제3시선, 최고가 최고를 만나다

‘제3시선, 최고가 최고를 만나다’는 과학·기술 분야 최고의 전문가들이 서로의 분야에서 공통의 주제를 이야기하며 세상을 바라보는 새로운 시선을 넓혀가는 연재 콘텐츠입니다. 과학계의 최고 전문가와 최고의 ICT 기술을 만들어 내는 SK하이닉스 구성원 간의 대담을 통해 어렵게만 느껴졌던 반도체를 더욱 쉽게 만나볼 수 있습니다.

이번 시리즈에서는 국내 최고의 물리학 전문가인 김범준 성균관대학교 물리학과 교수와 SK하이닉스 구성원(김환영 TL, 민태원 TL, 임경선 TL, 조상혁 TL)들이 만나 정보의 기본단위가 0과 1로 처리되는 현재의 반도체를 물리학의 관점에서 이야기할 예정입니다. 이와 함께, 두 개 이상의 양자 상태가 합쳐진 ‘양자 중첩’ 현상을 활용해 0과 1이 동시에 처리되는 양자컴퓨터 등 미래 반도체 기술에 적용되는 물리학에 대한 다양한 이야기까지, 총 4편에 걸쳐 다룰 예정입니다. 김범준 교수와 SK하이닉스 구성원들이 나누는 반도체, 물리학 그리고 양자역학에 대한 마지막 이야기. 지금부터 함께하겠습니다. (편집자 주)

지금까지 김범준 교수와 SK하이닉스 구성원들이 나눈 물리학과 반도체에 관한 이야기를 함께 살펴봤다. 인류는 물리학을 통해 도체와 부도체, 반도체, 초전도체의 물성을 정립할 수 있었으며 양자역학을 통해 원자와 전자 단위의 미시세계의 운동을 파악할 수 있었다. 또한, 물리학을 통해 반도체와 컴퓨터를 만들었고, 이러한 것들은 인류의 역사를 바꾸었다. 인류 문명의 발전 그 모든 과정에서 핵심적인 역할을 해왔던 물리학은 우리의 미래를 만들어가는 데도 여전히 핵심적인 역할을 하게 될 것이다. 김범준 교수와 SK하이닉스 구성원들의 대담 그 마지막 이야기는 이들이 생각하고 있는 물리학과 반도체의 관계 그리고 미래 반도체를 새롭게 만들어갈 물리학 후배들에게 전하고자 하는 메시지를 담았다.

▲ 뉴로모픽 반도체의 원리에 대해 이야기를 나누고 있는 임경선 TL, 김환영 TL, 민태원 TL, 김범준 교수, 조상혁 TL(왼쪽부터)

인공지능을 위한 뉴로모픽 반도체

김범준 교수 과학 기술의 발전은 컴퓨터의 성능을 비약적으로 향상시켰는데요. 앞서 우리가 이야기 나눴던 양자컴퓨터[관련기사]의 등장 역시 과학 기술의 발전이 없었다면 불가능했을 것입니다. 양자컴퓨터는 분명 우리의 미래를 변화시킬 중요한 기술이 되겠지만, 이러한 기대를 받는 것이 양자컴퓨터만은 아니죠?

민태원 TL 챗GPT를 중심으로 다양한 형태의 인공지능(Artificial Intelligence, AI)이 큰 관심을 끌고 있는 최근에는 더 효율적인 인공지능 학습을 위한 반도체들이 개발되고 있습니다. 앞서 양자컴퓨터를 이야기하면서 간단히 언급되긴 했지만, 인공지능을 구현하기 위해서는 병렬 연산을 통한 빠른 연산이 중요해지고 있거든요. 이 때문에 챗GPT와 같은 생성형 AI 모델은 대부분 GPU(Graphic Processor Unit, 그래픽 처리 장치)를 통한 병렬 연산 방식을 채택하고 있습니다. SK하이닉스가 개발하고 생산하는 HBM(High Bandwidth Memory)*은 초고성능 GPU에 탑재돼 연산 속도 향상에 중요한 역할을 하고 있습니다. 이외에도 PIM(Processing in Memory)*과 같이 메모리 반도체에 연산 능력을 더한 제품들도 인공지능에 활용될 것으로 기대하고 있죠.

* HBM(High Bandwidth Memory, 고대역폭메모리): 여러 개의 D램을 수직으로 연결해 기존 D램보다 데이터 처리 속도를 혁신적으로 끌어올린 고부가가치, 고성능 제품. HBM은 1세대(HBM)-2세대(HBM2)-3세대(HBM2E)-4세대(HBM3)-5세대(HBM3E) 순으로 개발됨. HBM3E는 HBM3의 확장(Extended) 버전
* PIM(Processing in Memory, 지능형 반도체): 메모리 반도체에 연산 기능을 더해 인공지능(AI)과 빅데이터 처리 분야에서 데이터 이동 정체 문제를 풀 수 있는 차세대 기술

임경선 TL 현재의 인공지능 수준을 구현하기 위한 새로운 방법으로 등장한 것이 바로 인공신경망[관련기사]인데요. 챗GPT를 개발한 오픈AI(Open AI)를 비롯해 구글 등 글로벌 빅테크 기업들은 저마다 HBM이 탑재된 고성능 GPU나 인공지능을 위한 자체 연산장치를 개발, 적용하고 있습니다. 현재 구글의 경우를 보면, 인공지능 연산장치인 TPU*(Tensor Processing Units) 등을 활용해 인공지능을 구현하고 있습니다.

* TPU(Tensor Processing Units): 구글의 AI(머신러닝) 엔진인 텐서 플로우에 최적화된 인공지능 반도체로 구글이 자체 개발했다.

▲ 각종 반도체의 종류별 포함 관계

김범준 교수 맞습니다. 마침 제가 신경과학*도 연구하고 있어 인공신경망을 활용하는 인공지능에도 관심이 많은데요. 최근 인공지능이 비약적으로 발전하게 된 이유는 사람의 신경망을 모방한 인공신경망을 활용했기 때문입니다. 우리의 뇌에는 약 천억 개 정도의 신경세포가 다른 신경세포와 연결돼 신호를 주고받는데요. 이러한 구조를 우리는 흔히 ‘시냅스(Synapse)’라고 부릅니다.

뇌가 신경망을 통해 각 신경세포에 전기를 통하게 하거나(디지털 회로값 ‘1’) 통하게 하지 않는(디지털 회로값 ‘0’) 방식을 통해 정보를 전달하는 것인데, 약 천억 개의 신경세포를 통해 연산을 수행하죠. 방대한 양의 신경세포가 동시에 서로 전기 신호를 주고받으며 정보를 처리하는 것이 핵심인데요. 인공신경망도 이와 유사한 방법으로 GPU나 TPU와 같이 병렬 연산에 유리한 연산장치를 통해 동시에 정보를 처리하게 됩니다.

* 신경과학(神經科學, Neuroscience): 뇌를 포함한 모든 신경계에 대해 연구하는 학문으로 생물학의 일부로 분류되고 있지만 현재 인공지능 분야에서 물리학을 기반으로 관련 다양한 주제가 연구되고 있다.

김환영 TL 물론 GPU나 TPU와 같은 연산장치가 병렬 연산에 유리하기 때문에 인공신경망 구현에 적합한 장치입니다. 하지만 폰노이만 구조로서의 한계가 있는데요. 폰노이만 구조에서는 메모리 간의 정보 이동 과정 중 오버헤드* 문제가 발생하며 연산 속도가 느려지기도 합니다. 최근 이 문제를 해결하기 위한 방안으로 개발되고 있는 것이 뉴로모픽(Neuromorphic) 반도체입니다. 아직은 기술적으로 완벽하진 않지만 과학 기술의 발전으로 가까운 미래에 뉴로모픽 반도체가 상용화될 것이라는 전망이 나오고 있습니다.

최근 뉴로모픽 반도체와 관련해 다양한 물리적 현상에 기반하여 개발되고 있는데요. 대표적으로 가중치를 저장했다가 읽어오는 방식을 구현하는 실리콘 기반 CMOS(Complementary Metal-Oxide Semiconductor) 트랜지스터 뉴로모픽 반도체와 메모리와 가변 레지스터 두 가지 기능을 동시에 가지고 있는 멤리스터(Memristor)* 소자를 활용하는 방식 등이 있습니다. 이중 멤리스터 방식은 세분화된 가중치를 위해 점진적인 스위칭 저항 특성을 가지는 것이 특징입니다. 이렇게 각각의 소자는 기능적인 차이가 존재하고 요구 특성이 다릅니다. 이에 업계의 연구원들은 필요한 특성을 잘 활용할 수 있는 다양한 소자들을 연구하고 있습니다. 결국 저는 연구되고 있는 다양한 소자들이 서로 다른 물리적 현상을 기반으로 성능에 차이가 있기 때문에 물리적 현상을 이해하고 접근하는 것이 중요하다고 생각합니다.

