네패스가 뉴로모픽 칩 양산에 들어간다는 소식이 들리기 전부터 이미 뉴로모픽 칩은 반도체 업계에서는 핫 이슈 가운데 하나였다.

무어의 법칙(Law’s Moore)은 지난 70여 년간 반도체 집적회로의 성능 발전을 통한 컴퓨터 연산처리 장치의 성능 발전을 설명하는 용어였다. 하지만 최근 무어의 법칙이 한계에 봉착했다는 의견이 많아지고 있는 상황에서 새로운 대안을 찾으려는 시도는 빠르게 퍼지고 있다.
특히 폰 노이만(Von Neumann) 구조의 성능 발전이 정체기에 접어들면서 차세대 컴퓨팅 기술이 재조명 받고 있는데, 그 중에서 인간의 뇌를 모사해 인간의 지능적 행동인 학습 기능에 중점을 둔 뉴로모픽(Neuromorphic) 칩이 주목을 받기 시작했다. 뉴로모픽 칩의 장점은 폰 노이만 구조보다 전력 소비가 적고, 학습형 인공지능 기술인 딥 러닝(Deep Learning)에 최적화되어 있다는 점이다.
이러한 이유로 퀄컴(Qualcomm), IBM, 인텔(Intel) 등 글로벌 기업은 이미 오래 전부터 뉴로모픽 칩을 개발하고 있으며, 최근 삼성전자와 SK하이닉스도 뉴로모픽 칩 연구에 투자를 진행하면서 경쟁에 뛰어들었다.
경쟁의 가속화로 뉴로모픽 칩 시장 규모는 확대될 것으로 예상되고 있는데, 마켓앤마켓(MarketsandMarkets)에서 발표한 ‘2022 전 세계 뉴로모픽 컴퓨팅 시장 예측 보고서’에 따르면, 뉴로모픽 컴퓨팅 시장은 2016년 660만 달러에서 2022년 2억 7,290만 달러로 예측기간 동안 36% 성장률을 보일 것으로 전망된다.
뉴로모픽 컴퓨팅 시장은 인공지능과 머신러닝, IC의 성능 개선의 필요성 대두, 무어의 법칙 종료로 인한 새로운 방법에 대한 수요 증가가 기술 성장의 요인으로 작용할 것으로 예상되고 있다.
마켓앤마켓은 예측 기간 동안 뉴로모픽 컴퓨팅 시장의 가장 큰 비중을 차지하는 것은 소프트웨어라고 분석했다. 2016년, 뉴로모픽 컴퓨팅 시장에서 소프트웨어는 58%의 점유율을 차지할 것으로 예상됐다. 소프트웨어는 비디오 모니터링, 머신 비전, 음성 인식 분야의 애플리케이션에서 성장이 유망할 것으로 꼽히고 있다. 게다가 우주항공 및 방위 산업, IT 및 텔레콤, 의료 산업에서 소프트웨어 채택이 증가하면서 뉴로모픽 컴퓨팅 소프트웨어 시장의 성장은 가속화되고 있다.
한편, 신호 인식 애플리케이션 분야의 성장도 주목해볼만 하다. 의료, 자동차 및 운송과 같은 산업에서 음성 인식의 채용은 뉴로모픽 컴퓨팅 시장의 성장을 이끄는 추가적인 요인이기도 하다. 예를 들어, 음성인식은 엑스레이, 울트라 초음파, CT 등 수백 개의 방사선 스캐닝과 워드 프로세서에 연결된 음성인식 시스템에 의해 동시에 결론을 내리는 헬스케어 분야에서 사용된다.

앞서가는 미국 기업들 
1993년 IBM은 최초의 뉴로모픽 아키텍처인 ZIS36을 발표한 바 있다. 그리고 2001년 IBM이 팹 사업 부문을 축소함에 따라 당시 엔지니어 출신인 가이 페일럿(Guy Paillet)이 제너럴 비전(General Vision: GV)를 설립해 관련 기술을 개발했다.
IBM이 본격적으로 뉴로모픽을 연구하기 시작한 것은 2008년부터다. 당시 미국 방위고등연구계획국(DARPA)이 인간의 뇌를 모방한 인공 두뇌를 만들려는 프로젝트인 시냅스(SyNAPSE)를 시작했는데, 이 프로젝트에 참가한 IBM은 뉴로모픽 칩인 ‘트루노스(TrueNorth)를 개발하는 데 성공했다.

