광자 기술이 무어의 법칙을 유지할 수 있을까?

무어의 법칙은 집적 회로 내 트랜지스터 수가 약 2년마다 증가하고 그에 따라 컴퓨터 성능도 향상된다고 규정합니다. 이 원칙은 1965년 이후 대체로 정확했습니다. 그러나 인텔 공동 설립자인 고든 E. 무어는 칩이 미세화 한계에 도달해 계산 성능이 뒤처질 수 있다는 점을 고려하지 않았을 것으로 추정됩니다.

다행히도 캘리포니아 대학교 연구팀은 크기를 희생하지 않으면서 더 많은 계산 능력을 제공하는 광자 기술을 활용한 새로운 방법을 개발했습니다. 알아두어야 할 내용은 다음과 같습니다.

축소하기

컴퓨터가 발명된 이래로 전 세계는 컴퓨터를 점점 작게 만들기 위해 노력해 왔습니다. 조부모님 세대 중 일부는 컴퓨터가 전체 방을 차지하고 많은 인력이 필요했던 시절을 기억하실 수도 있습니다. 오늘날 스마트워치는 이러한 거대 기계보다 더 많은 계산 능력을 제공하며, 이는 마이크로컴퓨팅 분야에서 빙산의 일각에 불과합니다. 전체 방에서 오늘날의 마이크로 전자제품으로의 여정은 실험과 발견, 때로는 실패가 뒤섞인 흥미진진한 과정이었습니다.

물리적 및 비용 제한

특히, 이러한 미세 부품을 제조하는 비용이 금지선에 도달하는 시점이 있습니다. 대부분의 연구자들에 따르면 시장은 이미 그 지점에 도달했습니다. 또한, 작은 칩은 더 큰 칩에 비례하는 계산 성능을 제공하지 못해 계산 이득이 무어의 법칙과 일치하지 않습니다.

이처럼 사용 가능한 계산 능력과 필요 사이의 격차가 커지면서, 엔비디아 CEO인 젠슨 황과 같은 시장의 유명 인사들은 무어의 법칙이 사라졌으며, 애플리케이션 전용 프로세서가 미래라고 주장하고 있습니다.

고성능 컴퓨터에 대한 수요

인공지능 및 머신러닝 시스템의 급격한 성장으로 고성능 컴퓨팅 및 클라우드 플랫폼에 대한 수요가 증가했습니다. 이러한 요구는 칩 설계의 성능을 앞서가며 AI 개발 분야에 병목 현상을 초래해 혁신을 제한하고 있습니다. 이제 오늘날의 고성능 컴퓨터와 AI 시스템의 요구에 부응할 해결책을 찾기 위한 경쟁이 시작되었습니다.

컴퓨팅 파워 솔루션

일부 분석가들은 논리와 처리를 동일 칩에 통합한 특수 칩을 만드는 것이 하나의 해결책이라고 보고 있습니다. 이 접근법은 지연 시간을 줄이고 에너지 사용을 감소시켜 성능을 향상시킵니다. 그러나 대규모 AI 데이터 요구 사항을 논할 때 여전히 계산 제한으로 인해 이상적인 솔루션은 아닙니다.

메모리 컴퓨팅

연구자들을 흥분시키는 또 다른 해결책은 메모리 컴퓨팅입니다. 이 저장 방식은 회전식 하드 드라이브 대신 빠른 접근이 가능한 RAM을 활용합니다. 구체적으로, 네트워크에 걸친 컴퓨터들의 RAM을 미들웨어 소프트웨어로 설정하여 메모리를 병렬로 실행합니다. 이 저장 방식은 기존 방법보다 5000배 빠르지만 여전히 무어의 법칙을 따라가지 못합니다.

광자 기술

광자 기술은 연구자들의 관심을 끄는 또 다른 고성능 컴퓨팅 방법입니다. 광자 기술은 전자를 이용해 빛 파동을 감지함으로써 작동합니다. 이 과학은 프로그래머블 광학 가중치 매트릭스를 통과하는 빛을 생성하고 제어하는 데 중점을 둡니다.