* 오버헤드(Overhead): 특정한 목표를 달성하기 위해 간접적 혹은 추가로 요구되는 시간, 메모리, 대역폭 혹은 다른 컴퓨터 자원을 말한다.
* 멤리스터(Memristor): 메모리(Memory)와 레지스터(Resistor)의 합성어로 전하량에 따라 변화하는 유도 자속에 관련된 기억 저항(Memristance) 소자

미래를 바꿀 물리학과 반도체

김범준 교수 이번 대담을 통해 SK하이닉스 구성원분들과 이야기해 보니 물리학이라는 것은 인류의 발전에서도 아주 중요한 역할을 했고, 앞으로도 계속 아주 중요한 역할을 할 것이라는 확신이 드네요. 끝으로 물리학과 반도체에 관해 다양한 주제로 이야기 나눈 것에 대한 소감 한마디씩 나눠보도록 할까요?

김환영 TL 반도체를 이해하기 위해서는 물리학은 필수적이라 생각합니다. 그 이유는 반도체는 공정, 소자, 설계 이 모든 것들이 물리로 얽혀 있는 정말 많은 물리적 현상의 종합 작품이기 때문입니다. 반도체를 발전시킨다는 것은 현재의 물리적 상태의 위치에서 새로운 물리적 상태의 위치로 옮기는 것이고, 우리가 원하는 방향으로 원하는 시간 내에 대상을 정확하게 제어하기 위해서는 물리학이라는 언어로 반도체를 제대로 이해하는 것이 필요합니다. 마찬가지로 양자컴퓨터, 뉴로모픽 반도체 또한 모두 동일합니다. 다만 정보의 물리적 형태와 이를 구현하기 위한 물리적 상태의 위치가 다른 곳에 있는 것 뿐 입니다. 따라서 반도체 기술뿐 아니라 미래를 바꿀 반도체 기술을 알기 위해서도 결국엔 물리를 이해해야 한다고 생각합니다.

이번 대담은 저에겐 새로운 관점의 물리학에 대해 생각해 볼 수 있었던 시간이었습니다. 특히, 물리학이라는 학문을 배운 우리 구성원들이 저마다 다른 부서에서 서로 다른 업무를 하고 있다는 것과 다른 구성원들이 생각하는 물리학과 반도체에 관한 의견을 들어볼 수 있어서 정말 뜻깊은 시간이었다고 생각합니다.

민태원 TL 반도체를 비롯해 미래를 만들어 나갈 핵심 기술에 물리학이 얼마나 중요한지 다시 한번 느낄 수 있었습니다. 특히 메모리 반도체는 컴퓨터의 성능 향상을 위해 더 작은 크기와 더 많은 트랜지스터를 집적하는 것이 중요한데, 이러한 부분은 언젠간 한계에 부딪히게 될 것이거든요. 결국엔 완전히 새로운 개념의 반도체가 필요하게 될 것이고, 새로운 반도체를 만들기 위해선 물리학에 대한 충분한 이해가 반드시 필요하다는 것을 느꼈습니다.

SK하이닉스의 HBM은 이러한 새로운 콘셉트의 대표적인 모델이라고 생각하는데요. HBM뿐 아니라 321단 낸드플래시 등 우리가 개발하고 생산하는 모든 제품들이 세계 최고의 기술력을 확보하는 데도 결국에는 물리학적 이해와 활용이 아주 큰 역할을 했다고 생각합니다. 앞으로도 SK하이닉스는 물리학적 이해와 활용을 통해 반도체 산업을 이끌어가는 리더가 될 것이라고 생각합니다.

조상혁 TL 이번 대담 덕분에 양자컴퓨터와 뉴로모픽 반도체 등 미래 컴퓨팅 기술에 관해 정말 많은 것들을 알 수 있었습니다. 제가 실제로 업무 과정에서 다루는 물리학 이론과는 또 크게 다른 내용들이다 보니 더 넓은 관점에서 물리학을 이해할 수 있어서 정말 좋았습니다.

그리고 물리학을 배울지 말지 고민하거나 반도체 업계에 종사하고 싶은 학생들에게 꼭 한마디 전하고 싶은 게 있는데요. 반도체를 비롯해 미래 기술을 개발하기 위해 물리학의 학문적인 내용이 반드시 필요한 것도 맞지만, 물리학은 이보다 더 큰 도움이 될 것이라고 말씀드리고 싶어요. 제 경험상 물리학을 배우면서 다양한 실험을 했던 것이 실제로 반도체 업계 현장에서 정말 많은 도움이 됐거든요. 특히 물리학적 관점에서의 실험과 새로운 반도체를 개발하기 위해 테스트하는 과정들은 매우 닮았습니다. 새로운 반도체를 개발해 세상을 바꾸고 싶다면, 물리학을 배워 다양한 실험을 해보는 것도 아주 좋을 것 같습니다.

임경선 TL 사실 물리학은 굳이 반도체 산업이 아니더라도 아주 중요한 학문이라고 생각하는데요. 특히 물리학을 좋아하는 사람들은 평소 가지고 있는 수많은 호기심들을 해결하기 위해 어떻게 문제를 정의하고 해결해 나갈지 결정하는 능력이 탁월하다고 생각합니다. 또한 물리학을 배우다 보면 무한한 자연의 이치에 겸손해지는 마음을 갖게 되는데요. 이러한 것들은 다양한 분야에서 굉장한 도움이 될 수 있을 것 같다고 생각하고 있습니다.

이번 대담을 통해 양자컴퓨터나 뉴로모픽 반도체와 관련해 SK하이닉스에서 많은 관심을 두고 연구와 개발을 이어가고 있다는 것을 느꼈는데요. 미래를 바꿀 다양한 반도체를 개발하고, 미래 기술에 우리의 반도체를 어떻게 활용할 수 있을지 고민하는 것이 얼마나 중요한지를 다시 한번 생각해 볼 수 있는 계기가 됐습니다. 또한, 학교와 기업이 긴밀히 소통하면서 더 발전된 형태의 연구와 개발이 좀 더 확대되었으면 좋겠다는 생각도 했습니다.

김범준 교수 물리학을 배우면 자연의 이치에 겸손해진다는 말은 정말 크게 공감이 되네요. 물리학을 배우는 사람들의 특징 중 하나가 본인이 어느 정도 열심히 공부했다고 하더라도 아직 모르는 게 많다고 느낀다는 점인데요. 무한한 물리학의 세계를 접한 사람들은 끊임없이 배워도 부족하다는 겸허한 마음을 갖게 되는 것이죠. 이번에 저희가 나눈 대담에서도 마찬가지였습니다. 양자컴퓨터를 비롯해 반도체와 관련된 다양한 물리학 내용들을 정말 잘 설명해 주셔서 저도 많은 것들을 배워가는 시간이었습니다.

SK하이닉스 구성원들을 보면서 물리학을 배우고 싶어 하는 학생들이 더 늘어났으면 좋겠다는 생각이 드네요. 특히 물리학을 전공한 선배들이 미래를 바꿀 기술을 개발하고 있다는 것을 더 많은 물리학과 학생이 알게 되고, 본인이 직접 미래를 바꿀 새로운 기술들을 개발할 수 있기를 진심으로 바랍니다. 이번 대담 정말 즐거웠고 많은 의견 주셔서 감사했습니다.

지금까지 김범준 성균관대학교 물리학과 교수와 SK하이닉스 김환영 TL, 민태원 TL, 임경선 TL, 조상혁 TL의 대담을 살펴봤다. 이번 대담을 통해 우리는 인류의 운명을 바꾼 컴퓨팅 기술이 물리학에서부터 시작되었고, 미래를 바꿀 기술 역시 물리학을 통해 개발될 것이라는 사실을 확인했다. 앞으로도 물리학의 연구가 반도체를 어떻게 발전시키고, 이러한 변화의 중심에 서있는 SK하이닉스는 또 어떤 새로운 반도체로 세상을 바꿔나갈지 함께 기대해 보자.

제3시선, 최고가 최고를 만나다

‘제3시선, 최고가 최고를 만나다’는 과학·기술 분야 최고의 전문가들이 서로의 분야에서 공통의 주제를 이야기하며 세상을 바라보는 새로운 시선을 넓혀가는 연재 콘텐츠입니다. 과학계의 최고 전문가와 최고의 ICT 기술을 만들어 내는 SK하이닉스 구성원 간의 대담을 통해 어렵게만 느껴졌던 반도체를 더욱 쉽게 만나볼 수 있습니다.

