경희대 GPU 한계 넘을 차세대 AI반도체 기술가능성 입증

[익명(113.52)]

GPU 한계 넘을 차세대 AI 반도체 기술 가능성 입증 - 교수신문

https://www.kyosu.net/news/articleView.html?idxno=201972">https://www.kyosu.net/news/articleView.html?idxno=201972

멤리스터(Memristor)는 메모리와 레지스터의 합성어로 전기 자극에 따라 저항값이 달라지며 그 상태를 기억할 수 있는 차세대 전자소자로 인공지능 연산 하드웨어의 핵심 후보다. 멤리스터 소자를 크로스바(crossbar) 구조로 구성하면 MAC 연산 수행이 가능해져 연산 장치와 메모리 간의 데이터 이동을 획기적으로 줄일 수 있다. 이를 통해 저전력 고속 연산에 적합한 AI 가속기 구현이 가능하다. 하지만 패시브 크로스바 어레이에서는 선택되지 않은 소자들로 원치 않는 전류가 흐르는 ‘스니크 전류(sneak current)’ 문제와 멤리스터 소재 내 확률적 이온 거동으로 인한 가중치 학습의 신뢰성 저하 문제가 기술적 한계로 지목됐다.

이홍섭 교수 연구팀은 원자층 증착법(ALD) 공정을 활용해 리튬이온 기반 자가정류형 멤리스터 소자를 개발해 스니크 전류를 안정적으로 제한하면서도 정밀 제어가 가능한 멤리스터 어레이를 구현했다. 연구팀은 개발한 소자를 분석해 리튬 이온의 이동과 저항 변화 메커니즘을 규명했다. 전압 인가에 따라 리튬 이온이 전극으로부터 박막 내로 주입·회수되며 저항 스위칭이 나타났다.

또한 멤리스터 소자의 물리적 한계를 극복하기 위해 학습은 외부 서버에서 수행하고, 학습된 값을 엣지 디바이스 내 어레이에 정확히 반영하는 방식을 통해 추론 전용 가속 하드웨어 가능성을 제시했다. 연구팀은 소자의 상태를 실시간으로 확인하며 목푯값에 도달할 때까지 미세하게 조정하는 ‘write-verify scheme’ 방식의 웨이트 업데이트 알고리즘을 적용했다. 가중치 값을 1,024개의 멤리스터 소자에 두 차례 연속적으로 매핑한 결과 99%가 넘는 높은 수율을 기록했다. 이홍섭 교수는 “대규모 크로스바 어레이 기반의 정확한 AI 추론 연산의 가능성을 보여준 결과”라며 의의를 설명했다.

이홍섭 교수 연구팀은 기존 AI 가속 하드웨어 대비 에너지 효율 향상 가능성을 검증할 계획이다. 이홍섭 교수는 “이번 연구는 패시브 멤리스터 어레이의 스니크 전류를 효과적으로 제어하면서도 ‘write-verify scheme’ 방식을 통해 정밀한 웨이트 매핑을 구현했다는 점에서 의미가 있다”며 “향후 고집적·고효율 AI 추론 하드웨어 개발의 중요한 기반 기술이 될 것으로 기대한다”고 말했다.

출처 : 교수신문(https://www.kyosu.net)