DGIST, 두뇌 수준 AI 반도체 실현 앞당길 ‘멤리스터 웨이퍼 집적 기술’개발

DGIST(총장 이건우) 전기전자컴퓨터공학과 최상현 교수팀이 차세대 반도체 소자로 주목받는 '멤리스터(memristor)'를 웨이퍼(wafer) 단위로 대규모 집적화하는 데 성공했다. 연구는 기존 반도체 한계를 넘어, 인간 두뇌 수준의 고집적 인공지능(AI) 반도체 구현을 위한 새로운 기술 플랫폼을 제시했다.

인간의 두뇌는 약 1000억 개 뉴런과 100조 개의 시냅스로 구성돼 있으며, 좁은 공간 안에서 막대한 양의 정보를 동시에 저장하고 처리한다. 이런 구조를 모방한 '두뇌형 반도체(Brain-like AI chip)'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.

이런 한계를 극복할 대안으로 주목받는 것이 바로 '멤리스터(memristor)'다. 멤리스터는 전류가 흐른 양을 기억할 수 있는 반도체 소자로, 기억(memory)과 연산(computation)을 동시에 수행한다. 구조가 단순해 기존 반도체보다 훨씬 높은 밀도로 회로를 구성할 수 있으며, 특히 크로스바(crossbar) 형태로 배열하면 기존 메모리(SRAM)보다 수십 배 이상의 정보를 같은 면적에 저장할 수 있다.

그러나 지금까지 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.

이에 DGIST 최상현 교수팀은 미국 캘리포니아대학교 산타바바라 캠퍼스(UC Santa Barbara) Dmitri Strukov 교수팀과 공동 연구를 통해, '소재·소자·회로·알고리즘 공동 설계(Co-design)'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(3D) 적층 구조 구현에도 성공했다. 이는 멤리스터 기반 회로가 향후 대규모 AI 연산 시스템으로 확장될 수 있는 가능성을 보여주는 중요한 성과다.

또한, 이번 기술을 기반으로 스파이킹 뉴럴 네트워크(Spiking Neural Network, SNN)를 적용한 결과, 실제 AI 연산에서 높은 효율성과 안정적인 동작이 가능함을 확인했다.

최상현 교수는 “이번 연구는 제한됐던 멤리스터 집적기술을 효과적으로 향상시킬 수 있는 방법을 제시한 것”이라며, “향후 차세대 AI 반도체 플랫폼 개발로 이어질 수 있을 것으로 기대된다”고 밝혔다.

이번 연구는 미국국립과학재단, 한국산업기술진흥원의 산업혁신인재성장지원사업, 한국연구재단의 이공분야 학술연구지원사업의 지원으로 수행됐다. DGIST 최상현 교수가 제1저자 및 교신저자, UC Santa Barbara의 Dmitri Strukov 교수가 공동저자로 참여한 연구결과는 세계적으로 권위 있는 다학제 분야 학술지 'Nature Communications'에 10월 게재됐다.