이번 시리즈는 국내 최고의 물리학 전문가인 김범준 성균관대학교 물리학과 교수와 SK하이닉스 구성원(김환영 TL, 민태원 TL, 임경선 TL, 조상혁 TL)들이 만나 물리학을 통해 바라보는 정보의 기본단위가 0과 1로 처리되는 현재의 반도체와 두 개 이상의 양자 상태가 합쳐진 ‘양자 중첩’ 현상을 활용해 0과 1이 동시에 처리되는 양자컴퓨터 등 미래 반도체 기술에 적용되는 물리학에 대한 다양한 이야기를 총 4편에 걸쳐 다룰 예정입니다. 김범준 교수와 SK하이닉스 구성원들이 나누는 반도체, 물리학 그리고 양자역학에 대한 이야기. 지금부터 함께하겠습니다. (편집자 주)

반도체에 적용되는 물리학, 그리고 더 작은 미시세계를 탐구하는 양자역학에 관해 지난 편을 통해 살펴봤다[관련기사]. 인류는 양자역학을 통해 원자 단위의 미시세계에 대한 이해를 넓혀가며 세상의 모든 만물을 구성하는 원자와 그 주변에 전자가 존재함을 알 수 있게 되었다. 많은 과학자는 전자의 성질을 알게 된 이후 전자의 이동을 제어할 수 있는 장치인 트랜지스터를 만들어 냈고 이는 오늘날 우리가 사용하고 있는 반도체, 그리고 그것을 사용하는 컴퓨터가 됐다. 결국 수많은 과학자의 노력으로 밝혀진 양자역학이 인류의 역사를 바꾼 전자제품의 등장으로 이어진 것이다.

하지만, 여전히 양자역학적이지 않다는 지적도 있다. 세계적인 물리학자이자 양자역학의 대가로 불리는 리처드 파인만(Richard Feynman)은 “자연 상태는 온전히 양자역학적으로 작동하고 있지만, 우리가 사용하는 컴퓨터는 양자역학적이지 않다”고 주장했다. 파인만이 말하는 ‘컴퓨터는 양자역학적이지 않다’는 것은 무슨 의미이고, 양자역학적인 컴퓨터는 무엇일까? 이번 편에서는 양자역학을 적극적으로 활용한 양자컴퓨터를 비롯해 다가올 미래를 바꿀 새로운 기술에 관해 살펴볼 것이다. 김범준 교수와 SK하이닉스 구성원들이 나눈 양자역학과 반도체에 관한 세 번째 이야기, 함께 들어보자.

▲ 양자컴퓨터와 반도체에 관해 대담을 나누고 있는 김환영 TL, 임경선 TL, 김범준 교수, 조상혁 TL, 민태원 TL(왼쪽부터)

압도적인 연산 속도, ‘양자컴퓨터와 큐비트’

김범준 교수 최근 ‘양자(Quantum)’라는 이름의 새로운 기술들이 꾸준히 이목을 끌고 있는데요. 대표적으로는 양자컴퓨터를 꼽을 수 있을 것 같아요. 오늘 저희가 대담을 진행하기 전에도 양자정보연구지원센터*에서 실제 양자컴퓨터의 모습을 보고 왔잖아요? 물론, 작동하지 않은 상태여서 아쉽긴 했지만, 함께 둘러본 양자컴퓨터에 대한 이야기에 더해 양자역학이 적용된 다양한 기술에 관해 이야기 나눠보면 좋을 것 같습니다.

* 양자정보연구지원센터: 과학기술정보통신부가 추진 중인 ‘양자정보과학 연구개발생태계 조성사업’ 아래 국내 양자정보과학 분야의 연구활동 지원을 위해 설립된 센터. 이는 성균관대학교(경기도 수원특례시 소재)에 있다.

▲양자역학이 적용된 양자컴퓨터에 관해 이야기를 나누고 있는 김범준 교수와 조상혁

조상혁 TL 최근 양자컴퓨터에 대한 관심이 더욱 커지고 있는 이유를 살펴보면 반도체 회로의 집적도가 한계에 가까워졌다는 지적도 중요한 것 같아요. 컴퓨터의 성능 향상을 위해서 반도체를 더 작게 만들고 더 많은 트랜지스터를 집적해야 하는데 회로 패턴의 폭을 지금보다 더 축소하는 것이 어려워지면서 더 많은 트랜지스터를 집적하기 힘든 상황입니다. 이에 따라, 폰노이만 구조[관련기사]를 따르는 기존 컴퓨터(이하 기존 컴퓨터)의 성능 향상이 제한적일 것이라는 견해에서 촉발된 이런 주장들은 결국 양자컴퓨터에 대한 기대심으로 번진 것이죠.

임경선 TL 데이터상으로도 반도체 회로 설계 기술의 발전 속도는 현재 점점 둔화하고 있습니다. 하지만, 최근 큰 관심을 받는 챗GPT(ChatGPT) 등 생성형 인공지능(AI, Artificial Intelligence)은 학습과 추론에 방대한 데이터 연산이 필요합니다. 추후 더 고도화된 인공지능이 등장하게 된다면, 지금보다 더 많은 학습 데이터가 필요할 것이고, 더 빠른 연산 능력이 요구될 것입니다. 뿐만 아니라, 여러 연산 기술이 고도화됨에 따라 데이터와 트래픽 등 전력 소모에 대한 부담도 증가하고 있는데요. 이 때문에 기술 개발의 한계와 실제 요구되고 있는 컴퓨터 성능 간의 간극이 벌어지고 있습니다. 이러한 간극을 줄이고, 현재 사용하고 있는 기존 컴퓨터로 연산하기 어려운 문제를 풀기 위한 방안으로 양자컴퓨터가 주목받는 것입니다.

김환영 TL 먼저, 양자컴퓨터가 주목받는 이유를 알기 위해선 양자 정보의 기본 단위인 큐비트(qubit, Quantum bit)를 알아야 하는데요. 기존 컴퓨터는 데이터의 최소 단위인 비트를 사용하고 양자컴퓨터는 양자 상태의 비트인 큐비트를 사용합니다. 큐비트를 이해하기 위해선 양자 중첩과 얽힘에 대해 알아야 합니다.

▲ 양자 중첩과 양자 얽힘을 중심으로 양자컴퓨터의 구조를 설명하고 있는 임경선 TL, 김환영 TL과 설명을 듣고 있는 김범준 교수

양자 중첩은 양자 상태를 관측하기 전에 여러 상태가 확률적으로 동시에 존재한다는 것을 의미하는데요. 예를 들어, 상자 안에 동전이 있다고 가정해 볼까요? 우리가 실제로 관측할 수 있는 거시세계에서 동전은 앞면이든 뒷면이든 특정 상태가 먼저 결정돼 있고 우리는 이를 관측하기만 할 수 있습니다. 하지만 미시세계에서 전자는 관측되지 않는 한, 앞면과 뒷면의 상태를 동시에 가지고 있습니다. 앞서 양자역학에 대한 대담 할 때 이야기했던 물질파 이론*[관련기사]처럼 전자는 관측에 의해 그 특정 상태가 결정되는 것이고, 관측되지 않는다면 두 개의 성질을 중첩해서 가지고 있는 것이죠.

그리고 또 중요한 특성이 ‘양자 얽힘’입니다. 양자 얽힘 현상은 양자 상태에 있는 큐비트가 서로 떨어져 있어도 서로 영향을 미치는 현상을 의미하는데요. 양자 얽힘 현상의 핵심은 두 개의 큐비트가 멀리 떨어져 있어도 상호 작용하는 상관관계를 가진다는 것입니다. 즉, 국소성 원리(Principle of Locality)*를 따르지 않는 것입니다. 예를 들어, 두 사람이 각각 멀리 떨어진 중국 음식점에서 짜장면과 짬뽕 중 하나를 선택해서 먹어야 하고 반드시 서로 다른 음식을 먹어야 한다고 가정했을 때, 한 사람이 짜장면으로 결정하면 다른 한 사람은 자동으로 짬뽕으로 결정되는 것으로 비유할 수 있을 것 같습니다. 다른 하나의 상태가 결정됨에 따라 멀리 떨어져 있는 다른 것의 결정에도 영향을 미친다는 것이죠.

이처럼, 양자컴퓨터는 큐비트를 통해 양자 중첩과 얽힘 특징을 활용하는데요. 기존 컴퓨터가 1과 0의 각각의 상태를 가지고 있는 비트를 순차적으로 계산하면서 연산하는 반면, 양자컴퓨터는 1과 0의 상태를 동시에 가지고 있는(양자 중첩 현상) 여러 큐비트를 한 번에(양자 얽힘 현상) 계산함으로써 빠른 연산이 가능한 것입니다.

