.avif)
마이크로일렉트로닉스는 인공지능(AI), 머신러닝(ML), 사물인터넷(IoT), 차세대 통신, 그리고 떠오르는 양자 기술에 힘입어 기록적인 속도로 발전하고 있습니다. 이번 ACS/CAS 웨비나 세션에서 세 명의 전문가는 연구 동향을 분석하고, 뇌 영감을 받은 컴퓨팅의 돌파구를 공유했으며, 미국 CHIPS 법안이 어떻게 소재 혁신을 촉진하고 있는지 설명했습니다. 연사로는 Jean-Marc Pécourt(CAS), Steve Furber(맨체스터 대학교), Jim Warren(미국 국립표준기술연구소(NIST))이 참여했습니다.
동향 분석: 문헌이 가리키는 방향은 어디인가?
CAS의 수석 과학자인 Jean-Marc Pécourt 박사는 CAS Content Collection™의 데이터를 기반으로 한 동향 분석으로 발표를 시작했습니다. STN™ 기반의 CAS IP Finder를 통한 검색 결과, 지난 20년간 약 230만 건의 마이크로일렉트로닉스 기록이 확인되었습니다.
그림 1. 마이크로일렉트로닉스 분야의 출판 동향. 삽입된 도넛 차트는 학술지 기사와 특허 패밀리의 분포를 보여줍니다. 데이터에는 다음의 학술지 및 특허 패밀리 출판물이 포함됩니다. CAS Content Collection 2004-2024년 기간에 대한 데이터입니다. *1월부터 11월까지의 데이터만 포함합니다.
이어 Jean-Marc는 최근의 모멘텀을 파악하기 위해 5년간의 120만 건 기록 하위 집합을 자세히 살펴보았습니다. 이 분야의 이례적으로 높은 특허 대 학술지 비율은 상업화에 근접했음을 보여줍니다. 국가별 곡선을 보면 중국의 학술지 및 특허 분야 급성장, 미국과 한국의 꾸준한 특허 강세, 2013년경부터 시작된 일본의 장기적 하락세, 그리고 학술지 비중이 높은 인도의 성장이 두드러집니다.
용어 정리를 위해 CAS 과학자들이 엄선한 여러 NLP 기반 CAS Trendscape 맵은 빠르게 성장하는 분야를 강조합니다: 2D 소재(전이 금속 디칼코게나이드, MXenes), 페로브스카이트 광전자공학/PV, 그리고 광범위한 센서류가 이에 해당합니다. 소자 중에서는 FET가 특허 측면에서 가속화되고 있으며, 학술지에서는 멤리스터와 마찰전기 나노발전기가 급격한 성장을 보이고 있습니다. 성숙한 공정(화학 기계적 평탄화, 화학 기상 증착, 식각)은 기준선이 매우 높기 때문에 "느리게" 보일 수 있으나, 여전히 현대 팹(fab)의 핵심입니다.
뉴로모픽이 지금 중요한 이유
영국 맨체스터 대학교의 명예 교수인 스티브 퍼버(Steve Furber) 박사는 우리가 무엇을 구축하는가에서 어떻게 컴퓨팅하는가로 관점을 전환했습니다. 오늘날의 인공지능 스택은 밀집된 행렬 연산에 의존하지만, 생물학적 피질은 희소하고 반복적인 신호 전달을 기반으로 작동합니다. 그는 이러한 불일치가 인공지능의 에너지 한계의 근본 원인이라고 주장했습니다. 그의 SpiNNaker 프로젝트는 수백만 개의 소형 ARM 클래스 코어와, 무엇보다도 단일 스파이크를 수천 개의 타겟 메시지로 변환하여 상호 연결을 포화시키지 않으면서 피질의 팬아웃(fanout)을 모방하는 선택적 멀티캐스트 패브릭을 통해 이 문제에 접근했습니다. 그 결과 주요 뇌 모델에 대한 생물학적 실시간 작동, 스파이크 기반 제약 조건 해결(예: 스도쿠) 시연, 그리고 이벤트 기반 센서와 결합된 반응형 로봇 공학 구현이 가능해졌습니다.
