실용적인 빅데이터 연산을 위한 기술을 개발한다, KAIST 차세대 메모리 컴퓨팅 소자 연구실

현대 사회는 정보화 사회라고 할 만큼, 하루에도 수많은 양의 정보가 오고 간다. 이런 정보화 흐름에 발맞춰 컴퓨터도 새로운 분야로 도약을 준비하고 있다. 이 분야의 첫 발판이 바로 인간의 두뇌를 모방한 ‘뉴로모픽 컴퓨팅’ 분야다. 뇌의 신경세포를 모사해 더 빨리 정보를 처리하고 저장할 수 있다. 차세대 뉴로모픽 컴퓨팅 분야를 이끌어가기 위해 소자 개발에 몰두하고 있는 KAIST 차세대 메모리 컴퓨팅 소자 연구실을 만나보자.

뇌와 컴퓨터를 결합한 ‘뉴로모픽 컴퓨팅’

기존 컴퓨터는 연산을 처리하는 공간과 데이터를 저장하는 공간이 분리돼 있다. 연산량이 많아지면 그 사이로 필요한 데이터가 오갈 때 많은 전력이 소모된다. 이에 반해 사람의 뇌는 공간이 구분되지 않고, 뉴런들이 뒤섞여 정보를 주고받는다. 뇌의 이러한 장점을 컴퓨팅 분야에 접목해 탄생한 분야가 바로 ‘뉴로모픽 컴퓨팅’이다. 뉴로모픽 컴퓨팅은 정보 처리 속도가 빠르고 전력 소모량이 적은 것이 장점이지만, 가격이 비싸다는 단점이 있다. 이에 연구자들은 기존 뉴로모픽 컴퓨팅의 한계를 극복할 수 있는 차세대 뉴로모픽 컴퓨팅을 연구하고 있다.

뉴로모픽 컴퓨팅의 핵심, 인공신경망과 뉴로모픽 칩

뉴로모픽 컴퓨팅 소프트웨어는 ‘인공신경망’을 사용한다. 인공신경망이란 뇌 속의 뉴런과 시냅스의 형태를 모방한 머신러닝 모델이다. 뇌는 시냅스의 가소성을 통해 학습한다. 쉽게 말해 시냅스의 활동에 반응해 시냅스 연결이 강해지거나 약해지는데, 이 과정에서 새로운 기술을 학습하는 셈이다. 이러한 원리를 신경망에 대입해 각 입력층 값에 연결 강도와 대치되는 시냅스 가중치, 즉 신호 전달 능력을 곱한 값을 합해 출력값을 얻게 된다. 이 구조를 바탕으로 뉴로모픽 컴퓨팅 소프트웨어를 구현할 수 있다. 뉴로모픽 컴퓨팅의 하드웨어인 ‘뉴로모픽 칩’은 컴퓨터의 계산을 좀 더 쉽게 만들어 주는 칩이다. 와이어를 가로, 세로의 격자무늬로 겹친 구조로, 와이어 사이의 접합 부분이 시냅스를 나타낸다. 이 접합부 소자의 전도도가 앞서 말한 시냅스의 가중치를 의미한다. 이 칩은 복잡한 연산을 단숨에 해낼 만큼, 연산 처리 속도가 뛰어나다.