IBM 뉴로시넵틱 시스템과 IBM 수석 과학자 다멘드라 모드하(Dharmendra S. Modha). 로렌스 리브모어의 새로운 슈퍼컴퓨터 시스템은 16개의 IBM 트루노스 칩으로 구성되어 있다. 〈출처: IBM 리서치〉

우표 크기의 트루노스는 54억 개의 트랜지스터가 내장된 4,096개의 뉴로시탭틱(Neurosynaptic) 코어를 통해 2억 5,600만 개의 전자 시냅스를 지니고 있다. 35~140 mW 정도의 전력을 소비하는 표준 인텔 프로세서보다 5배나 많은 트랜지스터를 내장하고 있음에도 트루노스의 통상적인 소비 전력은 약 70 mW에 불과하다. 또한 최첨단 슈퍼컴퓨팅 시스템보다 훨씬 빠른 속도로 연산처리가 가능하다. 
나아가 IBM은 딥 러닝과 트루노스를 인지 센싱(Cognitive Sensing)이라는 새로운 기술로 통합했는데, 저전력의 인지 센싱은 감지 지점에서 실시간으로 비구조적인 데이터의 고정밀 분석을 예측하게 된다. 따라서 인지 센서는 원격 센서, 자율 시스템, 웨어러블 기기 등의 애플리케이션과 함께 새로운 인지 데이터 분석 플랫폼의 핵심이 된다.
IBM은 트루노스 기반의 인지 센싱이 웨어러블 시장을 가속화하는 동시에 생각할 수 있는 웨어러블로의 전환을 이룰 것이라고 내다봤다. 실시간으로 감지되는 데이터를 상호 연관 짓고 맥락을 이해하며 필터링하는 과정을 통해 인공지능 시스템이 즉각적으로 웨어러블 착용자와 상호작용하게 된다는 것이다.
이어 IBM은 2016년 3월 29일, 로렌스 리버모어 국립 연구소(Lawrence Livermore National Laboratory: LLNL)가 IBM 리서치에서 개발한 뇌 기반의 슈퍼 컴퓨팅 플랫폼을 구입했다고 발표했다. 획기적인 뉴로시냅스틱 컴퓨터 칩인 IBM 트루노스를 기반으로 하는 확장형 플랫폼은 1,600만 개의 뉴런과 40억 개의 시냅스로 이뤄진 프로세스와 태블릿 PC 수준의 에너지 소비량인 2.5W만 소비하는 16개의 트루노스 칩으로 구성되어 있다. IBM 뉴로모픽 시스템의 뇌와 같은 신경망 설계는 기존 칩보다 패턴인식과 같은 복잡한 인지 작업을 가능하게 하고 훨씬 효율적으로 센서 프로세싱을 통합할 수 있다.

IBM이 2016년 8월 3일에 발표한 상 변환 뉴런(Phase-Change Neurons) 칩 〈출처: IBM 리서치〉

퀄컴은 2013년에 뇌처럼 학습하는 프로세서(NPU: Neural Processing Unit)인 제로스(Zeroth)를 발표했는데, 기존 연산 처리 장치와 역할을 분담한 후 학습하고 인식하는 연산 처리를 전담하는 기능을 수행하게 된다. 제로스의 특징은 뇌 신경 세포에 특정 전압을 가하면 신호가 생성되는 메커니즘을 수학적인 모델로 구현해 연산 처리 장치에 적용했다는 점이다. 
한편, 인텔은 2012년 뉴로모픽 칩 디자인을 소개했는데, 이 칩은 멤리스터(Memrister)와 측면 스핀 밸브 기술을 이용했다. 측면 스핀 밸브는 각각 금속선으로 연결되어 있고 전자에만 반응한다. 인텔이 3월에 153억 달러를 들여 인수한 이스라엘 기업 모빌아이는 ADAS 분야에서 리더로 꼽히고 있다. 모빌아이의 ADAS는 주변 차량과 추돌할 가능성을 뉴로모픽 칩 기술에 기반한 독자적인 알고리즘으로 계산해 운전자에게 알려준다.

