AI 전성비 해결…`GPU 대체` 뇌 닮은 AI칩 내놓는다

지난 2016년 등장해 세상을 놀래켰던 인공지능(AI) 알파고와 챗GPT 외에도 전 세계적으로 AI 기술이 발전, 더욱 복잡하고 빠른 연산을 수행하면서 데이터센터의 전력사용량이 급증했다. AI 전력 수요가 급증함에 따라 향후 2년간 데이터센터의 전력소비량은 160%까지 증가할 것이란 전망도 나왔다. 이로 인해 오는 2027년까지 기존 AI 데이터센터의 40%에서 전력 가용성 문제가 발생할 것으로 예상된다. AI발(發) 전력난에 대한 해결책으로 저전력 AI 반도체가 부각되고 있다.

이수연 한국과학기술연구원(KIST) 반도체기술연구단 단장이 이끄는 연구팀은 '뉴로모픽 반도체'를 통해 AI의 성능과 전성비를 동시에 잡는 도전을 하고 있다. 뉴로모픽 반도체란 인간의 두뇌를 구성하는 신경 시스템을 모사한 반도체를 의미한다.

이 단장은 "전력사용량 급증 문제를 해결할 수 있는 반도체를 만들어야겠다고 고심한 끝에 두뇌의 신경세포와 시냅스를 모사해 낮은 전력으로 데이터를 효율적으로 처리할 수 있는 반도체를 개발하는 것으로 방향을 잡았다"고 말했다.

뉴로모픽의 핵심은 저전력 AI 시스템 개발을 위해 두뇌 원리를 보다 정밀하게 모사하는 저전력 신경모사 소자와 시스템 개발이다.

연구진은 이를 위해 기술 성숙도가 높은 실리콘 트랜지스터 기반의 '스파이킹 신경망'(SNN) 칩을 개발했다.

두뇌는 뉴런이 스파이크 신호를 보내면 시냅스를 통해 다른 뉴런에 신호를 전달하는 방식으로 정보 전달과 연산 기능을 수행하는데, 이런 방식의 신경망 구조를 스파이킹 신경망이라고 한다. 이 신경망은 전기 신호가 나타났을 때만 정보를 처리해, 불필요한 정보까지 전달하고 연산하는 기존의 심층신경망 구조(DNN)의 AI 기술에 비해 전력 소모가 낮아 효율성이 우수하다.

이 단장은 "DNN은 지하철이나 버스에, SNN은 택시에 비유하면 쉽다. 지하철과 버스는 모든 역과 정류장에서 멈춰서 문을 열고 닫기 때문에 전력 소모가 더 클 수밖에 없는데 SNN은 가고자 하는 목적지에 훨씬 효율적으로 닿을 수 있는 것"이라고 설명했다.

인간의 두뇌처럼 경험을 통해 최적의 행동을 학습할 수 있는 아날로그 방식의 뉴로핏은 기존의 SNN 뉴로모픽 프로세서가 두뇌 신경망의 학습 방식 일부만 모사해 행동에 대한 보상이나 오차와 같은 피드백 신호를 원활하게 반영할 수 없다는 한계를 극복하기 위해 고안해냈다.

뉴로핏은 적응형 운동학습을 통해 피드백 신호를 시냅스 학습에 반영하기 때문에 아날로그 회로를 중점적으로 사용했음에도 정확도의 큰 희생없이 전력 소모와 비용을 줄일 수 있다는 게 연구진의 설명이다.

이 단장은 "연구에 있어서 중요한 포인트 중 하나는 인간의 뇌가 어떻게 생겼는 지 아는 것이다. 하지만 뇌 구조는 아직까지 미지의 영역으로 남아있다"며 "KIST에서는 뇌과학연구소와 반도체기술연구단에서 연구를 함께 진행해 체계적인 연구가 가능하다는 것이 큰 장점"이라고 했다.

연구진은 현재 실리콘 트랜지스터 기반이 아닌 신소자 기반의 뉴로모픽 반도체 소자를 개발하고 있다. 이 과정에서 반도체기술연구단에 소속된 박종길 박사가 참여해 설계 작업을 함으로써 집적도를 높이는 연구를 하고 있다.

구체적으로 신소자를 이용해 인간 두뇌 뉴런의 거동을 정밀하게 모사할 수 있는 '인공뉴런 소자'를 개발했다. 생물학적 시냅스의 거동을 보다 잘 모사할 수 있는 '인공 시냅스 소자'도 개발중이다.

이 단장은 "뉴로모픽 반도체 개발은 실제 반도체 제조공정과 똑같다. 박막 증착, 패터닝, 에칭 작업을 거친다"며 "이외에도 거대언어모델을 보다 효율적으로 처리하기 위한 두뇌모사 방식의 알고리즘 연구도 함께 진행하고 있다"고 설명했다. 박 박사는 "뉴로모픽 반도체는 향후 지속적인 응용연구를 통해 드론, 자율주행차, 서비스 로봇 등 저전력이 필요한 모바일 환경에서 동작하는 자율시스템의 두뇌 역할을 할 수 있을 것"이라고 밝혔다. 글·사진=이미선기자 already@dt.co.kr