* 물질파(Matter Wave) 이론: 양자역학에서 핵심적인 역할을 하는 이론. 광전효과를 통해 파동인 줄 알았던 빛이 입자성을 동시에 보유하고 있다는 점에서 착안해 입자로 인식됐던 전자에 파동성을 함께 보유할 수 있을 것이라는 가설을 세운다.
* 국소성 원리(Principle of Locality): 충분히 멀리 떨어진 두 물체는 곧바로 상호작용하지 않는다는 원리

▲ 일반컴퓨터의 비트와 양자컴퓨터의 큐비트 개념

임경선 TL 예를 들어 계산 속도 차이를 설명해 보자면, 기존 컴퓨터가 계산하는 방식은 비트 하나를 계산할 때마다 벽돌을 넣고 빼는 형태라고 설명할 수 있어요. 이 벽돌(비트)의 상태가 1인지 0인지를 파악하고 다시 넣어 모든 벽돌 하나하나 확인하는 작업을 진행해야 하는 것이죠.

양자컴퓨터의 큐비트들이 중첩과 얽힘 상태에 있을 때, 나타낼 수 있는 모든 정보를 그림과 같이 구(球) 위에 점으로 상상해 보겠습니다. 이 점들은 너무 작아서 구 위에는 무한대에 가까운 점들이 존재할 수 있습니다. 양자컴퓨터가 큐비트를 연산하는 방식은 구 위에 있는 어떤 점으로부터 다른 점으로 이동시키는 것이라고 설명할 수 있습니다. 양자 상태에 있는 큐비트를 한 번에 연산하면, 구 위의 한 점에서 다른 위치로 이동하게 될 것입니다. 이렇게 한 번의 연산으로도 모든 큐비트의 상태가 변화하면서 새로운 결과물이 나오게 됩니다. 다만, 구의 어떤 위치에서 다른 위치로 이동하기 위해 필요한 연산 횟수가 기존 컴퓨터가 계산을 수행했을 때 필요로 하는 연산보다 적어야만 양자컴퓨터의 계산 속도가 빠르다고 할 수 있겠죠.

민태원 TL 여기서 생각을 해 볼 부분이 있는데요. 비트와 큐비트가 각각 2개씩 있다고 가정했을 때 비트를 사용하는 기존 컴퓨터의 경우, 비트당 두 번씩 총 네 번을 순차적으로 계산해야 결과를 얻을 수 있지만 큐비트를 활용하는 양자컴퓨터는 네 개의 값을 동시에 계산해 결과를 얻을 수 있으니 단 한 번만 연산으로 계산된 결과를 얻을 수 있다고 오해할 수 있을 것 같습니다. 물론 어떤 계산은 단 한 번만 연산해 원하는 결과를 얻을 수도 있지만, 문제 종류에 따라서는 여러 번 연산해야 할 수도 있거든요. 하지만 이렇게 동시에 큐비트의 정보를 제어할 수 있는 특징 덕분에 문제의 크기와 어려움이 일정 수준 크기가 커지게 되었을 땐 양자컴퓨터의 진가가 드러나게 됩니다. 즉, 큐비트의 수가 늘어날수록 기존 컴퓨터와 양자컴퓨터의 속도 차이는 더욱 벌어지게 되는 것입니다.

▲기존 컴퓨터와 양자컴퓨터의 차이점

김범준 교수 맞습니다. 지난 2019년 구글이 공개한 초전도 양자컴퓨터인 ‘시카모어(Sycamore)’의 경우, 53개의 큐비트를 동시에 계산할 수 있는 성능의 프로세서로 알려져 있는데요. 구글은 이 시카모어 모델이 세계에서 가장 빠른 슈퍼컴퓨터가 1만 년에 걸쳐 계산할 문제를 단 200초 만에 해결했다고 밝히기도 했죠. 물론, 아직 더 많은 검증이 필요하긴 하겠지만 폰노이만 구조를 따르는 기존 컴퓨터와 비교해 보면 엄청난 연산 속도 향상을 기대할 수 있을 것 같습니다.

조상혁 TL 오늘 저희가 함께 양자컴퓨터를 살펴보고 오기도 했잖아요. 사실 우리가 흔히 볼 수 있는 일반적인 컴퓨터나 슈퍼컴퓨터와 비교해도 그 생김새가 매우 달랐거든요. 양자컴퓨터는 어떤 요소들로 구성된 것인가요?

▲양자정보연구지원센터에 전시된 양자컴퓨터를 보며 양자컴퓨터에 관해 이야기하는 김환영 TL(가운데)과 듣고 있는 김범준 교수, 조상혁 TL

김환영 TL 우선 우리가 현재 사용하고 있는 기존 컴퓨터의 구조를 통해 양자컴퓨터의 위치를 먼저 설명해야 할 것 같은데요. 기존 컴퓨터는 CPU(중앙처리장치) – 메모리(Memory) – 스토리지(Storage)로 연결되는 폰노이만 구조로 되어 있습니다. 저장된 데이터는 스토리지에서 메모리를 통해 CPU로 전달되고, CPU에서 처리된 데이터가 다시 스토리지에 저장되는 형태인 것이죠. 폰노이만 구조에서의 양자컴퓨터 역할은 CPU 근처에서 GPU와 같은 가속기 역할을 한다고 볼 수 있을 것 같습니다. 다만 특정 연산에 있어서는 성능이 GPU와는 비교도 안 되게 매우 잘할 수 있는 가능성이 있는 가속기인 것입니다. 양자컴퓨터의 구조를 살펴보면 현재 컴퓨터 구조에서 CPU(중앙처리장치)나 GPU(그래픽처리장치)와 같은 ALU(Arithmetic and Logical Unit)* 역할을 하는 QPU(Quantum Processor Unit, 양자처리장치)와 이를 제어하기 위한 제어 장치(Control Unit)로 구성돼 있습니다. 현재 제어 장치는 FPGA(Field-Programmable Gate Array)*로 그 안에 SRAM(Static RAM)*이라는 작은 메모리가 있는데 양자 소자의 동작 프로그램을 위한 데이터와 에러 정정을 위한 데이터를 처리해 주고 있습니다. 하지만 큐비트 수가 증가함에 따라 에러 정정을 위한 데이터 요구량이 증가하면서 FPGA 내 메모리 용량도 증가하고 있습니다. 미래에는 이러한 일을 극저온 시스템에 극저온 컴퓨터가 들어와 양자 소자 동작을 돕는 역할을 하게 될 것으로 예상하고 있습니다.

* ALU(Arithmetic and Logical Unit): 산술 연산, 논리 연산 및 시프트(shift)를 수행하는 중앙처리장치 내부의 회로 장치로, 독립적으로 데이터 처리를 수행하지 못하며 반드시 레지스터들과 조합하여 처리한다.
* FPGA(Field-Programmable Gate Array): 프로그래밍을 통해 내부 회로를 수정할 수 있는 칩
* SRAM(Static RAM): 주기적으로 내용을 갱신해 주어야 하는 D램(DRAM)과는 달리 기억 장치에 전원이 공급되는 한 그 내용이 계속 보존되는 반도체 메모리의 한 종류이다.

민태원 TL 조금 더 덧붙이자면, 양자컴퓨터 중 초전도 큐비트는 극저온 상태의 전자쌍이 얇은 절연막을 통과하여 생기는 파동을 이용합니다. 기저 상태*에서 첫 번째 들뜬 상태로 자연적으로 들뜨지 않게 하기 위해 큐비트는 10mK(Kelvin*) 이하의 온도에서 동작해야 하는 것이죠. 만약 소자의 온도가 상승하면 의도치 않은 에너지 상태로 전이가 발생하면서 에러가 발생할 수 있죠. 의도치 않은 에너지 상태의 변화를 억제하고, 큐비트와 외부 환경과의 상호작용을 최소화하기 위해 극저온 시스템은 아주 중요한 것입니다.

* 기저 상태(Ground State): 원자나 분자 등에 있어 양자 역학계의 정상상태 중 가장 에너지가 낮은 상태를 뜻한다. 이에 대해서 이보다 높은 에너지를 갖고 있는 경우를 ‘들뜬 상태’에 있다고 한다.
* Kelvin(켈빈,K): 절대온도 단위로 섭씨 영하 273.15도를 0K로 나타낸다.

▲ 실제 초전도 양자컴퓨터의 내부 모습

미래를 바꿀 양자컴퓨터

김범준 교수 양자컴퓨터를 어떻게 활용할 수 있을지 고민해 보는 것도 좋을 것 같은데요. 일반적으로는 방대한 양의 데이터를 학습해야 하는 인공지능 분야나 수없이 많은 변수를 계산해야 하는 시뮬레이션(기상예보 등) 분야 등에서 높은 효율을 보일 것으로 전망되고 있습니다. 그렇다면 메모리 반도체는 양자컴퓨터의 발전에 어떻게 역할을 할 수 있을까요?

