【 청년일보 】 고려대학교 KU-KIST융합대학원 겸 융합에너지공학과 왕건욱 교수 연구팀과 광주과학기술원(GIST) 이병근 교수 연구팀이 새로운 기술 플랫폼을 15일 제시했다.

 

두 연구팀은 모놀리식 3D 방식으로 멤리스터를 집적해 고밀도·고성능 인메모리 컴퓨팅을 위한 신기술을 나노·에너지 분야의 영향력 있는 국제 학술지인 ‘Nano Energy’ 온라인에 지난 10일 게재했다.

 

멤리스터는 메모리와 저항기의 합성어로, 전류가 지나간 이력을 기억해 저항 상태를 유지할 수 있는 차세대 메모리 소자다. 모놀리식 3D 집적 방식은 서로 다른 회로 소자를 수직으로 쌓는 방식을 말한다.

 

최근 인공지능 기술이 발전하면서 데이터 처리량이 급격히 늘고 있지만, 기존 방식의 컴퓨터 구조로는 속도와 에너지 효율이 저하되는 문제가 발생한다.

 

이에 따라 메모리 내에서 연산을 수행하는 ‘인메모리 컴퓨팅’이 주목받고 있다. 

 

 

특히 메모리 기능과 연산 기능을 동시에 수행할 수 있는 멤리스터를 크로스바 어레이로 배열하면 병렬 연산이 가능해져 인공지능 신경망 연산에 적합한 기술로 기대를 모으고 있다.

 

크로스바 어레이는 수직 방향의 전극과 수평 방향의 전극이 교차하는 지점마다 멤리스터를 배치해 고밀도로 메모리나 연산 기능을 구현하는 배열 구조를 의미한다.

 

하지만 멤리스터를 대규모로 배열하면 선택하지 않은 셀로 전류가 흘러 들어가는 오류가 발생하기 때문에 연구팀은 180나노미터(㎚) CMOS 공정으로 제작한 트랜지스터 기반 셀렉터(1TS) 위에 정보를 저장할 수 있는 산화티타늄(TiOx) 멤리스터(1M)를 수직으로 쌓는 ‘모놀리식 3D 집적 방식’을 적용했다.

 

CMOS는 트랜지스터를 구성하는 반도체 공정 기술이며, 1TS는 멤리스터 소자에 흐르는 전류를 선택적으로 제어하기 위하 구성 요소로 일종의 전기 스위치 역할을 한다.

 

1TS는 대규모 배열 구조에서도 원하지 않는 전류 경로를 효과적으로 차단하고 멤리스터의 동작을 보다 정밀하게 제어할 수 있다.

 

연구팀은 이를 통해 1킬로비트(kbit) 용량의 구조를 구현했으며, 이 구조가 최대 1.14테라비트(Tbit) 수준의 초대형 인공지능 연산 시스템으로 확장 가능함을 확인했다고 설명했다. 

 

 

또한 이 구조(1TS-1M)는 기존 산화물 기반 멤리스터 구조보다 전력 소모가 낮아 인공신경망의 핵심 연산인 벡터-행렬 곱셈(VMM) 수행 중 발생하는 불필요한 전력을 기존 0.5 마이크로와트(㎼) 수준에서 70 펨토와트(fW) 수준으로 줄여 1천만배의 전력 효율을 개선했다고 연구팀은 강조했다. 벡터-행렬 곱셈(VMM)은 인공신경망에서 입력과 가중치를 곱해 출력 값을 계산하는 핵심 연산 방식이다.

 

더 나아가 연구팀은 개발한 구조를 이미지 분류 인공지능 모델에 적용해 성능을 검증했다.

 

이 모델에 CIFAR-10과 UTK face 데이터에 적용한 결과 합성곱신경망(CNN) 구조에서 높은 인식 정확도를 기록하며 우수한 학습과 분류 성능이 입증됐다. 합성곱신경망은 사람의 시각 처리 방식을 모방한 이미지 인식 인공지능 모델이다.

 

공동 연구팀 관계자는 “이번 연구는 멤리스터 기반 인공신경망 기술이 고밀도·고성능 AI 연산 시스템으로 실현될 수 있는 가능성을 보여준 것”이라며 “이는 에너지 효율이 높고 확장성이 뛰어나 차세대 AI 반도체 플랫폼 개발로 이어질 수 있을 것”이라고 밝혔다.

 

한편, 이번 연구는 과학기술정보통신부가 추진하는 한국연구재단 기초연구사업(기초연구실, 중견연구, 도전형), 나노·소재기술개발사업, 반도체디스플레이 국제공동연구, 신개념 PIM 기초기술 개발사업, 한국과학기술연구원(KIST), 융복합개방형연구 등의 지원을 받아 수행됐다.
 

【 청년일보=선호균 기자 】