2025~2021 차세대 인공지능 반도체 개발 앞당길 리튬이온 멤리스터 소자 개발

작성일 2024-03-22

정보전자신소재공학과 이홍섭 교수 연구팀이 차세대 인공지능 반도체 개발을 앞당길 새로운 소자를 개발했다.

정보전자신소재공학과 이홍섭 교수 연구팀 성과
고신뢰성 멤리스터 소자 기술 개발해 인공지능 반도체 상용화 앞당겨

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.

신뢰성 문제로 인공지능 반도체 상용화에 어려움
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. 이홍섭 교수는 “연구실 학생들과 밤낮없이 열심히 연구한 과정이 좋은 결과를 맺어 기쁜 마음”이라고 말했다.

딥러닝 알고리즘을 기반으로 하는 초거대 인공지능은 대량의 행렬곱(vector-matrix multiplication) 연산을 효율적으로 수행하는 반도체가 필요하다. 현재 병렬처리에 특화된 GPU와 NPU를 사용해 대량의 행렬곱 연산을 수행하고 있다. 하지만 연산장치와 메모리가 물리적으로 분리돼 있어 데이터 병목현상에 의해 연산 지연이 발생하고 학습 과정에서 막대한 에너지가 소모된다.

뉴로모픽(Neuromorphic) 하드웨어 기술이 해결책으로 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 평가받는다. 하지만 현재 멤리스터 소자의 낮은 신뢰성 문제가 상용화를 어렵게 하고 있다. 신뢰성은 부품, 소재, 제품, 시스템 등 모든 환경에서 고장 없이 일정기간 동안 최초의 품질과 성능을 유지하는 특성이다. 이홍섭 교수는 “뉴로모픽 하드웨어 구현에 있어 중요한 요소는 신뢰성 있는 멤리스터 소재 및 소자를 만드는 것”이라며 “기존 산소이온 기반 멤리스터 소자의 신뢰성 문제를 해결하기 위해 리튬이온을 이용한 멤리스터 소자 개발에 나섰다”고 설명했다.

32x32 크로스바 어레이 소자의 광학현미경 이미지 및 소자 측정 사진 (좌), 알칼리 이온 멤리스터 소자구조 모식도 및 소자 단면에 대한 투과전자현미경 이미지, 크로스바 어레이 소자의 신뢰성 평가 데이터 (우)

리텐션 특성 및 신뢰성 개선, 인공지능 반도체 상용화에 보탬될 것
이홍섭 교수 연구팀은 신뢰성 문제 해결을 위해 리튬이온을 활용한 멤리스터 소자 공정을 개발했다. 기존 공정 단계에서는 귀금속 하부전극 아래 삽입되는 접착층 금속 물질이 멤리스터 증착공정에서 원치 않는 도핑을 야기한다. 이홍섭 교수는 “원치 않는 도핑을 막기 위해 확산방지 층을 사용하기보다 차라리 리튬금속 층을 삽입해 도핑하자는 아이디어를 도출했다”며 “귀금속 하부전극 아래 삽입된 리튬금속 층은 대기 산화로부터 보호되고, 박막공정 중 산화물 박막 내로 확산한다”고 과정을 설명했다. 확산된 리튬은 멤리스터 소자와 전극 사이 계면에 리튬 저장소를 형성하고 이는 리텐션 특성을 향상시키는 역할을 한다.

새로 개발한 멤리스터 소자는 기존 산소이온 기반 소자 대비 약 10배 빠르고 동시에 높은 신뢰성을 보였다. 데이터를 유지하는 리텐션 특성의 경우 기존에 보고된 리튬이온 기반 멤리스터 소자 대비 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 “거대 생성형 인공지능 서비스가 출시된 지 불과 1년이 지난 현재 AI 기술은 놀라울 정도로 빠르게 발전하고 있다. AI 모델이 발전하며, 빠르고 효율적으로 연산을 수행하는 인공지능 반도체 개발의 필요성이 증가하고 있다. 뉴로모픽 하드웨어는 인공지능 반도체 중 가장 진보한 콘셉트로 개발 기술을 활용해 성능 개선에 나선다면 상용화에 보탬이 될 것”이라고 강조했다.

알칼리 이온 멤리스터 소자의 아날로그 가중치 측정 결과 (상) 및 해당 소자 특성을 기반으로 한 DNN 학습 및 추론 정확도 시뮬레이션 결과 (하)

이홍섭 교수 연구실은 반도체 재료의 물성을 분석하는 한편 새로운 반도체 물질을 개발한다. 최근 인공지능 반도체 상용화를 위해 연구 역량을 집중하고 있다. 이홍섭 교수는 “산업계와 학계 모두 인공지능 반도체에 관심이 많은 만큼 흐름에 맞춰 인공지능 반도체 구현에 필요한 신소재 및 신소자 개발에 나서고 있다”며 연구실을 소개했다.

연구팀은 이번에 발표한 멤리스터 소자로 학습과 추론에 필요한 연산 동작을 검증할 계획이다. 이홍섭 교수는 “멤리스터 소자로 딥뉴럴 네트워크 알고리즘을 구동해 개발한 하드웨어가 실제 연산에 적용하면 어느 정도 성능이 나올지 확인할 계획”이라며 향후 연구 계획을 공유했다. 이번 연구 결과는 한국연구재단, 경기도(GRRC)의 지원을 받아 수행됐다.

이홍섭 교수 연구팀이 인공지능 반도체의 핵심소자인 고신뢰성 멤리스터 소자를 개발했다. 사진 왼쪽부터 정보전자신소재공학과 이유민 학생, 유찬식 학생, 이홍섭 교수, 임병민 학생.