김환영 TL 양자 알고리즘 측면에서는 범용 양자컴퓨터가 등장하더라도 기존 컴퓨터가 담당하는 모든 연산 영역을 대체할 수는 없다는 것이 학계의 일반적인 견해이기도 한데요. 하지만 저는 양자컴퓨터가 등장하게 된 그 목적과 배경을 다시 한번 생각해 보는 것이 중요하다고 생각합니다. 아까 말씀드린 바와 같이 양자컴퓨터는 현재 기술의 한계와 인간의 데이터 사용 증가 사이의 차이를 채우기 위해 끊임없이 연구가 될 것이기 때문입니다.

▲양자컴퓨터의 발전과 메모리 반도체의 활용 가능성에 관해 설명하는 김환영 TL과 설명을 듣고 있는 임경선 TL, 김범준 교수

임경선 TL 맞습니다. 메모리 반도체는 이 관점에서 세상이 변화해 나가는 지점을 생각해 봐야 합니다. 예를 들어, 현재 IBM이 클라우드 시스템을 이용해 양자 알고리즘에 대한 공개 연구(Open Research)를 진행하고 있는데 그중 하나가 양자 머신러닝 그리고 양자 인공지능입니다. 양자컴퓨터는 고차원에서의 문제를 해결하는 데 최적화돼 있어 미래에는 충분히 이러한 기술들이 현재 기술들의 취약한 부분을 대체할 수 있을지도 모릅니다.

김환영 TL 실제로, 인공지능 모델 중 자연어 처리 모델의 크기는 지난 2년간 천 배 이상 증가했고, 특히 GPT-3 학습에는 GPU 1만 개가 약 23일이 걸려 학습했습니다. 그 이상의 크기를 가진 모델을 학습시키기 위해서 GPU 천만 개를 사용할 수는 없으니까요. 만약 양자 머신러닝이 이러한 학습을 대체할 수 있다면 CPU(GPU)-Memory 간 데이터 이동의 병목은 사라질 수 있다고 생각합니다. 이에 우리가 현재 예측하는 컴퓨터 시스템과 다른 엄청난 변화가 올 수 있다고 생각합니다.

그리고 양자컴퓨터를 통해 얻은 방대한 데이터를 우리가 사용하는 기존 컴퓨터의 환경에 맞게 변화하는 과정이 필요합니다. 이러한 역할은 클라우드를 중심으로 진행될 것이고요. 이 과정에서 낸드 플래시나 D램과 같은 메모리 반도체가 적극적으로 사용될 것으로 업계는 전망하고 있습니다. 물론 많은 연구와 개발이 다양한 분야에서 필요하겠지만, SK하이닉스 역시 이러한 새로운 기술에 대해 선제적인 연구를 끊임없이 이어가고 있다는 것입니다.

▲최근 병렬 연산에 대한 다양한 시도에 관해 이야기하고 있는 민태원 TL과 듣고 있는 조상혁 TL, 김범준 교수

민태원 TL 물론, 미래를 위한 선제적인 연구도 중요하지만, 현실적으로는 아직 양자컴퓨터가 상용되기엔 어려움이 많은 것 같습니다. 큐비트의 양자 상태를 유지하는 것이 현실적으로 쉽지 않으니까요. 그럼에도, 양자 기술은 우리에게도 시사하는 바가 크다고 생각합니다. 폰노이만 구조 컴퓨팅 기술이 여전히 중요한 상황에서도 우리는 양자 기술에 많은 영향을 받고 있으니까요.

그 중 대표적인 것은 양자컴퓨터의 극대화된 병렬 연산의 이점을 활용하기 위해 꾸준히 노력해 왔다는 점입니다. 최근 챗GPT와 같은 인공지능을 구현하기 위해 사용된 최신 GPU의 경우 폰노이만 구조의 기존 컴퓨팅 시스템에서도 병렬 연산의 효율성을 극대화한 중요한 예시가 될 수 있을 것 같아요. 우리가 개발하고 있는 HBM(High Bandwidth Memory) 역시 방대한 데이터의 병렬 연산을 돕는 중요한 역할을 하고 있고, 메모리에 연산 기능을 추가해 병렬 연산의 효과를 더욱 극대화한 PIM(Processing-In Memory) 역시 이러한 고민과 노력의 산물이라고 할 수 있겠죠.

물론 폰노이만 구조를 따르는 병렬 연산은 양자컴퓨터의 연상 방법과 큰 차이가 있습니다만, 우리가 양자컴퓨터의 병렬 연산 방식의 효율성을 확인한 만큼, 앞으로도 병렬 연산 능력을 높이기 위한 다양한 반도체 제품들이 개발될 것으로 생각합니다.

김범준 교수 지금까지 큐비트를 비롯해 양자 현상을 이용한 다양한 기술에 대해 이야기를 나눠 봤는데요. 앞서 이야기 나눴던 반도체의 작동 구조를 비롯해 우리가 사용하고 있는 모든 전자제품, 그리고 차세대 컴퓨팅 기술로 주목받는 양자컴퓨터까지 이 모든 것들이 물리학에서부터 시작됐다고 생각하니 물리학이라는 학문이 얼마나 중요한 것인지 다시금 느끼는 계기가 됐네요. 폰노이만 구조의 컴퓨팅 시스템에서 병렬 연산을 시도하고, 이를 극대화하는 노력 역시 아주 인상적이었습니다. 마지막으로 SK하이닉스 구성원들이 생각하는 물리학과 반도체에 관한 이야기를 들어보면 좋을 것 같네요.

다음 편에서는 대담에 참여한 김범준 교수와 SK하이닉스 구성원들의 지금까지 나눈 이야기를 정리하는 시간을 가질 예정이다. 오늘의 반도체가 만들어지기까지 물리학이 끼친 영향은 무엇이 있는지, 반도체 산업에 종사하고 있는 SK하이닉스 구성원들이 말하는 물리학은 무엇인지 등을 함께 들어보자. 김범준 교수와 SK하이닉스 구성원들의 이야기는 계속된다.

반도체는 부품이다. 부품은 그 자체로 쓰이지 못하고 어떤 제품(시스템 혹은 세트) 내에서 사용된다. 시스템이 추구하는 바가 그 부품인 반도체의 탄생과 발전을 가져왔고, 앞으로 나올 새로운 시스템은 반도체의 변화를 요구하고 있다. 본 연재에서는 반도체를 시스템과 연결해 설명하며 과거와 미래, 앞으로의 발전 방향에 관해 7편에 걸쳐 이야기하고자 한다. (필자 주)

반도체 산업은 어떤 이유로 모든 산업 중 가장 중요한 산업이 되었을까? 그것은 반도체가 인류 사회에서 기여하고 있는 역할 때문이다. 반도체는 단순히 하나의 전자 부품이 아니다. 인류가 누리고 있는 발전 속도를 책임지고 있다. 복잡한 도시의 교통 제어, 신속하고 정확한 일기예보, 실감 나는 영화 및 게임 그래픽, 자율주행 자동차의 사물 인식 등 인류의 발전은 정보 처리 속도에 비례한다. 그런데 이러한 속도 증가는 많은 부분 반도체 소자의 성능 향상에 의존하고 있다. PC, 인터넷, 스마트폰, AR(Augmented Reality, 증강 현실), VR(Virtual Reality, 가상 현실) 등 지난 50년간 우리가 갖게 된 전자기기의 모든 신문물은 반도체 소자의 성능 발전으로 속도는 빨라지고 전기를 적게 쓰게 되었기 때문에 가능했다.

존 폰노이만(John Von Neumann)이 제안했던 컴퓨터의 기본 구조는 반도체 산업에 명확한 목표를 제시했다. CPU 기업은 제어와 연산을 빠르게 할 CPU를 만들면 됐다. 메모리 기업은 더 많은 정보를 담을 수 있도록 집적도 높은 메모리 소자를 만들면 됐다. 이 빠른 CPU와 집적도 높은 메모리는 모두 소자 미세화를 통해 달성 가능했다. 이를 통해 고집적화와 저전력도 동시에 달성할 수 있었다. 인류는 반도체 소자 미세화에 의존해 컴퓨팅 속도를 10년에 1,000배씩 증가시켜 왔다.

그러나 무어의 법칙으로 상징되는 소자 미세화는 가까운 미래에 멈출 수밖에 없다. 단위 소자의 크기가 분자 크기에 점점 가까워지고 있기 때문이다. 실제로 그동안 전 산업의 종합적인 R&D를 이끌어 왔던 국제 반도체 기술 로드맵(International Technology Roadmap for Semiconductors, ITRS)은 2015년을 마지막으로 더는 소자 미세화 발전에 관한 로드맵을 만들지 않기로 했다.

