인공지능
멤리스터가 AI를 보다 인간처럼 만들고 있는 방법
Securities.io를 Google의 선호 소스에 추가
신경모사, 뇌와 같은 AI 하드웨어의 부상
As AI becomes the center of the tech industry, a growing problem has emerged: the massive computing and energy demand of AI when performed using CPUs and GPUs.
그 결과, 연구자들은 신경 처리 유닛(NPU)이라고도 불리는 신경모사 칩에 매진하고 있습니다. 이는 뇌의 뉴런을 모방하는 AI 하드웨어 유형입니다.
“우리의 칩이나 컴퓨터가 수행하는 작업에 충분히 강력하지 않은 것이 아니라, 효율성이 부족한 것입니다. 에너지를 너무 많이 사용합니다.”교수 Joshua Yang – University Of Southern California
뇌 영감을 받은 하드웨어로의 전환은 인공지능에 접근하는 방식을 재구성할 수 있습니다. 신경모사 설계는 기존 칩에 비해 세 가지 주요 장점을 제공합니다:
- 적응형 아키텍처: 훈련 데이터에 따라 스스로 재구성할 수 있는 회로.
- 급진적인 에너지 효율성: 경우에 따라 GPU 전력의 1/100th만 사용할 정도로 낮음.
- 낮은 열 출력: 오늘날 AI 데이터 센터를 괴롭히는 비용이 많이 드는 냉각 요구사항을 감소시킵니다.
(AI 전용 하드웨어(예: NPUs)에 대한 자세한 내용을 전용 보고서에서 확인하세요.)
“실제 신경 활동을 모방하는 마이크로칩을 개발할 수 있다는 것은 대기 상태나 기계가 사용되지 않을 때 많은 전력이 필요하지 않다는 것을 의미합니다.
그것은 큰 잠재적인 계산 및 경제적 이점이 될 수 있습니다.”John LaRocco – 정신과 연구 과학자 at Ohio State’s College of Medicine.
연구자들은 신경모사 칩을 만들기 위한 여러 유망한 방법을 테스트하고 있습니다. 한 접근법은 초기 강유전체 현상을 활용하는 것으로, 아직 충분히 이해되지 않은 현상으로 적절한 조건에서 물질이 전기 분극을 스스로 전환하도록 할 수 있습니다. 또 다른 방법은 바나듐 또는 티타늄으로 만든 활성 기판에 초점을 맞추며, 이러한 물질은 전기적 특성을 동적으로 변화시켜 뇌와 같은 신호 전달을 모방할 수 있습니다.
아마도 가장 널리 논의되는 경로는 멤리스터의 사용입니다—저항 변화를 통해 정보를 저장할 수 있는 혁신적인 전자 부품 클래스입니다. 이러한 장치는 일반 전력 소비의 1/800th 수준으로 AI 작업을 수행할 수 있어, 현재 개발 중인 가장 에너지 효율적인 솔루션 중 하나입니다.
멤리스터가 시냅스를 모방하는 방법
스크롤하려면 스와이프 →
| 특징 | CPU | GPU | NPU / 멤리스터 칩 |
|---|---|---|---|
| 아키텍처 | 순차적, 범용 | 병렬, 행렬 중심 | 뇌 영감, 적응형 |
| 에너지 사용 | 높음 | 보통에서 높음 | 극히 낮음 (전력의 1/100–1/800) |
| 학습 효율성 | 느림, 외부 메모리 | 빠른 학습, 외부 메모리 | 인메모리, 자체 적응형 |
| 최적 사용 사례 | 일반 컴퓨팅 | AI 모델 학습 | 엣지 AI, 로보틱스, 저전력 AI |
멤리스터는 뉴런 연결 시냅스를 모방하는 전자 부품이며 전원이 꺼진 후에도 전기 상태가 어떻게 전환되었는지 기억합니다.
이는 프로세서와 메모리 사이를 오가며 데이터를 전송하는 데 소모되는 에너지와 시간을 크게 줄일 수 있습니다.
멤리스터의 주요 강점 중 하나는 효율적이고 자체 적응적인 현장 학습 능력으로, 이는 로보틱스 및 자율 주행 차량 응용에 필수적입니다.
또한, 멤리스터의 낮은 전력 소비는 에너지 효율성이 가장 중요한 로보틱스 및 자율 주행 차량에 특히 유리합니다.
