1. 서론
인공지능(A·I) 반도체는 학습과 추론 등 인공지능 서비스 구현에 필요한 대규모 연산을 높은 성능 및 전력 효율로 실행하는 반도체를 가리킨다. 인공지능 반도체는 인간의 뇌처럼 낮은 전력으로 대량의 데이터를 동시에 처리해, 기존 반도체 대비 약 1,000배의 인공지능 연산 전력효율을 구현한다. 인공지능 반도체는 인공지능 서비스 구현에 필요한 대규모 연산을 초고속, 초전력으로 실행하는 효율성 측면에서 특화된 비메모리 반도체로, 인공지능의 핵심 두뇌에 해당한다. 인간의 뇌처럼 수많은 데이터를 처리하려면 높은 전력과 빠른 속도가 필수적이다. 이처럼 인간의 신경망과 같이 인공신경망을 이용해 빠르게 연산작용이 가능한 인공지능 반도체를 NPU(Neural Processing Unit, 신경망 처리장치)라고 하며 인공지능의 딥러닝 등에 특화되어 있다. 현재, 기존 반도체 분야의 강자들뿐만 아니라 글로벌 빅테크 기업들까지 앞다퉈 천문학적인 투자와 인수합병을 통해 인공지능 반도체 개발에 열을 올리고 있다.
이렇듯 인공지능을 활용한 산업이 급성장하면서 지능형 반도체 기술은 기술 도약을 위한 새로운 기회로 주목받고 있다. 데이터를 고속 저전력으로 처리함과 동시에 시스템의 동작 효율을 높이기 위해 GPU 대비 낮은 소비 전력으로 높은 병렬 연산 능력을 갖춘 FPGA나 낮은 소비 전력으로 데이터를 처리할 수 있는 ASIC 기반 인공지능 가속기에 관한 관심이 높아지고 있는 추세다.
궁극적으로는 인간 뇌의 신경망 구조 및 작동 원리를 모방해 만든 뉴로모픽(뇌신경 모방) 칩 기술이 차세대 인공지능 프로세서로 각광받을 것으로 예측된다. 많은 데이터와 풍부한 생태계 환경을 필요로 하는 범용적인 인공지능산업 생태계의 활성화를 위해서는 뉴로모픽 소자의 성능 및 신뢰성 관련 평가 방법에 대해 표준이 필수적으로 진행돼야 한다.
하드웨어에서 신경망<그림 3(a)>을 개발하려면 뉴런과 시냅스의 기능을 구현하는 적절한 회로가 필요 하다. 뉴메모리 기술은 아날로그 구현을 가능하게 하고 칩의 나노스케일 부분에 비휘발성 메모리를 내장 함으로써 기존 CMOS 기술의 기능을 향상시킬 수 있기에 세계적으로 각광 받고있다. 또한, 뉴메모리는 데이터가 실시간으로 처리되는 인메모리 컴퓨팅을 가능하게 한다. 뉴로모픽 하드웨어 시스템의 경우 신경망은 심층 신경망(DNN)과 스파이크 신경망(SNN)으로 나눌 수 있다.
<그림 3(b)>는 멤리스터 기반 인공 신경 시스템의 예시로 멤리스터는 저항, 인덕터 및 커패시터로 구성된 기존 회로 구성 요소에 새롭게 추가된 2단자 전기 디바이스다. 멤리스터는 상부 전극과 하부 전극 사이에 저장층이 있어 전기적 자극에 따라 저항의 변화가 발생한다. 변경된 저항 상태는 전기적 자극이 끝난 이후에도 멤리스터에 유지되며, 이러한 특성은 생물학적 시냅스와 유사한 아날로그 스위칭이 가능하 도록 한다. 아날로그 스위칭 동작 외에도 멤리스터는 나노스케일 풋프린트, 긴 내구성 및 유지 특성, 나노초 스위칭 속도 및 낮은 전력 소비와 같은 필요한 장치 특성을 보여준다. 멤리스터는 이러한 특성으로 인해 뉴로모픽 컴퓨팅의 유망한 후보로 인정받고 있다.
STDP(Spike-Timing-Dependent Plasticity)는 Hebb의 이론을 개선한 것으로, STDP는 시냅스 이전 뉴런의 발화와 시냅스 이후 뉴런의 발화 시간 차이에 따라 변화하는 시냅스 가소성의 부호와 크기를 나타 낸다. Hebb는 두 뉴런의 발화 사이의 잠재적 인과 관계에 대한 스파이크 기반 Hebbian 학습 규칙을 공식화했다. 시냅스전 뉴런이 시냅스후 뉴런을 ‘반복적으로 또는 지속적으로 발화에 참여하는 경우’에 시냅 스가 강화되며, 이를 ‘Hebbian STDP’라고 한다.
