디지스트(DGIST·총장 이건우)는 최상현 전기전자컴퓨터공학과 교수팀이 차세대 반도체 소자로 주목받는 '멤리스터(memristor)'를 웨이퍼 단위로 대규모 집적화하는 데 성공했다고 28일 밝혔다. 이번 연구는 기존 반도체의 한계를 넘어 인간 두뇌 수준의 고집적 인공지능(AI) 반도체 구현을 위한 새로운 기술 플랫폼을 제시했다는 평가다.
인간의 두뇌는 약 1000억 개의 뉴런과 100조 개의 시냅스로 구성되어 있으며, 좁은 공간 안에서 막대한 양의 정보를 동시에 저장하고 처리한다. 이러한 구조를 모방한 '두뇌형 반도체'는 차세대 AI 기술의 핵심 목표 중 하나지만, 현재의 AI 반도체는 복잡한 회로와 높은 전력 소비 등으로 인해 여전히 두뇌 수준의 효율성에는 미치지 못하고 있다.
이러한 한계를 극복할 대안으로 주목받는 것이 바로 '멤리스터'다. 멤리스터는 전류가 흐른 양을 기억할 수 있는 반도체 소자로, 기억과 연산을 동시에 수행한다. 구조가 단순해 기존 반도체보다 훨씬 높은 밀도로 회로를 구성할 수 있으며, 특히 크로스바 형태로 배열하면 기존 메모리(SRAM)보다 수십 배 이상의 정보를 같은 면적에 저장할 수 있다.
그러나 지금까지의 멤리스터 집적 기술은 소규모 실험 수준에 머물렀다. 공정의 복잡성, 낮은 수율(제품 완성률), 전압 손실 및 전류 누설 등의 문제가 발생해 대면적 웨이퍼 수준으로 확장하기 어려운 한계가 있었다.
연구팀은 미국 캘리포니아대학교 산타바바라 캠퍼스 드미트리 스트루코프 교수팀과 공동 연구를 통해 '소재-소자-회로-알고리즘 공동 설계'라는 새로운 접근법을 도입했다. 이 방식을 통해 복잡한 제조 과정 없이도 4인치 웨이퍼 전면에 약 95% 이상의 높은 수율을 달성한 멤리스터 크로스바 회로를 구현했다.
나아가, 연구팀은 수직 방향으로 여러 층을 쌓는 3차원 적층 구조 구현에도 성공했다. 이는 멤리스터 기반 회로가 향후 대규모 AI 연산 시스템으로 확장될 수 있는 가능성을 보여주는 중요한 성과다. 또 이번 기술을 기반으로 스파이킹 뉴럴 네트워크(SNN)를 적용한 결과, 실제 AI 연산에서 높은 효율성과 안정적인 동작이 가능함을 확인했다.
최상현 교수는 “이번 연구는 제한되었던 멤리스터 집적기술을 효과적으로 향상시킬 수 있는 방법을 제시한 것”이라며, “향후 차세대 AI 반도체 플랫폼 개발로 이어질 수 있을 것으로 기대된다”고 밝혔다.
한편, 미국국립과학재단, 한국산업기술진흥원의 산업혁신인재성장지원사업, 한국연구재단의 이공분야 학술연구지원사업의 지원으로 수행된 이번 연구성과는 최근 세계적으로 권위 있는 다학제 분야 학술지 '네이처 커뮤니케이션즈'에 게재됐다. DGIST 최상현 교수가 제1저자 및 교신저자, 드미트리 교수가 공동저자로 참여했다.
대구=정재훈 기자 jhoon@etnews.com
