김형진 신소재공학부 교수 연구팀이 초저전력 인메모리 인공지능(AI) 연산을 구현할 수 있는 차세대 메모리 반도체 기술을 개발했다. 이번 연구 성과는 반도체 소자 분야 최고 권위 학술대회인 국제전자소자학회(International Electron Devices Meeting, IEDM 2025)에서 지난달 10일 발표됐다. 

현행 컴퓨팅 시스템은 메모리와 처리 장치가 분리돼 있어 데이터를 주고받는 과정에서 시간과 에너지 소모가 크다. 특히 대규모 데이터 처리가 필수적인 AI 연산에서는 이러한 비효율이 더 두드러진다. 이에 메모리 내부에서 직접 연산을 수행하는 ‘인메모리 컴퓨팅 기술’이 대안으로 주목받고 있다. 그러나 기존 NAND 플래시는 직렬 트랜지스터 구조와 저항 기반 읽기 방식으로 인해 정적 전력 소모가 크고, AI 연산의 핵심인 벡터-행렬 곱 수행에 어려움이 있었다. 

김 교수는 “이를 극복하기 위해 저항이 아닌 전하(charge)를 연산 물리량으로 사용하는 멤커패시터(memcapacitor) 구조를 도입했다”고 설명했다. 이어 “이 방식은 정적 전력 소모가 거의 없고 NAND 플래시 구조를 병렬연결로 치환할 수 있어 대규모 어레이(array)에서 벡터-행렬 곱 연산을 안정적으로 구현할 수 있었다”고 덧붙였다. 

연구팀은 트랜지스터 대신 강유전체(HfZrO₂) 기반 커패시터를 활용해 데이터 저장과 연산을 하나의 구조 안에서 동시에 수행할 수 있는 멤커패시터 어레이를 제작했다. 김 교수는 “HfZrO₂는 CMOS 및 3D NAND 공정과의 높은 호환성, 높은 유전율과 강유전 특성에 따른 큰 메모리 윈도우, 수직 적층에 유리한 박막 특성을 동시에 갖고 있다”며 “이를 적용해 다중비트 저장과 안정적인 아날로그 연산이 가능했다”고 밝혔다. 

이번 연구에서는 48×24 규모의 멤커패시터 어레이에서 4비트 멀티레벨 저장을 구현했다. 이를 실제 AI 연산에 적용한 결과 하드웨어 연산임에도 소프트웨어 기반 연산과 거의 동일한 성능이 확인됐다. 김 교수는 “하드웨어에서 구현되는 인메모리 컴퓨팅 기술이 AI 추론에 충분한 정확도를 제공할 수 있음을 실험적으로 보여주는 결과다”고 말했다. 

그는 “넓은 전하 메모리 윈도우 확보로 상태 간 분리가 명확했다"며 "읽기 시 강유전 분극이 변하지 않는 비파괴 전하 판독 방식과 4비트 멀티레벨 프로그래밍 기술이 결합해 소자 변동성과 노이즈 영향을 크게 줄였다"고 설명했다. 이어 “이 점이 소프트웨어와 유사한 성능을 확보하는 데 크게 기여했다”고 덧붙였다. 

특히 이번 메모리 반도체 기술은 기존 3D NAND 플래시 메모리와 동일한 단위 셀 구조를 기반으로 제작됐다. 김 교수는 “3D NAND 플래시와 동일한 4F² 셀 구조와 스트링 기반 구조를 채택했다"며 "기존 생산 라인을 크게 변경하지 않고 공정 장비와 설계 인프라를 그대로 활용할 수 있다"고 말했다. 이어 "이는 양산 전환 시 기술 장벽을 획기적으로 낮출 수 있다는 점에서 매우 중요하다”고 강조했다.  

연구 과정에서 가장 큰 난관은 대규모 어레이에서의 균일성과 읽기 안정성 확보였다. 김 교수는 “이를 해결하기 위해 폴리실리콘 전극의 도핑 구조를 설계해 메모리 윈도우를 높이면서도 전극 저항을 낮추는 전략을 선택했다”고 말했다. 

상용화 가능성에 대해서도 구체적인 전망을 내놨다. 김 교수는 “초기에는 엣지 AI 및 모바일 기기에 활용될 가능성이 가장 높다”며 “스마트폰, 웨어러블, IoT 기기처럼 배터리 제약이 크고 실시간 AI 연산이 필요한 환경에서 초저전력 인메모리 AI 기술의 장점이 즉각적으로 드러날 수 있다”고 말했다. 

초저전력 인메모리 AI가 본격 도입될 경우 AI 반도체 시장의 경쟁 구도 역시 변화할 것으로 전망했다. 그는 “현재 AI 반도체는 연산 성능 향상에 따른 전력 소모 증가가 가장 큰 병목이다”며 “초저전력 인메모리 AI가 도입되면 ‘얼마나 빠른가’ 중심의 경쟁에서 ‘얼마나 적은 에너지로 연산하는가’ 중심으로 패러다임 전환이 일어날 것으로 기대한다”고 말했다.  

마지막으로 김 교수는 “3차원 수직 적층 어레이의 실제 검증, 더 큰 대규모 어레이 기반 AI 모델 구현, 시스템 레벨에서의 초저전력 AI 가속기 통합을 목표로 연구를 확장할 계획이다”고 밝혔다.