뇌처럼 작동하는 재구성 가능한 컴퓨터

인도과학원(IISc) 연구진이 최근 화학적 구성을 바꾸어 여러 연산 작업 사이를 전환할 수 있는 차세대 컴퓨터 칩을 공개했습니다. 인간의 뇌에서 영감을 받은 이 설계는 단순히 학습하는 것을 넘어 지능이 구조 자체에 내재된 미래 AI 시스템의 가능성을 열어 줍니다. 핵심 내용을 살펴보겠습니다.

컴퓨팅의 미래를 열려면 기존의 틀을 벗어난 사고가 필요합니다. 칩이 설계상 이론적 한계에 가까워짐에 따라, 연산 능력을 계속 높이려면 새로운 접근법을 마련해야 합니다.

칩 제조

차세대 전자기기를 위한 더 빠르고 작은 칩을 개발할 때 실리콘은 대표적인 선택지로 여겨집니다. 풍부하고 저렴한 이 반도체는 적절한 전하 운반자 이동도를 제공하며, 다른 물질과 결합하고 전류를 가하면 절연체와 도체의 역할을 수행할 수 있습니다.

또한 산화된 실리콘, 즉 실리카는 다층 회로 설계를 뒷받침하는 얇은 막으로 성장시킬 수 있습니다. 이러한 특성 덕분에 오늘날의 마이크로·나노 전자공학에 적합한 소재가 되었습니다. 그러나 이 물질에는 중요한 단점도 있습니다.

실리콘 가공에는 여러 화학물질이 사용되므로 환경에 유해할 수 있습니다. 또한 나노전자 소자를 구현하는 데 한계가 있습니다. 게이트 길이가 7nm 미만인 소자에서는 상당한 간섭이 발생할 수 있으며, 신호 누설이나 양자 터널링 등 다양한 현상이 그 원인이 될 수 있습니다.

나노전자공학

나노전자공학은 소형화의 다음 단계입니다. 크기가 100nm 미만인 이 소자들은 매우 작아 기존의 거시적 물리 법칙보다 양자역학적 효과의 영향을 더 크게 받습니다. 이 크기에서 작동하는 시스템의 복잡성 때문에 계면 변화와 기타 비선형 반응이 나타날 수 있습니다.

뉴로모픽 컴퓨팅

회로를 나노 크기로 줄이면 작업 수행을 기계적 과정에 의존하기가 매우 어려워집니다. 이에 엔지니어들은 정보를 저장하고 연산하기 위해 뉴로모픽 컴퓨팅으로 눈을 돌렸습니다. 이러한 소자는 인간의 뇌를 본뜬 것입니다.

뉴로모픽 컴퓨터는 산화물과 필라멘트형 스위칭을 이용해 연산 작업을 수행합니다. 이 구조는 기존 컴퓨팅 방식을 축소해 학습을 모방합니다. 이는 자연적인 구조 자체에 데이터가 내재된 소자를 만드는 접근법과는 다릅니다.

이에 따라 과학자들은 물리적 표면을 바꾸지 않고 데이터를 저장하고 연산하며 데이터에 적응할 수 있는 첨단 물질을 만들기 위해 많은 노력을 기울였습니다. 그러나 이러한 구조를 구현하는 데 따르는 복잡한 문제는 쉽게 해결되지 않았습니다.

분자 전자공학

더 작으면서도 다양한 기능을 갖춘 장치를 만들려는 목표에 따라, 분자전자공학 연구자들은 원자 간 상호작용과 양자 현상을 기록하고 분석해 왔습니다. 궁극적인 목표는 그 결과를 매우 정확하게 예측하는 것입니다.

그러나 이는 불가능해 보였습니다. 이번 달 연구팀이 이러한 현상을 신뢰성 있게 예측하고 제어하는 방법을 보여 주는 획기적인 연구를 발표하기 전까지는 그랬습니다.

재구성 가능한 컴퓨터 연구

인도의 나노과학·공학센터(CeNSE) 연구진은 「재구성 가능한 뉴로모픽 기능을 위한 분자 설계 멤리스터¹」 연구를 통해 분자전자공학의 새로운 가능성을 제시했습니다.

출처: Advanced Materials

이 논문은 전기·화학·물리 공학의 최근 발전을 결합해, 화학적 구성을 조절함으로써 메모리, 논리 게이트, 프로세서, 전자 시냅스 등 여러 역할을 수행할 수 있는 나노 크기 소자를 제시합니다.

적응형 분자 장치

이 연구의 성공은 화학이 연산을 보조하는 데 그치지 않고 연산 자체를 구현할 수 있음을 보여 줍니다. 또한 이러한 적응성 덕분에 물질을 추가하거나 물리적 형태를 바꾸지 않고도 같은 소자가 메모리와 연산 장치의 역할을 모두 수행할 수 있습니다.

예측 프레임워크

연구진이 먼저 해야 했던 일 중 하나는 화학적 변화가 전하 수송에 어떤 영향을 미칠지 예측하는 방법을 만드는 것이었습니다. 이를 위해 박막 내에서 이동하는 분자를 정확하게 추적할 수 있는 양자화학 모델링 알고리즘을 개발했습니다.