도시바, 뉴로모픽 반도체 회로 
뉴로모픽 칩 개발에 뛰어든 곳은 미국만이 아니다. 도시바(Toshiba)는 2016년 11월, 초저 전류 소비 뉴로모픽 반도체 회로를 사용하는 TDNN(Time Domain Neural Network)를 개발했다고 밝혔다. TDNN은 기존 디지털 프로세서와 달리, 도시바의 오리지널 아날로그 기술을 사용하는 수많은 소형 프로레싱 유닛으로 구성되어 있다.
딥 러닝은 고성능 프로세서에 엄청난 연산을 통해 구현하고 있다. 그래서 딥 러닝을 센서, 스마트폰, IoT 기기에 적용하는 것은 전력 측면에서 큰 난관이었다. 매우 적은 전력을 소모하면서도 대량의 작업을 수행할 수 있는 초저전력 고효율 IC가 필요하기 때문이다. 이는 폰 노이만식 컴퓨터 아키텍처의 한계이기도 하다. 폰 노이만식에서 대부분 에너지는 데이터를 온칩 또는 오프칩 메모리 기기에서 프로세싱 유닛으로 옮기는 데 소모하게 된다.
결국 에너지 소모를 줄이려면, 데이터 이동을 줄이는 것이 효과적이라는 말이다. 도시바는 데이터 이동을 줄이는 효과적인 방법으로 각각의 프로세싱 유닛이 물리적으로 가까운 곳에 있는 데이터 하나만 처리하도록 하는 방법에 대해 고안했다. 이런 데이터 포인트에는 입력 신호가 출력 신호로 전환되는 동안 용량이 커지게 된다. 예를 들어 ‘고양이 이미지’를 입력하면, ‘고양이를 닮은 이미지 인식’이 출력 신호로 전환되게 된다. 따라서 데이터 포인트가 원하는 출력에 가까울수록 데이터의 무게는 더욱 무거워지며, 그 무게는 자동으로 딥 러닝 프로세스를 안내하는 파라미터를 제공하게 된다.
한편, 뇌는 뉴런(무게 데이터) 간의 결합 강도가 시냅스(프로세싱 유닛)로 연결되는 것과 유사한 아키텍처를 갖고 있다. 이 경우 시냅스는 뉴런 간의 연결이며 각각 다른 강도를 갖는데, 이 강도는 연결을 통과하는 신호를 결정하게 된다.

도시바에서 개발한 뉴로모픽 반도체 회로를 사용하는 TDNN의 회로도 〈출처: 도시바〉

도시바의 TDNN은 2013년에 개발된 타임 도메인 아날로그와 디지털 혼합 신호처리(TDAMS) 기술을 사용해 프로세싱 유닛의 소형화를 가능하게 한다. TDAMS의 경우 연산은 로직 게이트를 아날로그 신호로 통과하는 디지털 신호 지연 시간을 사용해 효율적으로 수행하게 된다. 이 기술을 사용하는 딥 러닝 프로세싱 유닛은 세 개의 로직 게이트와 공간적으로 완전히 떨어진 아키텍처의 1비트 메모리로 구성되게 된다.

네패스, 뉴로모픽 칩 7월에 양산 
한국은 한국전자통신연구원(ETRI)이 2013년부터 엑소브레인(Exobrain) 프로젝트를 통해 인공지능의 소프트웨어적인 연구에 집중하고 있다. 삼성전자와 SK하이닉스는 이미 오래 전부터 뉴로모픽 기술에 관심을 보여왔다. 삼성전자는 뉴로모픽 반도체 설계를 위해 삼성종합기술원 산하 두뇌컴퓨팅 연구실을 중심으로 뉴로모픽 칩 개발을 진행하고 있다. 특히 2017년 4월 6일, 삼성전자는 2017년 상반기 미래기술육성사업 지원과제 40개를 선정했는데, 그 중 하나는 양희준 성균관대 교수가 이끄는 ‘전자구조 상전이 소재 기반 뉴리스터 집적 회로’에 대한 과제다.
이 과제는 전기적 게이팅에 의해 가역적으로 반도체와 도체로 상전이가 가능한 2차원 신소재를 개발해 차세대 2단자 소자뿐만 아니라 뉴로모픽 회로까지 구현하기 위한 것이다. 삼성전자는 소재 개발이 성공할 경우, 전기적 게이팅을 통한 상전이를 세계 최초로 규명할 수 있을 뿐만 아니라, 멤리스터(Memristor) 구조의 특성상 초고집적 소자로 사용될 수 있고, 기존 R램, P램 대비 저전력 구동이 가능할 차세대 반도체 후보로 활용될 것으로 기대하고 있다. 
SK하이닉스는 2016년 10월에 미국 스탠포드대학과 강유전체 물질을 활용한 인공신경망 반도체 소자 공동 연구개발 협약을 체결해 연구에 박차를 가하고 있다.
한편 2017년 3월 19일, 반도체 패키징 전문기업인 네패스는 뉴로모픽 칩을 양산한다고 발표한 데 이어 6월 22일에는 ‘인공지능 신산업 융합 포럼’에서 뉴로모픽 인공지능 칩 개발 현황과 전망을 발표했다. 이날 발표에서 네패스는 2016년 제너럴 비전(GV)과 기술 협약을 통해 개발해 온 뉴로모픽 인공지능 칩을 7월에 공식 출시할 계획이라고 밝혔다. 뉴로모픽 인공지능 칩인 NM500은 스스로 학습하는 것뿐만 아니라, 대규모 서버와 네트워크 장비의 필요성도 없앴다. 신호처리를 담당하는 뉴런 576개와 간단한 학습 알고리즘이 포함되어 있어서다.
NM500은 칩 단위로 인공지능 처리가 가능해 전력 소모를 줄일 수 있으며 데이터의 고속처리도 가능하다. 또한 뉴런 개수가 증가해도 일정한 응답 속도를 유지하고 반응이 강한 뉴런만 활성화하고 낮은 뉴런은 경쟁에서 제외시키며, 잘못된 학습에 대해서는 자발적으로 억제할 수 있는 기능도 있다. 네패스는 뉴로모픽 칩을 센서와 접목해 자동차, 가전, 의료 등 다양한 애플리케이션에 활용할 수 있을 것으로 기대하고 있다.

