초거대 인공지능 서비스가 출시된 이후 인공지능 기술은 놀라울 속도로 발전을 거듭하고 있다. 기술 발전으로 인공지능 모델은 점차 복잡해지며 필요한 연산량도 기하급수적으로 증가하고 있다. 인공지능 산업이 발전하기 위해선 연산을 빠르고 효율적으로 수행하는 반도체 개발이 필요한 이유다. 경희대학교(총장 김진상) 정보전자신소재공학과 이홍섭 교수 연구팀이 차세대 인공지능 반도체 개발을 앞당길 새로운 소자를 개발했다. 이번 연구는 학술적 성과를 인정받아 세계적 학술지 <ACS Nano> (IF=17.1)에 2월 27일(화) 게재됐다.

딥러닝 알고리즘을 기반으로 하는 초거대 인공지능은 대량의 행렬곱(vector matrix multiplication) 연산을 효율적으로 수행하는 반도체가 필요하다. 현재 병렬처리에 특화된 GPU와 NPU를 사용하여 이 대량의 행렬곱 연산을 수행하고 있으나, 연산장치와 메모리 간의 물리적 분리로 데이터 이동에 병목현상이 생겨 연산이 지연되고 에너지 소모가 증가한다.

이에 대한 솔루션으로 뉴로모픽 하드웨어 기술이 주목받고 있다. 이 기술은 연산장치와 메모리가 하나의 소자에 집적된 반도체로 멤리스터 소자와 크로스바 어레이 구조를 이용해 행렬곱 연산을 매우 효율적으로 수행할 수 있어, 가장 효율적인 차세대 인공지능 반도체로 평가받고 있다. 하지만 현재 멤리스터 소자의 낮은 신뢰성 문제로 상용화에 어려움을 겪고 있다. 

이홍섭 교수 연구팀은 신뢰성 문제를 해결하기 위해 리튬이온을 활용한 멤리스터 소자 공정을 개발했다. 리튬이온의 이동을 기반으로 하는 멤리스터 소자는 기존 소자 대비 더 높은 신뢰성을 보였다. 이홍섭 교수는 “박막증착공정 중 하부전극이 산화물 박막 내로 확산하는 현상에 착안해 하부전극 아래에 리튬금속 층을 삽입하는 아이디어를 도출했다”고 설명했다. 하부전극 아래 삽입된 리튬금속 층은 대기 산화로부터 보호되고, 박막공정 중 산화물 박막 내로 확산되는 방식이다.

확산된 리튬은 멤리스터 소자와 전극 사이 계면에 리튬 저장소를 형성해 데이터를 유지하는 리텐션 특성이 획기적으로 개선됐다. 이홍섭 교수 연구팀은 개발한 소자로 32 x 32 스케일의 크로스바 어레이 소자를 제작해 신뢰성과 성능검증을 완료했다. 이번 연구 성과는 에너지 효율이 우수한 고속연산이 가능한 차세대 인공지능 반도체 개발을 앞당길 것으로 예상된다. 이홍섭 교수는 “향후 32 x 32 스케일의 어레이에서 학습과 추론에 필요한 연산 동작을 검증할 계획”이라며 향후 연구 계획을 공유했다. 이번 연구결과는 한국연구재단, 경기도(GRRC)의 지원을 받아 수행됐다.

방완재 다른기사 보기