AI 기반 금속 표면 가상 제조 기술 개발 및 반도체 기술

AI 기술의 혁신

  인공지능(AI)은 현대 기술의 핵심 축으로 자리잡으며 그 발전 속도가 날로 빨라지고 있다. AI의 응용 범위는 자율주행, 뉴로모픽 반도체, 금속표면 가상 제조 기술 등 다양한 분야에 걸쳐 있어 더욱 광범해지고 있다. 본 기사에서는 AI 기술의 주요 응용 분야와 이에 관련된 최신 기술들을 살펴보려 한다.

 

1.   UNIST, AI 기반 금속 표면 가상 제조 기술 개발

▲ 조건부 적대적 생성 신경망을 활용한 공정 변수에 따른 표면 예측 개략도

(a) 인공지능을 활용해 결과물을 사전 예측 후 최적화된 공정 변수를 활용한 프린팅 모사도 (b) 조건부 적대적 생성 신경망을 활용한 가상 표면 생성 과정/ UNIST 제공

 

  UNIST 기계공학과 정임두 교수팀이 인공지능(AI)을 활용하여 ‘금속 공정 조건에 따라 예상되는 금속 표면 3D 형상’을 가상으로 제조하는 혁신적인 기술을 개발했다. 이 기술은 DED 공정의 핵심 변수인 레이저 출력, 분말 분사 속도, 스캔 속도 등을 기반으로 한 표면 스캔 이미지를 학습하여, 임의의 공정 입력에 대해 신속하게 가상의 3D 표면 이미지를 생성한다. 연구 결과, 이 AI 기술은 다양한 공정 조건에 따라 예상되는 금속 표면을 수초 만에 정확히 만들어내며, 실제 제조된 금속 표면의 특성과도 잘 일치한다. 특히 ‘직접 에너지 적층(Direct Energy Deposition, DED) 공정’을 사용하여 대형 금속 부품의 제조와 파손 부품의 복원을 지원하며, 복잡한 제조 공정을 단순화하고 비용을 절감할 것으로 기대된다. 정임두 교수는 “제조업에서는 작업자의 숙련도에 따라 품질이 크게 달라질 수 있으며, 숙련된 작업자의 부재 시에는 운영에 차질이 발생할 수 있다. 이번에 개발한 가상 제조 AI와 같은 기술이 발전함에 따라, 공정 작업자에 따른 품질 편차를 줄이고 디지털화를 통한 생산성 향상에 기여할 수 있을 것입니다”라고 밝혔다.

 

 기술의 필요성과 도전 과제

  DED 공정은 높은 강도와 연신율을 제공하는 한편, 금속 표면의 특성 제어가 어려운 문제를 안고 있다. 특히, 전문가가 아닌 비숙련자가 특정 표면 형상을 얻기 어려워 공정 개발 비용이 상승하는 상황이 발생한다. 고가의 소재인 티타늄을 사용하는 경우, 공정 개발 단계에서의 비용은 더욱 커지기 마련이다. 따라서 이러한 측면을 보완해 나가는 것이 앞으로의 도전과제이다.   

 

2. AI 기반 반도체 주요 응용 분야

  AI 기술은 클라우드 컴퓨팅과 엣지 컴퓨팅 두 가지 주요 분야에서 활발히 활용되고 있다. 클라우드 컴퓨팅은 대량의 데이터를 중앙 서버에서 처리하는 방식으로, 데이터 저장과 처리의 유연성을 제공하지만, 실시간 처리에는 한계가 있다. 이에 비해 엣지 컴퓨팅은 데이터를 생성한 장치 가까이에서 직접 처리하여 지연 시간을 줄이고 실시간 처리를 가능하게 한다. 자율주행 차량의 경우, 엣지 컴퓨팅을 통해 대량의 이미지를 신속하게 분석하고 자율 주행 결정을 내릴 수 있다.

엣지 컴퓨팅의 핵심은 AI 칩에 있다. 예를 들어, 합성곱 신경망(CNN)을 사용하는 AI 칩은 이미지 데이터를 압축하고, 이를 기반으로 영상 분류 및 객체 탐지를 수행한다. 이 과정에서 필터를 통해 데이터의 크기를 줄이고, 최적의 인식 결과를 도출한다. 이러한 기술은 자율주행 차량뿐만 아니라 스마트 시티, 산업 자동화 등 다양한 분야에서 적용되고 있다.