이병구 네패스 회장은 6월 21일 열린 '인공지능 신산업 융합 포럼'에 참석해 패널 토론에서 "제조 경쟁력이 강점인 한국에서 뉴로모픽 AI 반도체와 같은 하드웨어 기반 인공지능에 집중하는 것이 적합하다"고 강조했다. 〈출처: 네패스〉

Imec, HW-SW의 동시 최적화로 자기 학습형 뉴로모픽 칩 개발

5월 16일, Imec 기술 포럼에서 벨기에의 imec은 자기 학습형 뉴로모픽 칩을 선보였다. OxRAM 기술을 기반으로 하는 이 칩은 자기 학습 능력과 음악을 작곡하는 능력을 지니고 있다.
인간의 두뇌는 컴퓨터 과학자들의 꿈이다. 이것은 수십 와트만 소비하면서 엄청난 컴퓨팅 성능을 발휘한다. Imec 연구원들은 스스로 학습하는 시스템의 특성일 지는 칩을 디자인하기 위해 최첨단 하드웨어와 소프트웨어를 결합시켰다. Imec의 궁극적인 목표는 센서에 통합할 수 있도록 에너지 효율성을 갖춘 인공지능을 만들기 위해 프로세스 기술과 블록을 설계하는 것으로 전망된다. 이러한 지능형 센서는 향후 IoT를 가속화시킬 것이다.
이는 모든 센서에 머신 러닝을 적용할 뿐만 아니라 온-필드 학습 능력을 더욱 향상시킬 수 있게 한다. 하드웨어와 소프트웨어를 동시에 최적화(Co-Optimizing)함에 따라 칩은 작은 크기에서 머신 러닝과 지능적인 특성을 갖게 되며 소비 전력은 매우 적게 된다. 칩은 스스로 학습하는데, 이는 경험과 경험을 연관시키는 것을 의미한다. 경험이 많을수록 연결은 더욱 강해질 것이다. Imec이 이날 발표한 칩은 새로운 음악을 작곡하는 방법을 배웠고, 작곡에 대한 규칙을 즉석해서 배웠다.

Imec이 개발한 자기 학습형 뉴로모픽 칩 〈출처: Imec〉

Imec의 궁극적인 목표는 개인 건강, 에너지, 교통 관리 등 다양한 분야에 적용할 수 있는 극초전력, 고성능, 저비용, 초소형화된 뉴로모픽 칩을 만들기 위해 하드웨어와 소프트웨어를 모두 발전시키는 것이다. 예를 들어, 건강 상태를 모니터링할 때 센서에 통합된 뉴로모픽 칩은 심장 이상으로 이어질 수 있는 특정 심장 박동 변화를 식별할 수 있으며, 개인마다 약간씩 다른 심전도(ECG: Electrocardiography) 패턴을 인지하는 방법을 배울 수 있다. 이러한 뉴로모픽 칩은 더욱 맞춤화되고 환자 중심의 모니터링을 가능하게 한다. 
Imec의 엔지니어인 프라빈 래그하반(Praveen Raghavan)은 “우리는 하드웨어, 시스템 설계, 소프트웨어 전문 지식을 한데 모아두고 있어서 뉴로모픽 컴퓨팅을 발전시키는 데 이상적”이라며 “우리의 칩은 로직, 메모리, 알고리즘과 시스템을 종합적으로 최적화해 발전시켰다. 이 방법으로 우리는 자기학습 시스템을 위한 빌딩 블록 개발에 성공했다”고 말했다.
뉴로모픽 칩의 궁극적 목표는 연산처리 능력의 향상과 전력 효율성 개선에 있을 것이다. 현재 반도체 회사뿐만 아니라 전통적으로 반도체 산업에서 활동하지 않았던 기업들, 예를 들어 애플, 구글 등도 인공지능 기반의 칩을 개발하고 있다는 소식이 들려오는 것은 반도체의 영역이 빠르게 확장되고 있다는 의미일 것이다. 뉴로모픽 칩은 주로 센서를 통한 인식을 중심으로 개발될 것으로 예상되고 있는 만큼, 향후 자율주행 자동차, 스마트 홈, 스마트 시티 등 분야에서 널리 활용될 전망이다. 또한 VR(Virtual Reality)/AR(Augmented Reality), MR(Mixed Reality) 기술의 발전에도 기여할 것으로 전망된다.