초저전력 차세대 상변화 메모리 소자의 개발

현재 가장 많이 쓰이는 메모리는 D램(DRAM)으로 속도가 매우 빠르지만, 전원이 꺼지면 정보가 휘발된다. 따라서 디램은 지속적인 전류 공급이 필요하다. 낸드(NAND) 플래시 메모리 역시 많이 사용된다. 낸드 메모리는 읽고 쓰는 속도는 상대적으로 느리지만, 전원이 꺼져도 정보가 사라지지 않는다. 이런 두 가지 메모리의 장점을 합친 것이 바로 ‘상변화 메모리(PRAM)’다. 상변화 메모리는 기록층 물질의 원자 배열이 흐트러진 비정질상과 물질이 규칙적으로 배열된 결정상의 가역적인 변화를 이용해 이진(binary) 정보를 저장, 판독한다. 결정상과 비정질상의 전기전도도 차이를 이용해 데이터가 구분되면, 각 데이터를 나타내는 물질의 상태는 특정 에너지보다 더 높은 에너지가 들어오기 전까지 변하지 않으므로 비휘발성 메모리로 사용할 수 있다. 또 기록층에 빠른 상변화 특성을 보이는 물질을 사용하면, 정보 처리 속도도 빠르다. 이에 상변화 메모리는 디램과 낸드 플래시 메모리의 장점만을 가진 차세대 메모리로 주목받고 있다. 다만, 상변화 메모리는 소비전력이 매우 높다. 또 초미세 반도체 공정을 거쳐 작은 크기로 제작해야 하므로 공정비용이 비싸고 제작 난이도도 높아 실용성이 낮았다. 최신현 KAIST 전기및전자공학부 교수 연구팀은 상변화 물질인 나노 필라멘트를 전기적으로 형성하는 방식으로 메모리를 구현해 이 문제를 해결했다. 나노 규모의 상변화 필라멘트를 자체 형성하기 때문에 값비싼 공정을 거치지 않아도 되며, 소비전력을 15배 이상 줄여 초저전력 동작이 가능해졌다. 실용적인 대용량 메모리 제품 제작과 뉴로모픽 컴퓨팅 시스템 구현 등 다양한 응용을 가능케 하는 전자공학의 디딤돌을 마련한 셈이다. 앞으로 더욱 발전할 ‘차세대 메모리’의 미래를 기대해보자.

[Neural Network] (a) 784개의 입력 값이 있을 때, 이 값들을 인공신경망과 가중치를 이용해서 계산해 최종적으로 10개의 출력을 얻게 되는 과정을 나타낸다. (b) 뉴로모픽 칩의 형태를 나타낸 것이다. 와이어들이 가로, 세로로 겹쳐져 있는 형태이며, 접합부들이 시냅스이고 접합부의 전도도가 시냅스의 가중치를 의미한다. (c) 제작한 칩의 정확도를 이상적인 소프트웨어와 비교한 그래프로, 비슷한 수준에서 높은 정확도를 보인다. [Neuromophic computing] 뉴로모픽 컴퓨팅의 모방 원리. 실제 뇌의 뉴런을 모방하여 구현한 멤리스터 뉴런의 모습을 담고 있다. [ex) security] 뉴로모픽 컴퓨팅 기술은 정보 전달의 보안 강화 등 여러 방향으로 활용될 것으로 기대된다.

INTERVIEW KAIST 차세대 메모리 컴퓨팅 소자 연구실 최신현 교수

최신현 KAIST 전기및전자공학부 교수.