‘소자 미세화가 한계에 부딪혀 인류의 연산 속도 발전도 멈추는 것인가’ 하는 의문이 들 수밖에 없다. 절대로 그런 일은 일어나지 않을 것이다. 인류는 반드시 방법을 찾아 발전을 지속할 것이다. 이번 연재에서는 컴퓨팅 속도를 높이기 위해 현재 연구되는 다양한 방향과 새로운 반도체 소자 기술에 관해 이야기해 보고자 한다.

폰노이만 구조의 ‘속도 한계’를 극복하려는 반도체 연구

컴퓨터는 폰노이만 구조(아키텍처)로 이뤄져 있고 그것은 CMOS 기술로 통칭되는 반도체 집적 소자 기술로 구현한 것이다[관련기사]. 원래 CMOS 기술은 로직 기술의 일종을 말하지만, 메모리 소자 기술까지 포함하여 실리콘(Si) MOSFET* 소자를 사용하는 현재의 반도체 집적 소자 기술을 의미하는 용어로 많이 사용된다.

* MOSFET: Metal, Oxide, Semiconductor로 금속 산화막 반도체 구조를 통해 전기가 있는 영역인 전계(Field)의 효과(Effect)를 활용한 트랜지스터

소자 미세화로 성능 향상이 어려운 현실에서 컴퓨팅 속도를 빠르게 할 방법은 MOSFET을 만들고 있는 Si 채널*을 더 성능 좋은 물질로 대체해 트랜지스터를 만드는 것이다. 이 같은 시도는 꽤 오랜 기간 연구됐다. Si의 전하 이동도*는 전자가 1,500㎠/V·s, 홀은 500㎠/V·s 정도가 한계다. 그러므로 이보다 더 큰 전하 이동도를 갖는 물질을 채널로 사용해 전류를 더 많이 흐르게 하려는 시도가 이어졌다.

* 채널: 반도체 내에서 일종의 전자 이동 통로
* 전하 이동도: 전자가 전기장 내에서 얼마나 빨리 움직이는지 나타낸 정도. [길이2/전압·시간] 단위를 가진다.

저마늄(Ge) 채널의 경우 전하 이동도는 4,000㎠/V·s, 홀은 2,000㎠/V·s 정도로 Si 채널보다 크다. 특히 홀의 전하 이동도가 Si 대비 매우 우수하다. 그래서 pMOSFET에 Si 채널 대신 Ge을 사용하려는 연구가 계속됐다. 반면 nMOSFET은 전하 이동도가 매우 큰 3-5족 반도체*(GaAs, InAs 등)로 대체하려는 시도가 이어져 오고 있다.

* 3-5족 반도체: 주기율표상 3족과 5족에 해당하는 원소를 결합한 화합물 반도체

그러나 Ge이나 3-5족 반도체 같은 물질은 MOS(Metal·Oxide·Semiconductor, 금속 산화막 반도체 구조)를 만들었을 때 유전체 산화막과 반도체가 만나는 면에 전기적 결함이 많이 생기고 품질이 좋지 못하다. 실제로 만들었을 때 이론으로 예측한 것보다 소자 성능이 턱없이 떨어지고 심지어 Si보다 나쁜 경우가 많다. 오랜 기간 사용할 때 필요한 신뢰성도 Si 채널에 비해 떨어지는 경우가 많아 사용을 못하고 있다.

이 밖에도 전하 이동도가 수십만으로 알려진 카본 나노 튜브(Carbon Nano Tube)나 그래핀(Graphene)과 같은 2D 물질*을 Si 대신 채널로 사용하려는 시도도 있다. 그러나 카본 나노 튜브의 경우 소자 한 개의 성능은 좋으나, 수백억 개의 소자를 집적하기 위해 소자를 원하는 곳에 정확히 만드는 게 쉽지 않다. 반도체 집적 공정 기술에 적합하지 않은 것이다.

* 2D 물질: 수개의 나노미터 원자가 한 층으로 배열되어 있는 2차원 결정성 물질

카본 나노 튜브와 달리 그래핀은 평면 형태다. 때문에 Si 웨이퍼 위에 옮겨서 사용할 경우 포토리소그래피 등 현재 우리가 사용하는 반도체 집적 공정 기술을 이용해 집적회로를 만들 수 있을 것으로 보였다. 그러나 연구 결과 그래핀으로는 현재 MOSFET과 같은 크기와 성능의 소자를 만드는 것이 쉽지 않은 것으로 밝혀졌다. 물질 특성상 트랜지스터로 제작했을 때 누설 전류를 줄이기 쉽지 않고, 트랜지스터에서 채널의 전류를 외부로 나올 수 있게 해주는 금속 배선과의 접촉 저항도 기존의 Si 채널 대비 큰 약점을 보였다. 다른 2D 반도체들도 비슷한 약점을 보이고 있다.

컴퓨팅 속도를 높이는 또 다른 방법은, MOSFET이 아닌 다른 형태의 스위치 소자를 만들어 사용하는 것이다. 터널 펫(Tunnel FET)*이나 강유전 물질(Ferroelectric Material)*을 MOS의 산화막 대신 적용한 네거티브 커패시턴스 펫(Negative Capacitance FET)과 같은 것이다. 이러한 트랜지스터는 MOSFET보다 빠르거나 저전력이 될 것으로 여겨져 연구가 진행되고 있다. 그러나 이러한 노력으로 가져올 수 있는 연산 속도 향상은 제한적일 수밖에 없다.

* 터널 펫(Tunnel FET): MOSFET의 평평한 구조를 터널 모양으로 형성하는 기술
* 강유전 물질(Ferroelectric Material): 외부에서 전기장을 가하지 아니하여도 전기 분극(分極)을 나타내는 물질

폰노이만 자체를 벗어나려는 차세대 컴퓨팅 연구: 뉴로모픽 컴퓨팅

그래서 더 근본적인 변화를 통해 연산 속도 향상의 한계를 극복하려는 시도도 있다. 현재 우리가 사용하는 폰노이만 구조 자체에 변화를 준 컴퓨터를 만들어 사용하는 것이다.

폰노이만 구조의 가장 큰 약점인 폰노이만 병목 현상*을 줄이기 위한 방법도 그중 하나다. 물리적으로 대역폭을 늘리기 위한 3D Integration* 기술부터 같은 대역폭에서 지나는 정보의 양을 줄여주기 위한 PIM(Processing-In-Memory)* 기술[관련기사]까지 다양하다.

* 폰노이만 병목 현상: CPU 처리 속도가 빠를 경우 다음에 처리해야 할 데이터가 메모리에서 도달하지 못해 CPU가 대기하는 상황이 발생하는 현상
* 3D Integration: 서로 다른 칩을 최대한 가까운 위치에 통합, 연산을 위한 데이터 이동 경로를 최소화해 최상의 성능과 효율을 내는 하나의 칩으로 완성하는 것
* PIM(Processing-In-Memory): 메모리 반도체에 연산 기능을 더해 인공지능(AI)과 빅데이터 처리 분야에서 데이터 이동 정체 문제를 풀 수 있는 차세대 지능형 메모리

폰노이만 구조를 벗어나려는 시도로, 최근 가장 열심히 연구되는 분야는 인간의 뇌 신경망 구조를 흉내 낸 ‘뉴로모픽 컴퓨팅(Neuromorphic Computing)’이다. 인간의 뇌는 숫자 계산에서는 컴퓨터 대비 매우 느리나, 컴퓨터를 압도하는 특정 분야가 있다. 사물을 인식하고 판단하는 영역이다.

인간이 고양이와 개를 구별하는 것은 많은 시간이 걸리지 않는다. 그러나 컴퓨터가 폰노이만 구조에서 이것을 구별하는 것은 짧은 시간에 가능하지 않다. 이렇게 인간이 빠르게 구별할 수 있는 것은 매우 오랜 기간 학습을 통해서 고양이와 개의 특징을 파악하고 인간의 두뇌 신경망에 기억하고 있기 때문이다.

이처럼 학습을 통한 인간 두뇌 활동 방식을 모사해 작동하도록 한 것이 인공지능이다. ‘인공신경망(Artificial Neural Network)’을 구성하고 학습을 통해 인식과 판단을 하게 한 것이다.

현재 엔비디아(NVIDIA) 등에서 출시한 인공지능 칩들은 CMOS 기반의 소자와 칩을 이용해 만들어지고 있다. CPU와 GPU를 D램과 같은 메모리 소자와 연결해 구현한 것이다. 학습을 위해 필요한 대용량의 구조화된 데이터를 대역폭이 큰 고성능 메모리 HBM* 등을 통해 GPU에 공급, 병렬 연산을 통해 학습하도록 하고 그 가중치(학습한 데이터) 역시 메모리를 통해 저장하는 형태로 구현됐다. 지금 컴퓨터에서 사용 중인 디지털 방식을 그대로 이용해 두뇌의 활동 방식을 모사한 것이다.