이 가중치는 비휘발성 광학 변조기의 2D 배열을 통합하여 광 입력 벡터에 대한 선형 변환을 수행할 수 있게 합니다. 이 전략은 RAM 컴퓨팅 방식보다 빠른 스위칭 속도를 제공합니다.

광자 기술의 현재 제한 사항

광자 컴퓨팅의 단점 중 하나는 현재 시스템이 약 1000배 정도만 재작성할 수 있다는 점입니다. 제한된 수명으로 인해 비용이 많이 듭니다. 또한, 광 가중치는 저장 밀도가 낮고 프로그래밍 속도가 전통적인 칩보다 느립니다.

광자 컴퓨팅 시스템은 다양한 형태와 설계로 존재합니다. 그러나 이러한 시스템은 상대보다 훨씬 비싼 특수 제조 공정을 필요로 합니다. 비용 제약에도 불구하고 많은 연구자들은 광자 기술이 컴퓨팅의 미래이며, 라이트의 법칙이 구현의 핵심이라고 믿고 있습니다.

라이트의 법칙

라이트의 법칙도 존재하며, 이는 반도체 발전에 계속 영향을 미칠 것입니다. 이 법칙은 항공우주 엔지니어 테오도어 폴 라이트가 제시한 제조 원칙입니다. 항공기 제조 공장에서 일하던 그는 제조 공정이 개선되면서 생산량이 증가함에도 불구하고 노동 요구량이 15% 감소한다는 것을 발견했습니다.

이러한 비용 절감은 개선된 공정, 기술, 회수 시스템 및 생산 중 이루어진 기타 업그레이드에서 비롯되었습니다. 따라서 많은 분석가들은 라이트의 법칙이 광자 기술을 더 접근 가능하고 저렴한 옵션으로 만드는 데 도움이 될 것이라고 믿고 있습니다.

이미 AI 분야에서 라이트의 법칙이 적용되는 모습을 볼 수 있습니다. 몇 년 전만 해도 일반인이 AI 시스템에 접근하거나 운영하는 것은 불가능했으며, AI 모델을 만들고 관리·업그레이드하는 비용이 너무 비쌌습니다. 또한, AI가 인간과 상호작용할 신뢰할 만한 방법도 없었습니다.

하지만 ChatGPT와 같은 프로그램이 시장에 등장하면서 누구나 이러한 강력한 도구를 활용해 효율성과 창의성을 향상시킬 수 있게 되었습니다. 이러한 시스템은 대형 언어 모델을 통합해 간단한 채팅 프롬프트만으로도 쉽게 사용할 수 있게 합니다. 이 발전은 AI 채택을 급증시켜 현재의 계산 능력 부족을 초래했습니다.

광자 기술 연구

Nature Photonics 저널에 발표된 연구 “초고내구성을 갖는 비상호성 자기광학을 이용한 광자 인메모리 컴퓨팅”¹은 시장을 혁신할 수 있는 새로운 광학 컴퓨팅 방식을 제시합니다. 이 연구는 인메모리 광자 컴퓨팅을 위한 광 가중치 인코딩을 상세히 탐구합니다.

출처 – Nature

연구진은 자기광학 메모리 셀과 공명 기반 광자 아키텍처를 사용해 계산 목표를 달성했습니다. 이 전략은 자기광학 물질의 비상호성 위상 변이를 이용해 광자 인메모리 컴퓨팅을 구현합니다.

새로운 수학 모델을 통해 팀은 자기광학 물질을 테스트할 수 있었습니다. 그들은 세륨이 치환된 이트륨 철 가넷(YIG)이 외부 자기장을 이용해 빛의 전파를 제어할 수 있게 함을 발견했습니다. 이렇게 제어된 빛은 계산에 활용될 수 있습니다.

이 연구는 작은 자석이 데이터를 효율적으로 저장하고 번개처럼 빠르게 접근할 수 있음을 보여주었습니다.

