기술 개요
“기존 CMOS 공정을 바탕으로 신경망의 연산·기억·신호처리를 소자 내부에서 수행해 저전력 AI 연산 회로를 구현하는 기술입니다.”
산업 별 활용 방안
저전력 엣지 AI 반도체를 개발하는 팹리스 기업
카메라·센서 가까이에서 AI 추론을 처리해야 하는 제품은 제한된 전력과 칩 면적 안에서 신경망 연산 성능을 확보해야 합니다. 본 기술의 이진 신경망 시냅스 어레이와 메모리 내 연산 구조를 적용하면 가중치 저장과 전류 합산 기반 벡터-행렬 연산을 회로 내부에서 수행하는 설계를 검토할 수 있습니다. 기존 시스템을 일괄 교체하기보다 소자 특성 검증, 회로 IP 공동 개발, 시제품 단위의 단계적 결합 방식으로 도입할 수 있습니다.
CMOS 기반 AI 칩을 설계·제조하는 파운드리·반도체 기업
AI용 특화 회로를 제품화하려는 기업은 새로운 소재나 공정을 도입할 때 공정 검증과 양산 연계 부담을 함께 고려해야 합니다. 기존 실리콘 기반 구조를 활용하는 뉴로모픽 소자·회로 IP를 통해 스파이크 뉴런, 이진 시냅스, 진동신경망 회로의 CMOS 공정 적용 가능성을 검토할 수 있습니다. 소자 단위 특성 확인부터 회로 설계와 집적 구조 검증까지 기존 개발 흐름에 맞춰 단계적으로 협력할 수 있습니다.
뉴로모픽 컴퓨팅 시스템을 개발하는 기술 기업·연구기관
스파이킹 신경망이나 관계 기반 연산을 시스템에 적용하는 기업·기관은 뉴런 신호 생성, 시냅스 연산, 네트워크 동기화를 각각 안정적으로 구현해야 하는 과제를 가집니다. 본 기술을 스파이크 발생·축적 발화·위상 기반 연산 회로로 활용해 신경 신호 처리와 이미지 경계 검출, 그래프 기반 조합최적화 기능을 검토할 수 있습니다. 단일 회로 동작 검증에서 시작해 응용 워크로드와 어레이 집적 수준으로 확장하는 방식으로 도입할 수 있습니다.
기술 설명
어떤 기술인가요?
뉴로모픽 반도체는 사람의 신경세포와 연결 구조를 본떠, 데이터를 메모리와 프로세서 사이로 반복 이동시키지 않고 회로 안에서 처리하려는 AI 반도체 기술입니다. 본 기술 포트폴리오는 실리콘 소자의 급격한 피드백 스위칭을 이용해 스파이크 신호 생성, 뉴런 동작, 메모리 내 연산, 진동 기반 연산을 구현하는 회로 기술로, 단일 실리콘 소자에서 주기적·비주기적 스파이크를 발생시키고(특허 5), 입력을 축적한 뒤 임계값에서 발화하는 뉴런 회로를 구성하며(특허 4), 메모리 상태와 전류 합산으로 이진 신경망의 벡터-행렬 연산을 수행하고(특허 2·3), 여러 오실레이터의 위상 차이로 이미지 경계와 그래프 색칠을 처리하는(특허 1) 기법으로 구성됩니다. 별도 신소재나 특수 공정 대신 기존 CMOS 공정 활용을 지향해, 저전력 엣지 AI와 로직 인 메모리 회로의 구현 가능성을 제시합니다.
어떤 문제를 해결하나요?
1. 데이터 이동으로 커지는 AI 연산 부담
기존 AI 반도체는 메모리에 저장된 가중치와 입력 데이터를 연산부로 반복 전송해야 하므로, 벡터-행렬 연산이 많아질수록 데이터 이동에 따른 전력 소모와 대기시간이 커집니다. 실리콘 게이티드 다이오드와 준 비휘발성 메모리 소자를 시냅스 어레이로 구성해, 가중치 기억·이진 곱셈·출력 전류 합산을 동일 어레이에서 수행하도록 설계합니다.
2. 뉴런 회로의 소자 수와 전력 부담
스파이킹 신경망용 뉴런 회로는 입력 축적, 임계값 판단, 스파이크 생성, 리셋을 위해 여러 회로 요소가 필요해 집적도와 전력 측면의 부담이 커질 수 있습니다. 포텐셜 우물의 전하 축적과 양성 피드백 스위칭으로 발화를 만들고, 음성 피드백 또는 리셋 트랜지스터로 초기 상태를 복원해 적은 소자 구성에서 축적·발화 동작을 구현합니다.
3. 복잡한 관계 데이터를 처리하는 회로 구현
이미지의 수평·수직 경계나 연결 관계가 얽힌 그래프 문제는 여러 데이터 간 관계를 동시에 비교해야 하므로, 일반적인 순차 처리 방식에서는 연산 과정이 복잡해질 수 있습니다. 복수 오실레이터를 캐패시터 또는 저항으로 연결하고 출력 위상의 동기화·차이를 연산 상태로 사용해, 입력의 차이와 연결 관계를 경계 판정 및 그래프 색상 분리에 활용합니다.
연구자 및 특허 소개
김상식
고려대학교 전기전자공학부
University of Illinois at Urbana-Champaign 박사후연구원
University of Illinoise 전문연구원
전기전자재료학회 편집위원 · 대한전기학회 편집위원
물리학회·전기전자재료학회 활동
現 고려대학교 전기전자공학부 교수
“저는 기존 실리콘 CMOS 공정으로 구현 가능한 뉴로모픽 AI 회로 기술을 연구하고 있습니다. 피드백 전계효과 트랜지스터와 게이티드 다이오드의 급격한 스위칭 특성을 활용해 스파이크 펄스 발생, 축적·발화 뉴런, 이진화 신경망, 진동신경망으로 확장되는 소자·회로·아키텍처를 구성합니다. 파운드리·팹리스 기업과 저전력 엣지 AI 반도체 기업이 소자 특성을 검증하고 회로 IP를 개발할 수 있도록, 소자 특성 검증과 회로 IP 공동 개발 형태의 협업을 지원하고자 합니다.”
기술과 관련된 특허 5건
FAQ
연구자가 보유한 기술을 기업에 소개하는 기술 제안 자료입니다. 알앤디써클은 기업이 이 자료를 검토한 뒤 기술 도입이나 협업을 판단할 수 있도록, 연구자·연구기관과의 연결을 지원합니다.
이 기술이 귀사가 다루는 사업 영역에 적용될 수 있다고 알앤디써클에서 판단해 제안드렸습니다. 실제로 도움이 될 기술인지는 확인이 필요하니, 궁금한 점을 「기술 문의」로 남겨주세요.
기술 자료를 추가로 받아보거나 연구자와의 미팅을 요청하실 수 있습니다. 도입·협업을 검토하신다면 연구자와 연구기관에 직접 연결해드립니다. 필요한 내용을 「기술 문의」에 남겨주세요.
문의와 검토 과정에는 비용이 발생하지 않습니다. 기술 도입 조건은 이후 연구기관과 협의해 정하게 됩니다.
남겨주신 문의는 연구자와 연구기관에 전달되어 검토를 거칩니다. 검토 결과는 2일 내로 회신드리며, 협업이나 기술 도입 논의가 필요한 경우 미팅으로 연결해드립니다.