* HBM(High Bandwidth Memory): 여러 개의 D램을 수직으로 연결해 기존 D램보다 데이터 처리 속도를 혁신적으로 끌어올린 고부가가치, 고성능 제품

인간의 두뇌는 20와트(Watt) 정도의 전력만 소모하는 것으로 알려졌다. 그러면서도 공부를 하고 주변을 살피고 대화를 하는 등 다양한 일을 동시에 할 수 있다. 그러나 우리가 만든 인공지능 칩은 제한된 일만 수행하면서 훨씬 높은 전력을 소모한다. 그래서 현재 연구 방향은 인간 두뇌 신경망의 형태를 그대로 모방하는 쪽으로 향하고 있다. 뇌가 연산하는 활동 방식만 모방한 것이 아니라 하드웨어 자체를 뇌의 구조와 기능을 모사한 전자기기로 만들려는 것이다. 그래서 메모리 사용을 최소화하면서 전력을 아끼고 더 많은 연산 기능을 수행할 수 있도록 연구 중에 있다.

인간 두뇌는 정보를 처리하는 코어 역할의 뉴런과 뉴런 사이를 연결하는 시냅스*로 구성됐다. 뉴런 간에는 스파이크(전기적) 신호를 주고받아 정보를 처리한다. 이때 각 시냅스의 강도는 뉴런에 전달하고자 하는 정보에 따라 세기가 정해진다. 인간의 뇌에는 약 1,000억 개의 뉴런이 있으며 각 뉴런은 약 1,000~10,000개의 시냅스를 통해 다른 뉴런과 연결되어 있다. 그리고 학습을 통해 시냅스가 가지는 강도를 조절해 나간다. 이처럼 인간 두뇌 신경의 뉴런과 시냅스의 기능을 그대로 흉내 내는 전자 소자를 만들어, 정말로 두뇌 신경이 움직이듯 만들려는 것이 뉴로모픽 컴퓨팅이다.

* 시냅스: 신경세포접합부(神經細胞接合部)로, 한 뉴런에서 다른 뉴런으로 신호를 전달하는 연결 지점을 말함. 뉴런의 축삭돌기 말단과 다른 신경세포와 연결되는 부위

이 분야에선 특히 두뇌 움직임에 가까우면서 에너지가 효율적인 스파이킹 신경망(Spiking Neural Networks, SNN)을 구현하기 위한 연구가 진행되고 있다. 뉴런은 CMOS 기반의 회로를 사용하고, 시냅스는 그 특성을 모방한 비휘발성 메모리 소자로 구성해 보려 하고 있다.

여러 단계의 시냅스 강도를 표현하며 시냅스 학습을 실현하기 위해서는 멤리스터(Memristor)가 제격이다. 멤리스터는 메모리(Memory)와 레지스터(Resistor)의 합성어로, 양단에 인가되는 특정 전압 펄스에 따라 저항이 변하는 특성을 가진 소자를 일컫는다. 지난 회에서 소개했던 새로운 메모리를 위한 소자인 ReRAM(Resistive RAM), PCRAM(Phase Change RAM), MRAM(Magneto-Resistance RAM), FeRAM(Ferroelectric RAM) 등이 대표적인 멤리스터 소자다.

현재 이들 소자를 3D 크로스포인트로 연결, 시냅스 어레이(Array)를 만들어 사용하려는 연구가 진행되고 있다. 이 소자들은 양단에 인가되는 전압 패턴에 따라 저항이 선형적(Linear)으로 커지거나(Potentiation) 작아져야(Depreciation) 시스템에 사용 가능하다. 그러나 아직까지 비선형적인 문제가 발생하고, 오랜 시간 저항값을 유지하는 능력(Retention)에도 문제가 있어 이를 해결하기 위한 연구가 진행되고 있다.

폰노이만 자체를 벗어나려는 차세대 컴퓨팅 연구: 양자 컴퓨팅

논(Non)-폰노이만 구조를 이용한 컴퓨팅이면서 아예 0, 1의 디지털 체계를 벗어난 연구도 진행되고 있다. 원자나 전자처럼 아주 작은 세계에서 일어나는 자연 현상을 설명해 주는 체계인 양자역학을 이용한 ‘양자 컴퓨팅(Quantum Computing)’이 그것이다.

양자역학은 입자이면서 파동이고, 0이면서 1이고, 뭔가 흐릿하고, ‘불확정성의 원리’란 것이 지배하는 모호한 세계다. 그러한 양자역학의 현상을 능동적으로 제어하면서 작동시키는 것을 양자 컴퓨팅이라고 한다. 이와 같이 양자 현상을 구현하는 소자를 큐비트(Qubit)*라고 부른다. 0 또는 1의 신호를 순차로 처리하는 일반적인 반도체 소자와 달리, 0과 1의 중첩된 데이터를 동시에 빠르게 처리한다. 큐비트를 만드는 것은 여러 가지 방법이 있다. 초저온에서 나타나는 초전도 현상*을 이용한 조셉슨(Josephson) 소자*를 활용하는 방법이 대표적이다.

* 큐비트(Qubit): Quantum Bit 줄임말, 양자 컴퓨터 또는 양자 정보의 기본 단위로, 즉 0과 1 두 개의 상태를 가진 양자비트로 양자 컴퓨터의 최소 단위를 말한다.
* 초전도 현상: 특정 물질이 영하 273°C에서 저항이 0이 되며 반자성을 띠는 현상, 이 현상을 통해 소자를 구현하면 경미한 영향에도 변형되는 큐비트를 항구적으로 유지할 수 있다고 알려졌다.
* 조셉슨(Josephson) 소자: 조셉슨 소자는 1962년에 브라이언 조셉슨에 의해 발견됐으며, 초전도체에 의해 만들어진 두 장의 박막 사이에 얇은 절연체를 사이에 끼웠을 때 절연체를 통해서 전류가 흐르는 현상(조셉슨 효과)을 이용하여 만든 스위칭 소자다.

큐비트 기반으로 데이터 처리 속도를 높인 양자 컴퓨터가 제대로 만들어진다면 양자 세계를 시뮬레이션해야 하는 화학, 물리, 제약 등의 분야에서 폰노이만 구조의 컴퓨팅 속도를 월등하게 앞지를 것으로 예상된다. 또한, 현재의 암호 체계를 이루고 있는 소인수를 찾아내는 데 월등한 양자 컴퓨팅은 정보 보안 측면에서도 크게 기여할 수 있을 것으로 기대한다.

이처럼 폰노이만 구조를 벗어나려는 차세대 컴퓨팅 연구는 활발하게 진행되고 있다. 그러나 뉴로모픽 및 양자 컴퓨팅이 완성된다고 해도 현재의 컴퓨팅을 완전히 대체하는 것은 아니다. 논리 연산은 폰노이만 구조의 성능을 넘어설 수 없다. 그러므로 다양한 구조(아키텍처)가 필요에 각자의 영역에서 함께 쓰이는 형태가 될 것이고, 폰노이만 구조의 속도 한계를 극복하기 위한 메모리 반도체 연구도 계속 발전될 것이다

※ 본 칼럼은 반도체에 관한 인사이트를 제공하는 외부 전문가 칼럼으로, SK하이닉스의 공식 입장과 다를 수 있습니다

인류가 현대문명을 이룩할 수 있었던 원동력은 현재에 만족하지 않고 끊임없이 탐구를 거듭했기 때문일 것입니다. 정보화 사회로의 진입을 가능케 만든 트랜지스터도 마찬가지여서, 당시와 지금의 반도체 성능은 비교가 어려울 정도로 급성장했습니다. 하지만 사물인터넷(IoT), 인공지능(AI) 등 4차 산업혁명의 등장으로 처리해야 할 데이터가 기하급수적으로 늘어나고 있습니다. 반도체 한계극복이 갈수록 어려워지고 있는 상황에서 자연스럽게 ‘비욘드 컴퓨터’에 대한 관심이 커질 수밖에 없는데요. 오늘은 그 대안으로 주목 받고 있는 양자컴퓨터, 바이오컴퓨터에 대해 이야기해보겠습니다.

관측의 세계, 실제로 존재하는 양자컴퓨터

▲ 양자컴퓨터의 대표주자인 캐나다 D-WAVE. 16비트 양자 프로세서를 사용한다. (출처: D-WAVE)

우선 양자컴퓨터에 대해 이야기하기 위해서는 당연히 ‘양자’가 무엇인지 알아봐야 합니다. 살짝 머리가 아플 수 있지만 느낌 그대로 받아들이면 생각보다 어렵지 않습니다. 최대한 쉽게 설명하면 양자컴퓨터는 ‘양자역학(Quantum Mechanics)’에 이론을 두고 있는데, ‘현재 상태를 정확하게 알고 있다면 미래의 어느 순간에 어떤 사건이 일어날지 정확하게 예측할 수 있다’라는 결정론의 고전물리학과 달리 관측에 의한 확률론이 핵심입니다.

