강유전체 메모리 활용해 생성형 AI 하드웨어에서 확률 샘플링·결정론적 연산 동시 구현
최고 권위 국제 학술지 Nature Communications 논문 게재
왼쪽부터 서울대학교 전기정보공학부 이종호 교수, 구륜한 연구원, 고종현 연구원
서울대학교 공과대학은 전기정보공학부 이종호 교수(전 과학기술정보통신부 장관) 연구팀이 강유전체 메모리를 기반으로 생성형 인공지능(AI)의 핵심 기능을 단일 소자 플랫폼에 통합한 인공지능 반도체 기술을 세계 최초로 개발했다고 밝혔다.
이번 연구 성과는 생성형 AI 구현에 필수적인 '무작위 샘플링'과 '안정적 연산'을 하나의 메모리 배열(어레이) 안에서 동시에 구현한 세계 최초의 사례로 평가받는다. 해당 논문은 국제 학술지 '네이처 커뮤니케이션즈(Nature Communications)'에 게재됐다.
기존 인공지능 반도체는 분류나 추론 등 주로 결과가 일정한 '결정론적 연산'에 최적화되어 있었다. 이로 인해 매번 다른 문장이나 이미지를 만들어내는 생성형 AI의 '확률적 샘플링' 기능을 구현하려면 별도의 외부 소프트웨어나 소자가 필요했다. 이는 반도체의 면적 증가, 전력 소모, 지연 시간 발생 등의 한계로 이어졌다.
연구팀은 외부 전기를 제거해도 전기적 상태를 유지하는 하프늄 산화물(HfO₂) 기반 강유전체 메모리의 전압 의존적 특성을 활용해 이 문제를 해결했다. 전압이 높은 영역에서는 무작위 텔레그래프 잡음(RTN)을 이용해 확률적 샘플링을 수행하고, 전압이 낮은 영역에서는 잡음을 억제해 안정적인 벡터-행렬 곱(VMM) 연산을 수행하도록 설계했다. 하나의 소자가 전압에 따라 두 가지 역할을 모두 수행하게 만든 것이다.
연구팀은 실제 6인치 웨이퍼 위에 제작한 노어(NOR)형 강유전체 메모리 어레이를 통해 이 기술을 검증했다. 전압과 샘플링 시간을 조절해 인공지능 모델인 변분 오토인코더(VAE)에 적용한 결과, 얼굴 이미지 데이터셋(CelebA)에서 다양한 속성을 반영한 이미지가 안정적으로 생성됐다. 회로 수준의 검증에서도 10만 회 이상의 반복 동작 후에도 성능이 유지되는 것으로 나타났다.
이번 기술은 기존 CMOS 반도체 공정과 호환성이 높아 대규모 시스템으로의 확장이 용이하다. 이에 따라 향후 온칩(On-chip) 생성형 AI 가속기, 뉴로모픽 시스템, 저전력 엣지 AI 반도체 등의 면적과 전력 효율을 크게 개선할 것으로 기대를 모으고 있다.
연구를 주도한 이종호 교수는 "이번 연구는 강유전체 메모리의 전압 의존적 특성을 활용해 생성형 AI 하드웨어의 핵심 과제인 무작위 샘플링과 결정론적 연산을 하나의 소자 플랫폼에서 구현할 수 있음을 증명했다는 점에서 의의가 크다"고 전했다.
uapple
기자
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
여기에 광고하세요!!
피플스토리 uapple © PEOPLE STORY All rights reserved.
피플스토리 uapple의 모든 콘텐츠(기사 등)는 저작권법의 보호를 받은바, 무단 전재, 복사, 배포 등을 금합니다.
RSS