산업적 맥락은 이러한 주장을 뒷받침합니다. 인텔의 Loihi 2 아키텍처와 2024년 Hala Point 시스템(11억 5천만 개의 "뉴런")은 특정 딥러닝 워크로드에서 업계 최고 수준의 TOPS/W 효율성을 갖춘 페타옵스(peta-ops) 규모의 뉴로모픽 컴퓨팅을 보여주며, 이벤트 기반의 뇌 영감 실행이 기존 가속기를 보완(일부 분야에서는 능가)할 수 있다는 증거를 제시합니다. 스티브는 희소성과 반복성이 생물학적 호기심의 대상이 아니라 확장 가능하고 지속 가능한 지능을 위한 청사진이라고 믿습니다.
그는 대체가 아닌 융합이라는 실용적인 관점으로 결론을 맺었습니다. 그래픽 처리 장치와 뉴로모픽 기술은 함께 발전할 가능성이 높으며, 뉴로모픽 기술은 초저지연, 저전력 인식 및 폐루프 제어를 담당하고 기존 가속기는 밀집된 학습 단계를 처리하다가 결국 하이브리드 시스템에서 두 세계가 만날 것으로 보입니다.
지도에서 제조까지
NIST 재료 게놈 프로그램(Materials Genome Program)의 디렉터인 제임스 워렌(James Warren) 박사는 문헌의 신호와 계산된 아이디어를 제조의 현실과 연결했습니다. 그는 첨단 반도체 제조, 인공지능, 양자 및 표준 분야의 제안 요청서인 CHIPS R&D 오피스의 BAA(Broad Agency Announcement)와 공공 투자와 장기적 성과를 일치시키기 위해 고안된 비전형적인 수익 모델(지분/워런트/라이선스)을 개괄했습니다. 그의 핵심 메시지는 발견의 가치를 더 빠르게 실현하기 위해 실험실에는 자율성, 데이터, 엄격함이 필요하다는 것입니다.
여기서 재료 게놈 이니셔티브는 자율 주행 실험실 및 물리학 기반 머신러닝과 만납니다. 짐은 폐루프 실험이 어떻게 풍부하고 감사 가능한 데이터셋을 생성할 수 있는지, 그리고 제1원리(예: 수송, 열역학, 전기화학)에 의해 제약된 대리 모델이 어떻게 팹(fab) 타임스케일에서 유용한 실시간에 가까운 결정을 내릴 수 있는지 설명했습니다. 기억에 남는 일화로, 인공지능이 고처리량 회절 스트림에서 직접 상 경계를 추출한 사례는 자율성이 과학자들의 시간을 데이터 정리에서 발견으로 어떻게 전환하는지를 보여주는 초기 사례입니다. 이 메시지는 실험실과 팹 사이의 간극을 넘어 아이디어를 추진하는 측정 등급의 자율성을 구축하라는 초대였습니다.
청중의 주요 관심사
토론 내내 청중은 질문을 던지고 자신의 생각을 공유하며 활발하게 참여했습니다. 가장 많은 관심을 받은 분야는 다음과 같습니다.
1. 멀티모달 입력. 스티브는 시각과 청각을 연결하는 것과 같은 진정한 멀티모달 통합은 오늘날 대부분의 뉴로모픽 연구가 초점을 맞추고 있는 저수준 뇌 회로보다 더 높은 수준에서 모델링된다고 설명했습니다. 일부 신경과학 실험과 모델은 청각 및 시각 공간 지도를 정렬하거나, 결합된 약한 자극이 감지 가능해지는 쥐 실험과 같이 감각 융합을 탐구합니다. 그러나 뉴로모픽 시스템은 일반적으로 완전한 다감각 처리보다는 기본적인 신경 미세 회로를 이해하는 데 우선순위를 둡니다.