대표적인 예가 ‘슈뢰딩거의 고양이’로 ‘밀폐된 상자 안에 있는 고양이가 절반의 확률로 죽을 수 있고 1시간 뒤에 어떻게 됐을까?’입니다. 보통은 ‘죽었거나’, ‘살았거나’ 둘 중 하나의 답이 나와야 합니다. 이와 다르게 양자역학의 세계에서는 삶과 죽음의 두 가지 상태가 모두 존재합니다. 그 이유는 뚜껑을 열어보기 전까지 고양이가 무슨 상태인지 확인할 수가 없기 때문이죠. 어떤 물질이라도 관측하기 전에는 상반된 상태가 존재하며, 이는 관측으로 결정된다고 보면 됩니다.

▲ ‘무어의 법칙’으로 잘 알려진 인텔도 양자컴퓨터 시장에 뛰어든 상태다. (출처: 인텔)

그렇다면 이것이 양자컴퓨터와 무슨 관계가 있을까요? 양자는 물질을 이루고 있는 분자나 원자보다도 더 작습니다. 이렇게 작디작은 미시세계(微視世界)에서는 고전물리학이 통하지 않습니다. 어떻게 보면 엉터리고 해괴한 일이죠. 그런데 오히려 이런 특성이 대규모로 데이터를 처리하는 데 있어 유리합니다.

컴퓨터는 고성능 계산기입니다. 그리고 ‘0’과 ‘1’로 이루어진 디지털 데이터를 사용하죠. ‘1+1’ 계산을 하려면 디지털의 최소 단위인 1비트(Bit)에 1을 입력하고 다른 비트에 1을 하나 더 넣어야 합니다. 즉, 2개의 비트를 사용해야 ‘2’라는 결과를 내놓을 수 있습니다.

양자컴퓨터는 이런 번거로운 과정이 필요 없습니다. 2개의 비트로 ‘00’, ‘01’, ‘10’, ‘11’을 일일이 표현해야 하는 기존 컴퓨터와 달리, 모든 데이터가 동시에 존재하므로 한 번에 계산할 수 있습니다. 더구나 미세공정에 걸림돌이 되는 발열, 재료, 누설전류(터널링 현상) 등의 문제가 해결됩니다. 1024개의 데이터를 처리하기 위해 1024개의 중앙처리장치(CPU)를 마련하는 대신 그저 10비트짜리 양자컴퓨터 한 대만 있으면 됩니다. 병렬처리가 기본이니 성능은 말할 것도 없겠네요.

놀라운 점은 양자컴퓨터가 이론으로 증명됐을 뿐 아니라 실제로 존재한다는 사실입니다. IBM, 구글, 인텔 등이 이미 양자컴퓨터 연구·개발에 뛰어든 상태입니다. 다만 양자의 상태를 측정하고 0, 1로 놓고 싶은 상태로 배치해야 하는데 이게 어렵습니다. 양자역학의 세계가 너무 미세하다 보니 이를 통제할 수 있는 나노기술이 마땅치가 않습니다.

바이오컴퓨터, 0과 1을 단백질로 구현

▲ 바이오컴퓨터는 단독보다 기존 반도체와의 협업을 통해 활용될 것으로 보인다. (출처: 미국 SLAC 국립 가속기 연구소)

이번에는 바이오컴퓨터를 들춰 보겠습니다. 양자컴퓨터만큼은 아니지만, 바이오컴퓨터도 한때 유망한 차세대 컴퓨터로 주목받았습니다. 물론 혁신적인 기술개발이 이뤄지지 못해 아직 답보 상태이기는 합니다. 처음에는 단백질, DNA, RNA 등 유기물로 구성하려고 했으나 지금은 사람의 뇌를 모사(摹寫)하는 뉴럴프로세서유닛(NPU)에 더 집중하는 모양새입니다.

SK하이닉스도 NPU 개발에 뛰어든 상태죠. 잘 알려진 것처럼 스탠퍼드대학교, 램리서치, 버슘머티리얼즈와 함께 뉴로모픽(Neuromorphic·뇌신경 모방) 칩을 개발하고 있습니다. 반도체 완제품, 장비, 재료, 그리고 학계가 모여 공동으로 목표를 세웠다는 점이 흥미롭죠. 그만큼 어렵다는 이야기입니다. 현재 기술로는 그저 사람의 메커니즘을 따라가기도 벅찹니다. 그러니 생명체로 데이터를 처리하는 바이오컴퓨터는 상상하기조차 어렵네요.

앞서 양자컴퓨터에서 설명한 것처럼 핵심은 병렬처리입니다. 바이오컴퓨터는 분자 수준의 생화학 반응을 이용해 병렬성이 높고 집적도가 높은 것이 특징입니다. 반도체는 데이터를 처리할 때 전기적 신호로 상태를 구분하고 지정된 장소에 전달합니다.

생명체를 구성하고 있는 단백질도 기본적인 골자는 같습니다. 분자와 산화, 환원 상태가 다르며 서로 전자를 전달하면서 미세한 전류를 일정한 방향으로 주고받죠. 이런 특성을 이용해 0과 1의 데이터를 단백질의 산화, 환원 반응(산화를 0, 환원을 1)에 대입시켰다고 보면 됩니다. 나노기술의 한계로 CPU까지는 아니더라도 데이터를 저장할 수 있는 ‘바이오메모리’는 연구 단계에서 만들어진 상태죠.

그런데도 양자컴퓨터와 마찬가지로 ‘배열’이 너무 어렵습니다. 나노 단위에서 분자 구조를 마음먹은 대로 바꿔야 하고 여기에 전자의 움직임 조절이 쉽지 않은 것이죠. 특히 전자를 전달해주는 역할을 하는 생물분자막은 여러 단백질이 하나로 결합해 있는데, 이를 짜임새 있게 구성하는 데 애를 먹고 있습니다.

덧붙여 단백질 자체는 산패, 말 그대로 공기에 노출되면 썩어버립니다. 그리고 같은 나노기술이어도 반도체와 같은 무기물을 다루는 것이 단백질 등 유기물보다는 상대적으로 더 유리합니다. 바이오컴퓨터, 또는 바이오메모리가 양자컴퓨터보다 발전이 더딘 이유는 현재의 반도체 기술의 발전할 여력이 남아있기 때문입니다.

차세대 컴퓨터는 반도체와 함께 진화

양자컴퓨터와 바이오컴퓨터 같은 차세대 컴퓨터의 공통점은 아무리 좋은 기술이라도 경제성이 뒷받침되어야 한다는 점입니다. 일부 업체와 연구소에서 만든 양자컴퓨터가 존재해도 제대로 활용하지 못하는 이유가 여기에 있습니다. 냉전 시절 돈에 구애 받지 않고 경쟁적으로 우주개발을 했으나 이후부터 뜸해진 것도 마찬가지입니다. 이른바 ‘아폴로 시대의 종말’입니다.

그렇다고 해서 연구를 소홀히 해도 곤란합니다. 아무리 다양한 반도체 기술이 등장하더라도 과도적인 형태에 불과하고 고전물리학에 기초하고 있으므로 언젠가는 한계에 다다를 수밖에 없죠. 5나노 이하, 3나노까지도 가능하다고 업계에서는 이야기합니다. 이후에는 어떻게 될까요? 아무도 예단할 수 없습니다.

따라서 기술과 경제성이 모두 검증된 반도체와 새로운 컴퓨터 기술의 융합은 선택이 아닌 필수입니다. 그리고 중심에는 사람이 위치해야 합니다. ‘인지컴퓨팅(Cognitive Computing)’이 등장한 계기도 여기에 있습니다. 폭발하는 데이터, 이를 처리하기 위한 고성능 컴퓨터가 왜 필요한지 곱씹어볼 필요가 있다는 뜻입니다.

딱 10년 전으로 시계를 돌려보겠습니다. 애플에서 오리지널 아이폰을 발표하고 아이폰 3G를 내놓을 시기네요. 그리고 이 제품은 전 세계를 뒤바꾸는 원동력 가운데 하나가 됐습니다. 지금은 다양한 비즈니스가 스마트폰 기반에서 작동합니다. 이제까지 존재하지 않던 생태계가 자연스럽게 돌아가고 있습니다. 당연히 반도체가 핵심이 되었음은 의심할 여지가 없습니다.

※ 본 칼럼은 반도체/ICT에 관한 인사이트를 제공하는 외부 전문가 칼럼으로, SK하이닉스의 공식 입장과는 다를 수 있습니다.