데이터 홍수의 시대에 살고 있는 21세기의 정보처리는 기하급수적인 데이터 처리량, 빠른 연산 속도의 요구 및 동영상과 같은 대용량 데이터의 지속적인 생산 등으로 그 처리 능력의 한계에 직면하고 있다. 기존의 전하를 저장하는 2진법 정보처리 방식의 한계를 극복하고 소비전력을 획기적으로 감소시키기 위해 다양한 방법을 활용한 다진법 정보처리 기반의 인공지능 반도체(neuromorphic hardware)에 관한 연구가 현재 활발히 진행 중에 있다. 본 고에서는 하드웨어 기반의 인공지능 반도체의 핵심이 되는 멤리스터(memristor) 에 대한 소개와 함께 개발되고 있는 멤리스터 후보군들에 대한 장단점을 살펴보고자 한다. 특히, 전원을 공급하지 않을 때에도 그 정보를 잃지 않는 비휘발성 메모리 기반의 멤리스터의 종류를 소개하고, 대표적으 로 가장 많은 연구가 이루어진 산화물 반도체 기반의 멤리스터와 최근 더욱 활발히 연구가 진행 중인 전자의 스핀 방향에 따른 저항 변화를 유도하는 스핀기반의 멤리스터의 연구 동향을 살펴보고자 한다. I. 서론 최근 반도체 분야에서는 제조부터 소재ㆍ부품ㆍ장비(소부장), 첨단장비, 팹리스(설계) 등 을 아우르는 반도체 제조 인프라 구축을 위해 정부와 민간이 손잡고 2030년까지 국내에 세계 최대의 반도체 공급망을 구축하겠다는 “K-반도체 벨트” 사업이 화두로 떠오르고 있다. 이러한 대규모 사업을 통해 대한민국의 주력 수출 상품인 메모리 반도체 분야의 초격차를 유지하고 비메모리 반도체 분야의 기술 수준을 획기적으로 향상시키며 소재ㆍ부품ㆍ장비 분야의 국산화에 매진하겠다는 의미로 해석할 수 있다. * 본 내용은 김준서 선임연구원(☎ 053-785-6912, spin2mtj@dgist.ac.kr)에게 문의하시기 바랍니다. ** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다. 초저전력 인공지능 반도체 기술 동향 Chapter 01 기획시리즈-인공지능 반도체 정보통신기획평가원 3 K-반도체의 핵심 연구 분야 중 하나가 바로 차세대 지능형 반도체 또는 인공지능형 반도 체이며, 과학기술정보통신부와 산업통산자원부에서는 2020년부터 2029년까지 10년 간 총 사업비 1조 5,000억 원(국고: 1조 2,471억, 민자: 2,529억)을 투입하여 세계 최고 수준의 1 PELOPS, 1mW급 지능형 반도체 원천기술 확보(2030년 기준)를 목표로 차세대 지능형 반도체 기술개발사업을 시행하고 있다[1]. 가트너사의1) “하이프 사이클(Hype Cycle)”은 당사가 처음으로 도입한 개념으로서 기술 개발의 단계를 총 5단계(기술 촉발 단계 → 부풀려진 기대의 정점 단계 → 환멸 단계 → 계몽 단계 → 생산성 안정 단계)로 구분한다. [그림 1]은 가트너사가 발표한 2020년 인공지 능 분야의 하이프 사이클을 나타낸 것이다. 2020년 기준으로 다양한 종류의 인공지능 분야 기술들이 각 단계별 위치 및 생산성 안정화까지 걸리는 시간 예측을 볼 수 있다. [표 1]은 인공지능 하드웨어관련 기술들에 대한 하이프 사이클을 정리한 것이다[2].