2. NVIDIA와 AMAT 디지털 트윈. 짐은 NVIDIA와 AMAT의 협업에 대한 세부 사항은 알지 못하지만, 반도체 설계 및 제조를 위한 디지털 트윈에 대한 대규모 투자라는 더 넓은 추세를 강조했습니다. 가상 모델은 이제 팹 수준의 시스템에서 재료와 원자에 이르기까지 확장되어 더 나은 예측과 최적화를 가능하게 합니다. 그는 이를 완전히 가상화된 설계 루프를 사용하는 NVIDIA의 신약 개발 작업과 비교했습니다. 모델링이 개선되고 데이터가 증가함에 따라 디지털 트윈은 엔지니어링 및 제조 혁신의 핵심이 되고 있습니다. 장 마크는 이러한 도구가 여러 규모에 걸쳐 등장하고 있다고 덧붙였습니다.
3. Spinnaker와 기존 고성능 컴퓨팅(HPC) 비교. 스티브는 Spinnaker가 표면적으로는 HPC와 비슷해 보이지만 근본적으로는 다르다고 설명했습니다. HPC의 크고 강력한 프로세서와 달리, 고도로 병렬화된 신경 모델링에 적합한 많은 소형 프로세서를 사용합니다. 가장 큰 차이점은 효율적인 멀티캐스트를 가능하게 하는 맞춤형 통신 패브릭으로, 하나의 스파이크가 수천 개의 타겟에 도달할 수 있는데 이는 표준 HPC 네트워크로는 효율적으로 수행할 수 없는 작업입니다. 신경망 구조는 천천히 변하기 때문에 Spinnaker는 라우팅을 하드코딩할 수 있으며, 이는 범용 HPC에는 부적합하지만 뉴로모픽 워크로드에는 이상적인 전략입니다.
4. 반도체 및 연구 성과 분야에서의 미국과 중국의 경쟁. 장 마크(Jean-Marc)는 중국 기관들이 상업적 목적의 특허를 다수 생산하는 반면, 미국의 연구 동향은 상업적 노력과 학술적 노력이 혼재되어 있다고 언급했습니다. 반도체는 전략적 자산이기 때문에 상업적 연관성을 입증하는 미국 프로젝트는 강력한 투자 기회를 얻을 수 있습니다. 짐(Jim)은 정치적 세부 사항에 대한 언급은 피했으나, NSF와 NIST에 대한 최종 미국 예산은 초기 우려에도 불구하고 안정적으로 유지되었다고 말했습니다. 그는 중국을 반도체 제조 분야의 주요 장기 경쟁자로 인정하며, 핵심 공급망을 확보하기 위한 미국의 지속적인 노력을 강조했습니다.
5. 뉴로모픽 컴퓨팅에서의 에너지 및 물 사용. 스티브(Steve)는 냉각수를 열교환기로 완전히 재활용할 수 있는데 왜 데이터 센터에서 물을 소비하는지 의문을 제기했습니다. 뉴로모픽 시스템은 인공지능 에너지 수요와 그에 따른 냉각 수요를 최대 1,000배까지 줄일 수 있습니다. 그는 또한 효율성 향상이 비용 절감으로 이어져 사용량이 확대됨에 따라 전체 소비량이 오히려 증가할 수 있다는 제본스 역설(Jevons paradox)을 경고했습니다. 그는 이를 전 세계 컴퓨터 보급의 예상치 못한 폭발적 증가와 같은 역사적 사례를 들어 설명했습니다.
게스트와 청중 여러분께 감사드립니다. 자세한 내용은 웨비나를 시청해 주십시오. 녹화본 및 관련 CAS 정식 보고서를 검토해 주십시오. 마이크로일렉트로닉스의 최전선: 신흥 기술, 소재 및 혁신.