이 알고리즘에는 산화와 환원이 각 분자에 미치는 영향, 분자들이 전체 분자 매트릭스 안에서 상호작용하는 방식 등 관련 정보가 포함되었습니다. 연구진은 이 데이터를 이용해 분자의 전반적인 안정성을 평가하고, 반대 이온의 이동을 실시간으로 기록했습니다.

연구진은 예측 알고리즘을 바탕으로 스위칭 동작을 분석해 하나의 소자를 저장, 연산 등 다양한 기능으로 전환하는 방법을 예측하기 시작했습니다. 이 알고리즘은 유기 루테늄 착물을 이용해 국소적인 분자 환경과 분자 간 상호작용을 정밀하게 조절할 수 있게 합니다.

멤리스터 응답

연구팀은 알고리즘을 지침으로 삼아 하나의 회로를 프로그램 방식으로 조절하는 데 성공했습니다. 특히 디지털, 아날로그, 이진, 삼진 메모리 등 여러 동작 모드를 구현했습니다.

이를 위해 루테늄 분자 주변의 리간드와 이온을 조절해야 했습니다. 이러한 조절 능력은 다양한 전도도 값으로 확장되었으며, 이를 통해 고체 소자의 기능을 동적으로 재구성할 수 있었습니다.

옆으로 밀어 표를 확인하세요 →

재구성 가능한 컴퓨터 테스트

연구진은 이론을 검증하기 위해 목적에 맞는 루테늄 착물을 만들어야 했습니다. 이번 연구에서는 17종을 합성했으며, 이를 통해 분자 구성과 이온 상태의 미세한 변화를 관찰할 수 있었습니다.

소자 제작은 팔라비 가우르가 이끌었습니다. 가우르는 소자가 재료를 바꾸지 않고도 저장, 연산, 재구성 기능 사이를 전환할 수 있었다고 보고했습니다. 이 능력은 소자의 동작을 인간 뇌의 작동 방식에 더 가깝게 만들며 뉴로모픽 컴퓨팅 연구를 진전시킵니다.

재구성 가능한 컴퓨터 테스트 결과

시험 결과는 동일한 물질 안에서 메모리와 연산을 결합할 수 있다는 연구진의 이론을 확인했습니다. 또한 화학이 소자의 능동 구성요소를 보조하는 데 그치지 않고 연산을 수행하는 데 사용될 수 있음을 보여 주었습니다. 이 연구는 나노컴퓨팅과 화학공학 기술을 결합해 더 작고 강력한 양자 소자의 가능성을 열었습니다.

재구성 가능한 컴퓨터의 장점

재구성 가능한 컴퓨터 연구는 여러 이점을 제공합니다. 우선 나노 크기 전자소자의 새로운 가능성을 열어 줍니다. 기존에는 소자를 일정 크기 이하로 줄이면 신뢰성이 유지되지 않았습니다. 움직이는 부품이 있다는 점은 나노 크기에서 제대로 작동할지 판단하기 어렵게 만들었습니다.

이 새로운 접근법은 하나의 고체 소자가 메모리 요소, 논리 게이트, 선택 소자, 아날로그 프로세서, 전자 시냅스 등 여러 연산 관련 역할을 수행하게 합니다. 이러한 유연성은 향후 엔지니어들이 더 가볍고 기능이 뛰어난 소자를 설계하는 데 도움이 될 것입니다.

간섭 감소

이 구조는 분자 크기 소자에서 양자 터널링과 기타 문제로 발생하는 간섭도 줄입니다. 소자가 작아질수록 외부 요인의 간섭이 미치는 영향은 커집니다. 소자의 소형화 추세를 함께 고려하면 이 접근법이 중요한 전환점으로 평가받는 이유를 이해할 수 있습니다.

전도도 증가

또 다른 주요 이점은 전도도의 증가입니다. 순수 실리콘은 도체나 절연체로서 모두 탁월한 물질은 아니므로 성능을 높이기 위해 첨가제와 다른 화학물질을 혼합해야 합니다. 이 새로운 설계는 신뢰성을 높이고 훨씬 큰 전도도를 지원합니다. 구체적으로 연구진은 100만 배(10의 6승) 규모의 향상을 기록했습니다.

재구성 가능한 컴퓨터: 실제 적용 및 로드맵

재구성 가능한 컴퓨터의 여러 활용 분야는 수백만 명의 삶을 더 편리하게 만들 수 있습니다. 그중 하나는 AI입니다. AI 시스템은 장치 내부에서 방대한 양의 데이터를 이동시키고 참조해야 합니다.

현재는 연산 논리와 메모리가 미세하게나마 떨어져 있어 지연이 발생합니다. 연산량이 늘면 이러한 지연의 영향도 커져 처리 속도가 느려집니다. 이 접근법은 논리, 메모리, 기타 핵심 작업을 분리할 필요를 없애고, 하나의 소자가 필요할 때마다 각 기능으로 즉시 전환되도록 할 수 있습니다.