최적의 멤리스터를 만들기 위한 다양한 경로가 탐구되고 있습니다. 비교적 기존적인 티타늄 산화물 멤리스터부터 실제 인간 뉴런(오르가노이드) 혹은 버섯까지 활용하는 방법까지.
유기 물질, 특히 실제 뉴런을 사용해 뉴런 활동을 모방한다는 아이디어는 이론적으로는 타당합니다. 그러나 실제로 이러한 “컴퓨터”를 기존 IT 시스템에 연결하는 것은 어려울 수 있습니다.
“우리의 기존 컴퓨팅 시스템은 방대한 데이터를 처리하거나 스스로 몇 개의 예시만으로 학습하도록 설계되지 않았습니다.
에너지와 학습 효율성을 동시에 높이는 한 방법은 뇌에서 관찰되는 원칙에 따라 작동하는 인공 시스템을 구축하는 것입니다.”교수 Joshua Yang – University Of South California
인간 뇌와 비교할 때 이러한 비효율성은 충격적입니다. 어린 아이는 각 손글씨 숫자를 몇 개의 예시만 보고도 인식할 수 있지만, 컴퓨터는 일반적으로 수천 개가 필요합니다.
인간 뇌는 약 20W의 전력만 소비하면서 이 작업을 수행하지만, 최신 AI 데이터 센터는 기가와트 규모, 즉 약 1억 배에 달하는 전력을 사용하고 있습니다.
새로운 중간 옵션은 기본 원리에서 뉴런처럼 작동하는 인공 칩을 만드는 것일 수 있습니다. 이는 남가주 대학교(USC), 캘리포니아 대학교, 매사추세츠 대학교, 시러큐스 대학교, 공군 연구소, NASA 에임스 연구소 연구원들이 선택한 경로입니다.
그들은 Nature Electronics1에 결과를 발표했으며, 제목은 “하나의 확산 멤리스터, 하나의 트랜지스터 및 하나의 저항기에 기반한 스파이킹 인공 뉴런”입니다.
확산 멤리스터를 이용한 뉴런 발화 복제
뉴런은 어떻게 작동하나요?
뉴런이 서로 상호작용하고 궁극적으로 정보를 처리하는 방식은 전기 및 화학 신호를 모두 사용하는 것입니다.
신호가 충분히 강하면, 양전하를 띤 나트륨 이온이 세포 안으로 급격히 유입되면서 ‘활동 전위’라고 불리는 전기적 충동을 생성합니다.
이 전기 신호가 수신되면, 신경전달물질이 방출됩니다.
지금까지 전자 멤리스터와 상보형 금속산화물 반도체(CMOS) 회로는 전기 신호를 사용해 이러한 기능을 가상으로 시뮬레이션했으며, 뉴런을 시뮬레이션하기 위해 수백 개의 트랜지스터가 필요했습니다.
대신 연구진은 ‘확산 멤리스터’라는 장치를 개발했으며, 이는 실제 화학 상호작용을 이용해 계산 과정을 시작합니다.
확산 멤리스터란 무엇이며 어떻게 작동하나요?
전통적인 실리콘 시스템이 전자를 이용해 연산을 수행하는 반면, 확산 멤리스터는 원자 이동을 이용합니다. 이들은 산화물에 삽입된 은 이온을 사용해 자연 뇌 기능을 모방하는 전기 펄스를 생성합니다.
물론 이것이 뉴런이 작동하는 방식을 정확히 복제하는 것은 아니지만, 원리는 매우 유사합니다.
“비록 인공 시냅스와 뉴런의 이온이 정확히 동일하지 않더라도, 이온 이동과 동역학을 지배하는 물리학은 매우 유사합니다.”교수 Joshua Yang – University Of South California
이러한 유사성은 부분적으로 은 이온이 이 멤리스터 시스템에서 쉽게 확산되기 때문이며, 이는 유기 세포에서 나트륨 이온이 이동하는 방식과 유사합니다.
은 이온 외에도, 멤리스터는 팔라듐, 실리콘, 티타늄, 그리고 하프늄을 사용합니다. 이 연구는 전기 자극에 대한 은 이온의 확산을 실시간으로 시각화했습니다.
