KAIST 카멜레온 AI 반도체, 예측 오류 40배 줄였다

PDM 소자, 데이터 변화에 맞춰 반응 시간을 바꾼다

카멜레온 AI 반도체는 데이터가 변하는 속도에 따라 소자의 시간 응답 특성을 조절하는 차세대 연산 소자다.

KAIST 전기및전자공학부·반도체공학대학원 최신현 석좌교수 연구팀은 프로그래머블 동적 멤트랜지스터(PDM)와 이를 연결한 어레이를 개발했다고 7일 밝혔다. 멤트랜지스터는 정보를 저장하는 메모리와 계산을 수행하는 트랜지스터 기능을 한 소자에 결합한다.

심장 박동과 음성은 빠르게 바뀌지만 날씨나 설비 상태는 상대적으로 천천히 움직인다. 기존 소자는 반응 속도와 상태 유지 시간이 고정돼 서로 다른 시간 척도의 정보를 한꺼번에 다루는 데 한계가 있었다. PDM은 전하 저장층과 전자 포획층을 결합해 이 간격을 전기적으로 조절한다.

반응 시간 5배·주파수 10배 조절, 오류는 최대 40배 감소

연구팀은 PDM이 입력 뒤 원래 상태로 돌아오는 시간을 약 5배 범위에서 조절할 수 있다고 확인했다. 반복 신호를 처리하는 주파수 특성도 10배 이상 넓게 바뀌었다.

성능 차이는 빠른 정보와 느린 정보가 섞인 시계열 데이터에서 두드러졌다. KAIST가 공개한 연구 결과에 따르면 고정형 반도체와 비교해 예측 오류가 최대 40배 감소했다. 하나의 설정을 모든 입력에 적용하는 대신 데이터 특성에 맞는 반응을 선택한 결과다.

여러 PDM을 연결한 어레이는 소프트웨어 기반 AI와 비슷한 정확도를 유지하면서 더 적은 에너지로 작동했다. 다만 논문 단계의 소자 실험과 실제 완제품의 전력 효율은 조건이 다르므로 상용 칩 성능으로 곧바로 해석해서는 안 된다.

비휘발성과 CMOS 호환성이 엣지 AI 전력 부담 낮춘다

PDM은 한 번 지정한 반응 특성을 전원이 끊겨도 유지하는 비휘발성을 갖는다. 설정을 보존하기 위해 전력을 계속 공급할 필요가 없어 배터리로 작동하는 기기에 유리하다.

복잡한 전처리 없이 소자 자체가 시간 정보를 처리한다는 점도 의미가 있다. 센서 데이터가 만들어지는 현장에서 곧바로 추론하는 엣지 AI는 통신 지연과 클라우드 전송량을 줄여야 하므로 연산과 기억을 가까이 두는 구조의 이점이 크다.

연구진은 현재 널리 쓰이는 CMOS 공정과 호환된다고 설명했다. 새로운 원리의 소자가 기존 제조 체계와 연결될 수 있다는 뜻이지만, 수율과 내구성, 대규모 집적 과정은 후속 검증이 필요한 변수다.

자율주행·로봇·웨어러블 적용 전 대규모 집적이 관건

자율주행차는 카메라와 레이더처럼 갱신 주기가 다른 신호를 동시에 처리한다. 로봇과 웨어러블 기기도 동작·음성·생체 정보를 각기 다른 속도로 받아들인다. PDM이 겨냥하는 대표적인 활용처다.

연구 결과는 네이처 커뮤니케이션스 논문으로 공개됐다. 삼성전자 반도체연구소 연구진도 공동 저자로 참여했으며 과학기술정보통신부, 산업통상자원부와 삼성전자 등의 지원을 받았다.

다음 관전 포인트는 어레이 규모를 키워도 조절 범위와 정확도가 유지되는지다. 실제 센서와 연결한 장시간 검증, 공정 편차 관리, 기존 AI 가속기와의 시스템 통합이 상용화 가능성을 가를 전망이다.