전자스핀 활용한 차세대 AI 하드웨어, 순수 국내 연구진 기술로 개발

나노 자성구조체인 '스커미온'을 활용한 AI 하드웨어 전 세계 최초 개발 성공... GPGPU·NPU 등 기존 기술 대체 기대

국내 연구진이 'GPGPU'나 'NPU'와 같은 기존 AI 하드웨어를 대체할 수 있는 차세대 AI 하드웨어 원천기술을 확보했다.

한국과학기술연구원(KIST) 차세대반도체연구소 송경미 박사, 주현수 박사, 장준연 소장, 우성훈 박사(현 IBM) 공동연구팀이 소용돌이 모양의 나노 스핀 구조체인 ‘스커미온(Skyrmion)’을 활용해 차세대 인공지능 하드웨어 기술을 개발했다고 29일 밝혔다.

'스커미온'은 소용돌이 모양으로 배열된 스핀 구조체로 특유의 구조적 안정성, 나노미터 수준의 작은 크기, 생성 및 개수 조절 등이 장점이다. 이러한 장점을 살려 메모리, 논리소자, 통신 소자 등 차세대 전자소자 개발에 활용될 것으로 기대된다.

또한 스커미온은 각각 고유한 전기 저항을 가져, 스커미온 개수에 따른 저항 변화를 아날로그적으로 조절하고 측정 할 수 있다. 이 특성으로 스커미온 기반의 인공 신경망(시냅스) 소자 개발에 대한 관심이 높았으나, 스커미온을 전기적으로 제어하는 것에 따르는 기술적 어려움으로 인해 현재까지는 이론상으로만 가능하다고 여겨졌다.

KIST 연구진은 신경전달 물질과 동일한 원리로 스커미온의 수를 조절함으로써 신경망 가중치를 변화시킬 수 있는 것에 주목했다. 이를 활용해 그동안 이론상으로만 가능하다고 여겨진 스커미온 전자소자를 전기적으로 제어하는 방법을 실제로 찾아냈으며, 이를 활용한 AI 하드웨어를 세계 최초로 제작했다.

스커미온 신경망 소자는 기존 AI 하드웨어에 비해 낮은 전압으로 동작하면서 높은 내구성을 갖는다.

연구진은 이 인공 신경망 소자를 이용해 손글씨 숫자 패턴(MNIST) 인식 학습을 진행했을 때, 90%의 높은 인식률을 확인했다. 기존 AI 하드웨어는 이와 유사한 수준의 인식률을 얻기 위해 수십만 번의 반복 학습이 필요했으나, 스커미온 기반 인공 신경망 소자는 1만5000회 학습만으로 달성 가능해 인식에 필요한 소자의 전력소모를 10배 이상 줄이는 데 성공했다.

송경미 KIST 박사는 “기존에 이론으로만 제시되었던 스커미온 기반의 인공 신경망 소자를 세계 최초로 구현한 연구 결과이며, 전기적으로 제어되는 스커미온의 개수에 따라 신경망 가중치를 제어함으로써 신경망 가중치를 조절하는 인간의 뇌를 가장 밀접하게 모방했다"고 설명했다.

본 연구는 과학기술정보통신부 지원으로 KIST 주요사업인 차세대반도체연구소 플래그십 과제와 국가과학기술연구회 창의형 융합연구사업, 한국연구재단 인공지능·빅데이터 전략과제로 진행됐다. 연구결과는 '네이처 일렉트로닉스' 16일 온라인판에 게재됐다.
 

KIST 연구진이 개발한 '나노 자성구조체인 스커미온을 이용한 초저전력 인공지능 반도체 소자' 실물사진.[사진=KIST 제공]