스크롤하려면 스와이프 →
| 층 / 재료 | 디바이스 내 역할 | 중요한 이유 |
|---|---|---|
| 은(Ag) 이온 | 스파이킹을 위한 이동성 종 | 쉽게 확산되어 신경 발화와 유사한 이온 구동 펄스를 가능하게 함 |
| 산화물 매트릭스(예: HfO2) | 이온 호스트 / 스위칭 매체 | 이온 이동 및 필라멘트 형성을 제어하여 멤리스터 상태를 구현 |
| 팔라듐(Pd) | 전극 / 촉매 인터페이스 | 안정적인 접촉 및 유리한 인터페이스 화학 |
| 티타늄(Ti) | 접착/장벽 층 | 전극 안정성과 스택 무결성을 향상 |
| 실리콘(Si) | 기판 / CMOS 통합 | 트랜지스터 면적 내 수직 통합을 가능하게 함 |
미래: 신경모사 칩 및 에너지 효율 AI
이 새로운 유형의 멤리스터의 주요 장점은 단일 트랜지스터 면적 내에 들어간다는 점이며, 이전 설계는 수십 개 혹은 수백 개가 필요했습니다.
초기 테스트에서는 소수의 확산 멤리스터만 사용했으며, 이를 통해 오늘날 거의 모든 AI 시스템에서 사용되는 전형적인 다계층 신경망 구축에 활용될 수 있음을 보여주었습니다.
다음 단계는 이러한 시스템을 더 많이 조립하여 실제 AI 작업을 수행할 때 얼마나 효율적인지 테스트하는 것입니다.
“우리는 결국 칩 크기를 수십 배, 에너지 소비를 수십 배 줄일 수 있는 빌딩 블록을 설계하고 있습니다.
따라서 미래에 지속 가능한 방식으로, 지속할 수 없는 에너지를 소모하지 않고도 유사한 수준의 지능을 가지고 AI를 수행할 수 있습니다.”교수 Joshua Yang – University Of South California
다른 이온을 사용할 수 있는지 확인하는 것도 유용할 수 있습니다. 은 이온은 반도체 제조에 일반적으로 사용되지 않으며, 이는 산업계에서 이 설계의 채택 속도를 제한할 수 있습니다.
확산 멤리스터의 또 다른 효과는 생물학적 뇌가 어떻게 작동하는지 더 잘 이해하는 데 도움이 될 수 있다는 점입니다.
장기적으로는 ‘엣지 컴퓨팅’이라고 불리는 분야에서 특히 유용할 것으로 보이며, 여기서는 로봇이나 자율 주행 차량처럼 AI 데이터 센터와 연결되지 않은 상태에서 현장에서 직접 결정을 내리는 경우에 적용됩니다.
신경모사 칩 제조업체에 투자하기
Intel
Intel (INTC ) 은 반도체 분야의 거대 기업으로, 설립자에서 과학 및 혁신 리더로 수년간 진화했으며, 제조량에서는 대만의 TSMC와 같은 기업에게 1위 자리를 내주었습니다.
Intel은 Loihi 2 칩을 포함한 신경모사 컴퓨팅 분야의 선두주자입니다.
또한 Intel Neuromorphic Research Community를 설립했으며, 이 커뮤니티에는 바나듐 이산화물 연구에 참여하는 펜실베니아 주립대학을 비롯해 다양한 잠재적 신경모사 설계와 75개 이상의 연구 그룹이 포함됩니다.
INTC 가격 차트
Intel은 또한 뇌 작동 방식을 복제함으로써 생물학적 감각을 모방하는 데 매우 활발히 활동하고 있으며(이는 신경모사 컴퓨팅의 한 분야입니다), 이와 관련해 우리는 기사 “생체모사 후각 칩: 인공지능과 전자코가 석탄 광산의 다음 카나리아인가?”에서 더 자세히 논의했습니다.
전반적으로 Intel Lab의 연구는 AI, 양자 컴퓨팅, 신경모사 컴퓨팅 등을 포함한 반도체 혁신의 최전선에 있습니다(우리는 기사 “양자 컴퓨팅의 현재 상태”에서 Intel의 양자 컴퓨팅 진보를 논의했습니다).
또한 우리의 전용 투자 보고서에서 Intel의 현재 사업 및 연구개발 프로그램에 대해 더 읽어볼 수 있습니다.
최신 Intel (INTC) 주식 뉴스 및 개발
참조 연구
1. Zhao, R., Wang, T., Moon, T. et al. 하나의 확산 멤리스터, 하나의 트랜지스터 및 하나의 저항기에 기반한 스파이킹 인공 뉴런. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x