자석을 인코딩하는 과정은 유닛의 자기 도메인 강도를 설정함으로써 이루어집니다. 장치를 작동시키기 위해 전자 신호는 전기광(E/O) 변조기를 사용해 광 도메인으로 변환되어 프로그래밍 및 저장에 사용됩니다. 이후, 균형 포토디텍터(BPD)들이 차동 광 신호를 전기 신호로 다시 변환하여 CMOS 로직이 SRAM과 함께 처리할 수 있게 합니다.

광자 기술 테스트

비휘발성 자기광학 메모리 셀을 테스트하기 위해 연구자는 다양한 접근 방식을 설정했습니다. 2비트 전기 입력으로 시작해 두 개의 양성 및 두 개의 음성 광 가중치를 얻었습니다. 이후 자기장을 조작해 변화를 모니터링했습니다.

세륨 치환 이트륨 철 가넷 (YIG),

테스트 단계에서 750 °C에서 라디오 주파수 스퍼터링 방법으로 500 nm 두께의 단결정 YIG를 실험실에서 성장시켰습니다. 구체적으로 팀은 반경 35 µm인 웨이퍼를 사용하기로 했으며, 실리콘 층을 Ce: YIG 층과 분리하기 위해 10 nm 얇은 실리콘 산화물 층을 통합했습니다.

광자 기술 프로그래밍

메모리 셀의 상태를 프로그래밍하려면 통합 금 전자석이 제공하는 방사형 평면 자기장이 필요합니다. 시스템은 강자성 얇은 필름을 통해 적용된 방향 및 자기장에 따라 광 손실 변화를 전자적으로 측정할 수 있습니다.

이 구성은 프로그래머블하고 비휘발성인 자기장을 생성해 엔지니어가 메모리 셀에 비상호성 광 위상 변이를 유도할 수 있게 합니다. 특히, 연구는 마이크로 링 공진기의 시계방향(CW) 및 반시계방향(CCW) 모드를 모두 기록해 계산 데이터를 프로그래밍하고 접근하는 수단으로 사용했습니다.

광자 기술 수명 주기

메모리 수명 주기를 테스트하는 것이 또 다른 단계였습니다. 팀은 쓰기와 지우기 펄스를 순환시키는 임의의 함수 발생기를 프로그래밍했습니다. 시스템은 10 kHz의 속도로 조정되었습니다. 엔지니어들은 ±5 V의 진폭과 500 ns의 펄스 폭을 사용해 실제 재작성 상황을 재현했으며, 결과는 놀라웠습니다.

광자 기술 결과

시험 결과는 이 새로운 광자 기술이 컴퓨팅을 영원히 바꿀 수 있음을 보여주었습니다. 첫째, 새로운 시스템은 거의 무한에 가까운 재작성 능력을 보여주었으며, 구체적으로 24억 번의 프로그래밍 사이클을 달성했습니다.

또한 엔지니어들은 자기광학 물질의 비상호성 위상 변이를 활용하면 빠르고 효율적으로 결정론적으로 프로그래밍할 수 있음을 확인했습니다. 데이터는 약 1 GHz의 프로그래밍 속도가 가능함을 보여주었습니다. 더불어 팀은 현재 방법을 능가하는 비휘발성 다중 레벨 인코딩을 달성했습니다. 따라서 이 연구는 향후 컴퓨터 시장을 혁신할 수 있습니다.

광자 기술의 장점

여러 장점이 광자 연구를 게임 체인저로 만들고 있습니다. 첫째, 새로운 시스템은 방대한 계산 능력이 필요한 복잡한 연산을 수행할 수 있습니다. 이러한 시스템은 행렬-벡터 곱셈 및 기타 고급 과학을 필요로 하는 AI 및 ML 작업에 이상적입니다.

지연 시간 감소

과학자들은 광자 기술이 기존 옵션보다 높은 속도를 제공한다는 것을 발견했습니다. 테스트 단계에서 1 ns의 메모리 접근 속도가 확인되었으며, 이는 이전 광자 장치보다 100배 빠른 수치로 새로운 혁신 수준을 열어줍니다.

에너지 소비 감소

에너지 효율성은 광자 시스템이 시장에 제공하는 또 다른 장점입니다. 이 시스템은 다른 옵션에 비해 극히 적은 전력으로 메모리를 재프로그램하고 접근할 수 있습니다. 팀은 비트당 143 fJ의 효율을 기록했으며, 이는 다른 광자 옵션의 1/10 수준에 해당합니다.