Q. 연구실에서는 주로 어떤 연구를 진행하고 있나? A. 연구실의 주요 연구 분야는 차세대 메모리 컴퓨팅 소자다. 뉴로모픽 컴퓨팅은 그중 하나에 속한다. 기존의 중앙처리장치(CPU)와 그래픽 처리장치(GPU)는 데이터를 중앙처리장치로 가져와 처리한 후 다시 메모리에 저장하는 방식으로 구현됐다. 지금은 시대가 바뀌면서 빅데이터 처리 능력의 중요성이 커졌다. 따라서 기존 데이터 처리방식으로는 빅데이터를 옮길 때 많은 시간과 에너지를 들여야 하며, 모든 것을 순차적으로 처리해야만 한다. 슈퍼컴퓨터는 생각보다 효율적인 하드웨어가 아니다. 이를 해결하기 위해 메모리 자체에서 연산이 가능한 방법들이 연구되고 있다. Q. 연구실의 비전과 추구하는 목표는 무엇인가? A. 공대에서 연구하는 사람들은 엔지니어다. 엔지니어로서 궁극적인 목표는 어디까지나 ‘상용화’다. 이를 위한 목표와 비전이 무엇이냐고 묻는다면 ‘정통법’이라고 답할 수 있다. 기존 연구의 문제점을 파악하고 정면 돌파해 문제를 해결하는 것이 목표인 셈이다. 구체적으로 왜 이 연구를 해야 하는지, 기존의 문제점이 무엇인지 명확히 파악하고 깊이 고민하는 방식으로 나아가는 것이 우리의 비전이라고 할 수 있다. 좀 더 나아가, 차세대 메모리를 이용해 실제 애플리케이션까지 보여주는 연구를 진행하고 있다. Q. 상변화 메모리 소자 연구를 시작하게 된 계기는 무엇인가? A. 1960년대 이후 지금 사용되는 소자들이 개발됐고, 이후에는 이들을 점점 작고 효율적으로 만드는 방식의 연구가 진행되고 있다. 이 과정에서 새로운 소자가 활용된 적이 없다. 빅데이터를 처리하려면 마이크로프로세서나 S램 등 디지털 회로를 구성하는 집적회로의 한 종류인 상보형 금속 산화 반도체(CMOS)에서 더 발전된 형태의 소자가 필요할 것이라는 생각이 들어 이 분야를 연구하게 됐다. 새로운 돌파구를 만들고 싶다는 마음에 소자 분야 연구를 이어 나가고 있다. 상변화 메모리를 다룬 것은 비교적 최근이다. 원래 차세대 메모리 중 하나인 상변화 메모리 P램(PRAM)이라는 저항 변화 소자를 연구했다. 다른 상변화 메모리의 문제점들을 파악하던 과정에서 P램 분야에서 쓰이는 기술들을 접목하면 해결할 수 있겠다는 생각에 연구를 시작했다. 그 결과 새로운 돌파구를 찾아낸 것이다. 이번 연구를 통해 자신의 연구 분야에 집중하는 것도 좋지만, 주변 연구 분야에서 어떤 일이 일어나는지 관심 가지는 것도 중요하다는 말을 학생들에게 전하고 싶다. Q. 가장 최근 연구를 통해 상변화 메모리의 비용적인 문제는 해결된 듯한데, 그렇다면 이 소자가 상용화되기까지 추가적인 문제점은 없는가? A. 최근 발표한 연구는 완전히 새로운 것이 아니라 상변화 물질인 나노 필라멘트를 전기적으로 형성해 메모리 제조 비용과 에너지 소모량을 15~30배까지 감소시킬 방안을 찾아낸 것이다. 기존 시스템을 그대로 사용할 수 있어, 다른 차세대 메모리보다 좀 더 빨리 상용화할 수 있을 것이다. 그렇지만, 제품화를 위해선 소자를 뒷받침할 회로가 필요하고 그에 따른 아키텍처 구성도 필요하다. 즉 하나의 소자를 상용화하기 위해선 고려할 점이 많으므로, 좀 더 시간이 필요할 것 같다. Q. KAISTian에게 해주고 싶은 말이 있다면? A. 우선 세미나를 많이 들으라고 하고 싶다. KAIST에서는 다양한 세미나들이 열리고 있다. 세미나가 견문을 넓히는 데에 많은 도움을 준다고 생각한다. 연구를 위해선 지식보다는 현재의 흐름을 파악하는 것이 중요하다. 연구 분야의 한계점, 본인이 하고자 하는 연구에 대한 설정을 명확하게 한다면 동기가 생길 것이다. 두 번째로는 주도적으로 연구해보길 바란다. 스스로 찾아 나가는 방법을 배울 필요가 있다. 세 번째로 전공과목을 통해 기초 지식을 잘 쌓는 것도 중요하다. 마지막으로 학생들이 적극적인 태도를 갖추길 바란다. 본인의 관심 분야를 위해 노력하고, 교수와의 만남을 두려워 말고 얻어갈 수 있는 것들을 찾아내야 한다. 또 남에게 의존하지 않고 스스로 발전해 나갈 수 있어야 한다. KAIST에 수많은 분야의 전문가가 있는 만큼, 그 기회를 잘 살려보길 바란다.

최신현 KAIST 전기및전자공학부 교수 연구실 사람들.