로모픽(Neuromorphic) 하드웨어를 개발했다고 밝혔다.

이번 연구 결과는 기존의 지능형 반도체 소재 및 소자가 지닌 근원적 문제의 해결책을 제시하고 어레이 수준의 기술화 가능성을 시사한 점을 국제적으로 인정받아 지난 18일 다학제 분야 최고 수준 저널인 ‘네이처 나노테크놀로지(Nature Nanotechnology)’(IF: 38.1)에 발표됐다. 

현재 사물 인터넷, 사용자 데이터 분석, 생성형 AI, 거대언어모델(LLM), 자율 주행 등 다양한 분야에서 빅데이터 처리를 위해 막대한 전력이 병렬연산 기반의 컴퓨팅에 소요된다. 그런데 병렬연산에 쓰이는 기존 CMOS 실리콘 반도체 기반 컴퓨팅은 에너지 소모, 메모리 및 프로세서의 속도 저감, 고집적 공정의 물리적 한계 등의 문제점을 안고 있다. 이로 인해 인공지능이 우리의 삶을 윤택하게 해주는 한편으로는 에너지 및 탄소 배출 문제를 낳고 있는 상황이다.

이 난제를 해결하려면 기존의 디지털 기반 폰노이만 구조(Von Neumann architecture) 컴퓨팅의 한계를 극복할 필요가 있다. 따라서 인간 뇌의 작동 원리를 모사한 차세대 지능형 반도체 기반 뉴로모픽 하드웨어의 개발이 시급한 과제로 부상 중이다. 인간의 뇌는 대략 천억 개의 뉴런과 이들이 서로 연결된 천조 개의 시냅스로 구성되어 있는데, 시냅스는 전기적 신호를 통해 이온 이동을 유도하여 상호 연관 정보를 시냅스 가중치로 저장함으로써 기억, 연산, 추론 등을 수행하는 지성 활동의 기본 단위이다.

이러한 두뇌의 시냅스 작동 방식을 모사한 지능형 반도체 기반 뉴로모픽 하드웨어는 입력 신호의 이력에 따라 아날로그 다중저항 상태를 저장하여 그 가중치를 연산에 활용하는 비휘발성 멤리스터(Memristor) 소자에 기반을 두고 있다. 이 멤리스터 소자에 적용 가능한 소재로 많이 연구된 비정질 금속 산화물은 전도성 필라멘트를 기반으로 구동되어 특정 부분에서만 전하가 축적되기 때문에 시냅스 가중치 조절이 비대칭, 비선형적으로 이뤄질 수밖에 없다. 따라서 병렬 연산의 부정확성이 크고 에너지 효율성이 낮다는 치명적 한계가 있었다.

이에 문제의식을 발전시킨 김승주 박사와 장호원 교수는 최근 차세대 태양전지 및 LED 소재로 주목받던 할라이드 페로브스카이트 소재가 높은 이온 이동도를 가진다는 특성에 착안하여, 유∙무기 하이브리드 소재 설계를 기반으로 뉴로모픽 소자를 개발하는 연구에 집중했다. 그 결과 연구팀은 첨단 공정으로 설계된 새로운 이차원 페로브스카이트 소재에서 이온이 반도체 표면 전면에 균일하게 분포할 수 있다는 사실을 발견할 수 있었다. 그리고 이를 통해 기존 지능형 반도체에서는 실현 불가능했던 초선형적이고 대칭적인 시냅스 가중치 조절을 성공적으로 구현했다. 이 기전은 연구에 함께한 포항공과대학교 연구팀이 제일원리 계산을 통해 이론적으로 증명했다.

그리고 개발된 소자의 성능을 활용하여 하드웨어에서 인공지능 연산의 높은 정확도를 평가한 결과, MNIST와 CIFAR와 같은 작은 데이터뿐만 아니라 고해상도 이미지인 이미지넷(ImageNET) 데이터에서도 이론적 한계값과 0.08% 이내의 매우 적은 오차로 추론이 가능함을 확인했다. 더 나아가 단일 소자 뿐만 아니라 어레이 수준에서도 초저전력으로 인공지능 연산을 가속할 수 있다는 사실을 미국 서던캘리포니아대학교(USC, University of Southern California)와의 공동 연구를 통해 입증했다.


▲ (a) 인공지능 가속용 차세대 지능형 반도체 소재 및 소자 설계 개념도 (b) 제작된 뉴로모픽 시냅스 어레이에서 구현된 초저전력 아날로그 다중저항 상태 (c) 어레이 수준에서 구현한 아날로그 정보 처리 및 숫자 이미지 인공지능 학습

지능형 반도체 소재 및 소자의 에너지 효율성을 크게 향상시킨 이번 연구는 앞으로 인공지능 연산의 전반적인 에너지 소모를 줄이는 데 크게 기여할 수 있다. 또한 초선형적이고 대칭적인 시냅스 가중치 조절을 통해 인공지능 연산의 정확도를 획기적으로 높이는 동시에 자율주행, 의료 진단 등 다양한 분야에서 응용이 가능할 것으로 기대된다. 더불어 향후 차세대 인공지능 하드웨어 기술의 발전은 물론이고 관련 반도체 산업의 혁신도 촉진할 것으로 전망된다.

이번 연구에서 개발한 기술은 3년 전 김승주 박사와 장호원 교수가 재료 분야 최고 수준 저널인 ‘머티리얼즈 투데이(Materials Today)’ (IF: 21.1)에 실린 주목할 만한 논문(Highlighted Paper)에서 발표한 기술을 한층 더 업그레이드한 기술로서, 현재 국내 및 미국 특허 등록을 위한 심사가 진행 중이다.

연구를 지도한 장호원 교수는 “이번 연구는 차세대 지능형 반도체 소자의 근원적 문제를 해결할 수 있는 중요한 기초 자료를 제공하는 성과를 거뒀다”며 “특히 고성능의 뉴로모픽 하드웨어를 개발하기 위해서는 인공 시냅스 소재 내에 국소화된 필라멘트를 만드는 것보다 소재 전면에 균일한 이온 이동을 유도하는 것이 중요하다는 사실을 제시했다는 점에서 매우 의미가 깊다”고 밝혔다.

논문의 제1저자로서 본 연구를 주도한 김승주 박사는 서울대학교 재료공학부에서 학사, 석사, 박사를 졸업한 후 서던캘리포니아대학교(USC, University of Southern California) 전기컴퓨터공학부에서 박사후연구원으로 재직 중이다. 박사과정 중 개발한 소재 기술을 어레이 수준으로 확장시키기 위해 해당 분야 최고 수준의 연구실이 있는 서던캘리포니아대의 방문연구원으로 파견을 가서 국제적 공동 연구를 수행한 후 박사후연구원까지 연계하며 연구의 완성도를 높였다. 현재 미 공군연구소 및 미국 반도체 회사들과의 협업 하에 우주, 항공 분야에서 활용할 수 있는 극한조건 지능형 반도체 개발 연구를 담당하고 있다.


[참고자료]
Linearly programmable two-dimensional halide perovskite memristor arrays for neuromorphic computing, Nature Nanotechnology
https://www.nature.com/articles/s41565-024-01790-3

[참고영상]

https://youtu.be/GrRtKMh0UEA

[문의]
서울대학교 재료공학부 김승주 박사 / welcome0714@snu.ac.kr