재프로그래밍 가능

광자 연구의 가장 큰 장점 중 하나는 이 장치들이 거의 무한에 가까운 재프로그래밍 사이클을 가지고 있다는 점입니다. 다른 어떤 컴퓨팅 저장 옵션도 데이터 재작성 +2Bx를 제공하지 못합니다. 따라서 이 과학 연구는 데이터 센터에 큰 영향을 미칠 수 있습니다.

광자 연구자들

광자 연구는 산타바바라의 John Bowers와 Galan Moody가 이끌었습니다. Paolo Pintus, Nathan Youngblood, Yuya Shoji, 그리고 Mario Dumont도 광자 시스템의 연구 및 개발에 중요한 역할을 수행했습니다. 이제 팀은 내일의 AI 혁신을 구동할 최적의 옵션을 찾기 위해 다른 재료로 연구 범위를 확대할 예정입니다.

광자 연구로 혜택을 받을 수 있는 기업들

다양한 기업들이 이 연구를 활용해 제품 및 서비스를 개선할 수 있습니다. 클라우드 컴퓨팅 네트워크와 데이터 센터는 이 기술을 구현한다면 매출이 크게 상승할 두드러진 분야입니다. 다음은 이 정보를 활용하기에 완벽히 적합한 기업입니다.

Snowflake

Snowflake (SNOW )는 2012년에 클라우드 컴퓨팅 시장에 진입했습니다. 본사는 몬태나에 위치하며 Benoît Dageville, Thierry Cruanes, Marcin Żukowski가 공동 설립하여 고성능 클라우드 컴퓨팅을 제공하고 있습니다. 오늘날 Snowflake는 기업이 클라우드에서 데이터를 저장, 마이그레이션 및 처리하도록 지원하는 데 중요한 역할을 수행합니다.

많은 사람들은 Snowflake가 혁신, 최첨단 서비스, 그리고 포지셔닝에 대한 헌신으로 최고의 주식 선택이라고 평가합니다. 이 회사는 최근 One Million Minds + One Platform 이니셔티브로 주목받았으며, 이는 2029년까지 수백만 명의 근로자를 AI에 능숙하게 만들고자 합니다.

Snowflake는 클라우드 컴퓨팅 분야에서 가장 평판이 좋은 기업 중 하나입니다. 현재 일일 42억 건 이상의 쿼리를 처리하고 10,000개 이상의 고객을 보유하고 있으며, 그 중 800개 기업이 포브스 리스트에 올랐습니다. 이러한 지원 및 고객 기반은 회사 주식에 대한 관심을 높일 수 있습니다.

Snowflake가 데이터 센터에 광자 저장 시스템을 구현한다면 막대한 ROI를 기대할 수 있습니다. 이 시스템은 공간을 적게 차지하고 에너지 소모가 적으며 열 발생도 현저히 낮습니다. 또한 무제한 재작성 수명을 갖고 고객에게 더 낮은 지연 시간을 제공할 수 있습니다. 결과적으로 이는 매출 상승으로 이어질 수 있습니다.

광자 기술 – 빛을 이용해 컴퓨팅을 다음 단계로 끌어올리다

광자 기술은 세계가 새로운 수준의 계산 이해를 열어줄 열쇠가 될 수 있습니다. 이 기술은 엔지니어들이 오늘날 추구하는 장기성 및 지속 가능성을 제공하며, 많은 이들이 AI 움직임에 핵심이라고 보고 있습니다. 이러한 모든 요인은 광자 컴퓨팅 움직임이 시기적절함을 의미합니다.

다른 멋진 컴퓨팅 프로젝트에 대해 알아보려면 여기를 클릭하세요.

연구 참고문헌:

^{1. Pintus, P., Dumont, M., Shah, V., et al. (2025). 초고내구성을 갖는 비상호성 자기광학을 이용한 광자 인메모리 컴퓨팅. Nature Photonics, 19(1), 54–62. https://doi.org/10.1038/s41566-024-01549-1}