인공지능은 스마트홈, 자율주행차 등 실생활에서 의료·법률서비스, 물류·운송에 이르는 다양한 산업에 걸쳐 적용되며 차별화된 부가가치를 창출하고 있다. 이에 각종 인공지능에 적용·사용되는 인공지능 반도체 수요는 급격한 증가 추세를 보이고 있으며 지난 2018년 기준 약 70억 달러에서 오는 2030년에는 1,179 억달러로, 연평균 26.5% 이상 성장할 전망(Gartner 2020)이다. 특히, 에지(Edge) 디바이스에 탑재되는 인공지능 반도체 시장이 크게 활성화될 것으로 보인다.
2. 현재 표준 트렌드 현황
2-1. R&D 관련 표준 동향
인공지능 반도체인 뉴로모픽 소자에 대한 성능 및 신뢰성에 대한 규격 및 국제 표준은 아직 제정되지 않았다. 뉴로모픽 소자는 신소재에 기반한 정보저장 소자가 주로 사용이 되지만, 상용화된 메모리 기술도 함께 사용하고 있어 관련 표준들이 제정된 바 있다. IEC TC47의 WG2에서 상용화가 된 비휘발성 메모리 소자에 대한 신뢰성 평가에 대한 표준을 영국 주도하에 개발했다. 메모리를 포함한 반도체 소자에 대한 소프트 에러(Soft error) 평가법에 대한 표준도 제정되어 있다. 또한, JEDEC에서는 기존의 상용화된 정보저장 소자에 대한 성능 평가 방법에 대한 표준을 제시하고 있다.
저항메모리 관련 평가 방법 및 신뢰성 평가 방법 표준이 한국 주도로 1건 진행되고 있으며, 제정될 예정이 다. 하지만, 인공지능 반도체인 뉴로모픽 소자의 성능 및 평가법에 대한 표준은 현재 없으며 한국과 중국 에서 제안 진행 중이다.
IEC 62951-9 ED1
Semiconductor devices - Flexible and stretchable semiconductor devices – Part 9: Performance testing methods of one transistor and one resistor (1T1R) resistive memory cells
1T1R 저항성 메모리 셀의 성능을 평가하기 위한 테스트 방법을 지정한다. 이 문서의 성능 테스트 방법에는 읽기, SET, RESET, 내구성 및 유지 특성이 포함된다. 이 문서는 장치 기술 및 크기에 취약한 어떠한 제한도 없이 저항성 메모리 장치에 적용할 수 있다.
IEC 60749-41:2020
Semiconductor devices - Mechanical and climatic test methods - Part 41: Standard reliability testing methods of non-volatile memory devices
자격 사양을 기반으로 유효한 내구성, 유지 및 온도 테스트를 수행하기 위한 절차 요구 사항을 지정한다. 내구성 및 유지 자격 사양(주기 횟수, 기간, 온도 및 샘플 크기에 대한)은 JESD47에 지정되거나 JESD94와 같은 지식 기반 방법을 사용해 개발된다.
IEC 60749-38:2008
Semiconductor devices - Mechanical and climatic test methods - Part 38: Soft error test method for semiconductor devices with memory
알파 방사선과 같은 에너지 입자에 노출될 때 메모리가 있는 반도체 장치의 소프트 오류 민감도를 측정하는 절차를 제정한다. 알파 방사선 소스를 사용한 가속 테스트와 알파 또는 중성자와 같은 다른 방사선이 될 수 있는 자연적으로 발생하는 방사선의 조건에서 오류가 생성되는 (가속되지 않은) 실시간 시스템 테스트다. 메모리가 있는 집적 회로의 소프트 오류 기능을 완전히 특성화 하려면 추가 테스트 방법을 사용해 광범위한 고에너지 스펙트럼 및 열 중성자에 대해 장치를 테스트해야 한다.
JEP152
DDR2 DIMM CLOCK SKEW MEASUREMENT PROCEDURE USING A CLOCK REFERENCE BOARD JC-45.1
DDR2 DIMM 클록 스큐 측정 작업 그룹의 작업 제품이다. 이 문서의 목적은 DDR2 클록 참조 보드를 사용해 등록된 DIMM에서 클록 매개변수를 측정하는 절차를 정의하는 것이다.
2-2. 기술개발에 도움이 되는 주요 표준
현재, 공적 표준화 기구인 IEC나 사실상 표준화기구 기구인 IEEE나 JEDEC 등에서 인공지능 반도체인 뉴로모픽 소자의 성능 및 신뢰성 측정을 위한 표준은 제안된 바가 없다. 이에 우리나라는 선형성, 가소성 관련 2건을 중국에서 대칭성 관련 1건의 표준 제안을 준비하고 있다.
뉴로모픽 소자의 선형성 평가방법
IEC 63XXX-1 Semiconductor Devices – Neuromorphic Devices – Part 1: Evaluation method of linearity in neuromorphic memristor devices
바이오, 항공, 자율주행 등 인간의 생명과 밀접한 산업 분야에도 활용 가능한 뉴로모픽 소자는 성능 측정뿐만이 아닌, 신뢰성 유지가 중요하다. 선형성을 통한 높은 인식률 또는 학습률 확보는 뉴로모픽 소자의 신뢰성 유지와 직접적인 연관이 있다. 본 표준에서는 뉴로모픽 소자의 선형성을 평가할 수 있는 평가법을 개발하여 국제 표준으로 추진할 계획이다.