차세대 의료 기기

의료 분야도 이 기술이 큰 변화를 가져올 수 있는 영역입니다. 이식형 기기와 기타 체내 장치를 더 작게 만들고 움직이는 부품을 줄일 수 있습니다. 이를 통해 침습성을 낮추고, 필요할 경우 연산 능력을 추가할 공간을 확보할 수 있습니다.

재구성 가능한 컴퓨터 로드맵

재구성 가능한 컴퓨터를 실제로 접하기까지는 7~10년이 걸릴 수 있습니다. 이러한 소자는 대규모 AI 시스템에 먼저 도입되어 운영비를 낮추고 효율을 높일 것으로 예상됩니다. 다만 아직 많은 시험과 개발이 필요하며, 대량으로 제조할 수 있는 적절한 생산업체도 찾아야 합니다.

재구성 가능한 컴퓨터 연구자들

이번 재구성 가능 컴퓨터 연구는 인도과학원 연구팀이 수행했습니다. 나노과학·공학센터(CeNSE)의 스리토시 고스와미 조교수가 연구를 이끌었습니다.

분자 합성은 라마누잔 펠로인 프라디프 고시와 산티 프라사드 라트가 담당했습니다. 논문에는 샤욘 바타차리야, 로히트 T, 하리비그네시 S, 데이미언 톰프슨도 참여자로 기재되어 있습니다.

재구성 가능한 컴퓨터의 미래

연구진에게는 아직 많은 과제가 남아 있습니다. 현재 이 기술을 기존 CMOS 칩 제조 방식에 통합하는 방법을 탐구하고 있습니다. 최종 목표는 지능이 본질적으로 내장된 소자를 만들어 성능, 안정성, 효율을 높이는 것입니다.

메모리 내 연산 분야에 대한 투자

칩 제조 분야에는 주목할 만한 투자 기회를 제공하는 기업들이 있습니다. AI와 고성능 연산 시스템이 점점 보편화되면서 이들 기업의 혁신적인 제품에 대한 수요도 늘었습니다. 다음은 칩 기술의 최전선에 있는 기업 중 하나입니다.

GSI Technology (GSIT)

앞서 소개한 연구가 분자 컴퓨팅의 미래를 보여 준다면, GSI Technology (GSIT )는 이 개념을 실리콘 기반으로 구현해 상용화하고 있습니다. GSI는 연관 처리 장치(APU)의 개발사입니다. APU는 메모리 배열 내부에서 직접 연산을 수행해 컴퓨터의 데이터 처리 방식을 근본적으로 바꾸는 기술로, 이를 ‘메모리 내 연산(Compute-in-Memory, CIM)’이라고 합니다.

이 구조는 연구에서 언급한 것과 같은 ‘폰 노이만 병목’, 즉 논리와 메모리의 분리로 발생하는 지연을 해결합니다. 프로세서와 RAM 사이에서 데이터를 주고받을 필요를 없애, GSI의 Gemini® APU는 AI와 검색 작업을 크게 가속합니다.

코넬대학교가 검증한 최근 벤치마크에 따르면, GSI의 APU는 특정 AI 작업에서 NVIDIA (NVDA ) A6000 같은 고성능 GPU와 비슷한 성능을 내면서도 에너지 소비는 약 98% 적었습니다.

GSI Technology는 미국 캘리포니아주 서니베일에 본사를 두고 있으며 나스닥에 상장되어 있습니다. 방사선 내성 메모리 제품은 이미 항공우주·방위 산업에서 널리 사용되고 있습니다. 이는 회사가 첨단 AI 칩을 더 넓은 시장에 출시하는 동안 안정적인 매출 기반을 제공합니다.

메모리 중심 컴퓨팅의 미래에 집중적으로 투자할 수 있는 북미 상장사를 찾는다면 GSI Technology를 조사해 볼 수 있습니다. 이 회사는 전통적인 실리콘 기술과 연구진이 구상하는 ‘지능이 내장된’ 미래 사이를 잇는 현실적인 연결고리입니다.

GSI Technology(GSIT)의 최신 뉴스와 실적

재구성 가능한 컴퓨터 | 결론

재구성 가능한 컴퓨터를 만들 수 있다는 것은 큰 변화를 의미합니다. 미래에는 움직이는 모든 부품을 화학적 상호작용으로 대체해 기기의 신뢰성과 내구성을 크게 높일 수 있습니다. 또한 기계적 구성요소가 아닌 유기 화학반응에 기반한, 훨씬 작고 복잡한 설계의 가능성도 열립니다.

이러한 요소들을 종합하면, 재구성 가능한 컴퓨터 연구는 컴퓨팅과 AI 통합의 새 시대를 열 잠재력이 있는 중요한 전환점입니다. 이 때문에 연구에 많은 관심이 쏠리고 있습니다. 현재 연구팀은 제작 공정을 간소화하고 생산비와 복잡성을 줄이는 데 집중할 예정입니다.

그 밖의 흥미로운 컴퓨팅 기술 동향은 여기에서 확인할 수 있습니다.

참고문헌

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. 재구성 가능한 뉴로모픽 기능을 위한 분자 설계 멤리스터. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}