 

3. AI 칩과 메모리 반도체

  AI 칩의 발전은 대규모 신경망(Deep Neural Network, DNN) 처리와 밀접하게 관련되어 있다. DNN의 가중치(Weight)가 증가함에 따라, 외부 DRAM에서 가중치를 읽어와 프로세서에서 사용하는 방식이 필요하다. 효율적인 데이터 처리를 위해 병렬 처리와 배치 방식이 활용되고 있으며, 이는 대규모 데이터의 신속한 처리를 가능하게 한다.

프로세서의 연결 구조는 성능에 큰 영향을 미칩니다. 예를 들어, NVIDIA의 A100 GPU는 NVLink 3.0을 사용하여 고속 연결을 지원하며, Google TPU v2는 496GBps의 대역폭을 제공하는 ICI(Interconnect) 기술을 활용한다. 이러한 기술들은 대규모 데이터 처리의 성능을 극대화하여 AI 기술의 실용성을 높이고 있다.

 

4. 뉴로모픽 반도체의 발전

뇌 신경 네트워크의 시냅스 작동 방식을 모사한 트랜지스터 모습/연세대 제공

  뉴로모픽 반도체는 인간의 신경망을 모방하여 설계된 AI 칩으로, 아날로그 방식으로 데이터를 처리한다. 이는 매우 낮은 전력으로 많은 정보를 처리할 수 있는 장점을 가지고 있지만, 프로그래밍 가능성은 상대적으로 낮다. 뉴로모픽 칩은 IoT 센서와 같은 엣지 컴퓨팅 분야에서 유용하게 활용되고 있으며, 실시간 처리와 전력 효율을 중시하는 응용 분야에서 강점을 보이고 있다.

 

  IBM의 '트루노스(TrueNorth)'와 같은 디지털 형태의 뉴로모픽 칩도 연구되고 있지만, 현재로서는 확장성의 문제로 인해 실제 응용 분야는 제한적이다. 그러나 향후 기술 발전에 따라 이러한 칩들이 더 넓은 범위의 응용 분야에 적용될 가능성도 있다.

 

5. AI 칩의 발전 방향과 시장 전망

  AI 칩의 발전은 클라우드와 엣지 컴퓨팅을 넘어서, 메모리 반도체와 AI 전용 하드웨어로 확장되고 있다. 예를 들어, SK하이닉스는 PIM(Processing-In-Memory) 기술을 적용한 'GDDR6-AiM'을 개발하여 AI와 빅데이터 처리에서 데이터 접근의 정체 문제를 해결하고 있다. 이 기술은 메모리와 프로세서가 하나의 칩에 통합되어 데이터 접근 속도를 획기적으로 개선한다.

미래의 AI 칩은 높은 성능과 낮은 전력 소모를 동시에 만족해야 하며, 이를 위해 새로운 신경망 구조와 메모리 접근 방식을 연구할 필요가 있다. 특히 PIM과 아날로그 메모리를 활용한 뉴로모픽 방식은 중요한 연구 주제로 떠오르고 있으며, 이러한 기술들이 상용화될 경우 AI 기술의 발전에 큰 기여를 할 것으로 기대된다.

AI 기술은 계속해서 발전하고 있으며, 이를 뒷받침하는 하드웨어의 혁신 또한 앞으로의 기술 발전에서 중요한 역할을 할 것이다. AI 칩의 성능과 전력 효율이 경쟁력을 결정짓는 중요한 요소로 작용하며, 기술의 발전 방향에 따라 새로운 가능성들이 열릴 것이다.

 

<참고자료>

UNIST 기계공학과 정임두 교수팀, 가상 금속 표면 제조 AI 기술 개발, e4ds news, 2022.11.21.

https://www.e4ds.com/sub_view.asp?ch=6&t=0&idx=15832

AI 기술의 다양한 응용 분야_AI 반도체의 현황과 미래전망, SK Hynix Newsroom, 2022.04.01.

https://news.skhynix.co.kr/post/various-applications-of-ai-technology

뉴로모픽 반도체, NAVER 지식백과

https://terms.naver.com/entry.naver?docId=5766746&cid=43667&categoryId=43667

인공지능 칩, 나무위키

https://namu.wiki/w/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5%20%EC%B9%A9