뉴로모픽 소자의 가소성 평가방법
IEC 63XXX-2 Semiconductor Devices – Neuromorphic Devices – Part 2: Evaluation method of spike dependent plasticity in neuromorphic memristor devices
많은 정보량과 빠른 처리 속도가 요구됨에 따른 뉴로모픽 소자에 관한 활발한 연구 및 투자 대비와 함께 선행 표준확보가 중요하지만 현재 표준화된 방법은 없다. 본 표준에서는 신소재 기반의 멤리 스터 소자의 가소성(STDP)을 평가할 수 있는 평가법을 개발해 국제 표준으로 추진할 계획이다.
3. 미래 표준 트렌드 전망
맥킨지 글로벌 연구소의 「인공지능이 세계 경제에 미칠 영향 보고서」에 따르면, 인공지능이 범용기술 (GPT, general purpose technology)로 급부상함에 따라 2030년까지 총생산 13조 달러를 기여해 글로벌 GDP가 동 기간 연평균 1.2% 추가 성장할 것으로 예측된다. 또한 정부가 필요한 플랫폼을 제공하면 민간 또는 기업은 이를 바탕으로 성장함으로써 산업화가 가속 성장할 것으로 예측된다.
미국의 뉴로모픽 칩 시장은 2020년 6억 8,210만 달러(약 7,600억 원)로 추산되며, 세계 2위의 경제 규모를 가진 중국은 2020년 약 4억 800만 달러(약 4,600억 원)에서 2027년까지 18억 달러(약 2조 원) 로 연평균 약 23.6% 성장할 것으로 보인다.
글로벌 반도체 기업과 우수 AI 반도체 연구기관 등이 중심이 되어 차세대 뉴로모픽 반도체 기술개발을 선도하고 있다. 인공지능 기술을 중심으로 빅데이터, IoT 등과의 융복합을 시도하고 있고, 표준화 진행이 이뤄지고 있다. 이미 미국, 유럽 등에서 인공지능 서비스 생태계 구성을 위한 표준화 연구개발에 투자하고 있다.
반도체 소자와 관련해서 국내 기술 수준은 소자 및 응용 분야에서는 세계 시장을 이끌 수 있는 역량을 가지고 있다. 특히, 메모리 반도체 분야에서 한국 산업이 세계 시장을 주도하고 있다는 사실에서도 알 수 있듯 우리나라 기업들의 관련 기술력은 세계적인 수준을 인정받고 있다.
인공지능 반도체 산업의 패러다임 전환에 대비해 지능형 반도체 및 뉴로모픽 소자 기술 강국으로 나아가기 위한 인공지능 뉴로모픽 소자의 성능과 신뢰성 관련 표준화를 위한 기술개발이 절실히 요구된다.
인공지능 반도체용 뉴로모픽 소자 표준을 위한 특성 평가 및 신뢰성의 연구는 해당 분야 기술에 대한 선표준 제안 후 개발을 진행할 기회가 되며, 이를 통해 국내 산업체 및 연구소는 기술적 우위를 갖출 수 있을 것으로 예상된다.
4. 맺음말
뉴로모픽 소자는 기존의 폰 노이만 방식의 컴퓨팅 시스템의 문제를 극복하는, 즉 높은 에너지 효율과 우수한 성능을 위한 새로운 개념의 컴퓨팅 시스템 소자로 신소재 기반의 멤리스터 소자가 주로 사용이 되고 있다. 뉴로모픽 소자의 상용화를 앞당기기 위해서는 특성 및 신뢰성 평가 방법의 선행 표준개발이 절실하다.
표준화 개발을 통한 시장 선점은 미국과 중국 강대국 사이에서 국내 반도체 산업이 버틸 수 있는 돌파구 역할을 할 것으로 보인다. 특히, 국내 반도체 업계의 메모리 중심의 높은 수준의 제조 역량 및 IT 서비스 기업 중심의 인공지능 반도체 수요 발달이라는 장점을 활용한 표준화를 통해 뉴로모픽 분야에서 세계 시장을 선도할 수 있다.
표준화 개발을 통해 세계 메모리 반도체 시장 호황이 종료될 것이라는 전망속에 뉴로모픽 반도체는 지속 성장세를 유지하고 있어, 글로벌 반도체 시장 전망이 불확실한 가운데 우리나라의 메모리 반도체 시장 호황 이후 새로운 성장 동력 확보를 위한 미래 유망 시스템 반도체 기술 발굴 및 시장 선점이 가능하다.
4차 산업혁명의 핵심 기술인 빅데이터, 인공지능 등의 산업적 적용이 확대되고 있으며 이를 구현하기 위한 기반기술인 인공지능 뉴로모픽 반도체가 시스템 반도체의 새로운 기회요인으로 대두되고 있는 시점 에서 표준화 개발은 4차 산업혁명 시대의 도래를 앞당길 것이다.