- 케임브리지대학 연구팀이 하프늄 산화물 기반 멤리스터로 AI 에너지 소비 최대 70% 절감 달성
- 기존 칩의 100만 분의 1 수준 스위칭 전류로 작동하는 초저전력 소자
- 수백 개의 안정적 전도도 레벨로 아날로그 인메모리 컴퓨팅 구현
- Science Advances 논문 발표 – 상용화 시 데이터센터 전력 문제의 판도를 바꿀 기술
AI가 똑똑해질수록 전기 먹는 하마가 되고 있다. GPT-5급 모델 한 번 학습에 원자력 발전소 한 기가 수일간 돌아가야 한다는 추산까지 나온다. 그런데 케임브리지대학 연구팀이 인간의 뇌에서 직접 영감을 얻어, AI 전력 소비를 70%까지 깎아내는 나노 소자를 만들어냈다. 핵심은 ‘멤리스터’라는 부품이다.
멤리스터가 뭐길래
데이터를 옮기지 않고 그 자리에서 계산한다
현재 컴퓨터는 ‘폰 노이만 구조’를 따른다. 메모리에 저장된 데이터를 프로세서로 가져와 계산하고, 결과를 다시 메모리에 쓴다. 이 왕복 과정에서 에너지의 상당 부분이 낭비된다. 이른바 ‘메모리 벽(Memory Wall)’ 문제다.
멤리스터(Memristor)는 이 구조를 완전히 뒤집는다. ‘메모리(Memory)’와 ‘레지스터(Resistor)’의 합성어인 이 소자는, 데이터를 저장하면서 동시에 연산까지 수행한다. 마치 인간의 뇌에서 시냅스가 정보를 저장하면서 동시에 신호를 처리하는 것과 같은 원리다.
Trend Insight — 뉴로모픽 컴퓨팅은 단순한 ‘차세대 칩’ 이야기가 아니다. AI 산업의 전력 소비가 2027년까지 아일랜드 한 나라 수준에 도달할 것이라는 IEA 전망이 나온 상황에서, 연산 구조 자체를 바꾸는 접근은 산업 전체의 지속가능성과 직결된다.
케임브리지의 돌파구: 하프늄 산화물
기존 멤리스터의 치명적 약점을 해결했다
멤리스터 개념 자체는 새로운 게 아니다. 문제는 안정성이었다. 기존 산화물 기반 멤리스터는 내부에 ‘필라멘트’라는 미세한 전도 경로가 형성되고 끊어지는 방식으로 작동하는데, 이 과정이 예측 불가능하고 소자마다 편차가 컸다.
케임브리지대학의 바박 바크히트(Babak Bakhit) 박사 연구팀은 하프늄 산화물(HfO2)에 스트론튬과 티타늄을 첨가하고, 2단계 성장 공정을 적용했다. 이렇게 만든 박막은 층 사이 계면에 ‘p-n 접합’이라는 정교한 전자 게이트를 형성한다. 필라멘트에 의존하는 대신, 계면의 에너지 장벽을 조절해 저항을 바꾸는 방식이다.
숫자로 보는 성능
결과는 놀라웠다. 이 하프늄 기반 소자의 스위칭 전류는 기존 산화물 소자 대비 약 100만 분의 1 수준이다. 또한 수백 개의 구분 가능하고 안정적인 전도도 레벨을 생성할 수 있어, 아날로그 방식의 ‘인메모리 컴퓨팅’을 실현할 핵심 조건을 충족한다. 연구팀은 이 기술이 적용되면 AI 하드웨어의 에너지 소비를 최대 70%까지 줄일 수 있다고 추산했다.
Trend Insight — 하프늄 산화물은 이미 반도체 업계에서 널리 쓰이는 소재다. 완전히 새로운 물질이 아니라 기존 제조 라인과의 호환성이 높다는 뜻이고, 이는 상용화까지의 거리가 다른 차세대 소재보다 훨씬 짧을 수 있음을 시사한다.
왜 지금 이게 중요한가
AI 전력 위기는 이미 현실이다
2026년 현재, 글로벌 데이터센터 전력 소비는 전 세계 전력 생산의 4%를 넘어섰다. NVIDIA의 최신 GPU 한 대가 소비하는 전력은 일반 가정 3~4가구의 월간 사용량과 맞먹는다. OpenAI, Google, Anthropic 등 AI 기업들이 원자력 발전소 계약에 나서는 이유가 여기에 있다.
이런 상황에서 연산 효율을 근본적으로 개선하는 뉴로모픽 기술은 단순한 학술 연구가 아니라, AI 산업의 병목을 풀 수 있는 실질적 해법이 된다. 특히 엣지 디바이스(스마트폰, IoT 기기, 자율주행차 등)에서 AI를 돌려야 하는 수요가 폭발하면서, 저전력 AI 칩의 가치는 더욱 커지고 있다.
경쟁 지형도 달라진다
Intel, Samsung, TSMC 등 주요 반도체 기업들이 이미 뉴로모픽 연구에 투자하고 있다. Intel의 Loihi 2 칩, IBM의 NorthPole 프로세서가 대표적이다. 케임브리지의 이번 연구는 소재 수준에서의 돌파구라는 점에서, 기존 칩 설계 위에 적용 가능한 범용 기술로 확장될 잠재력이 크다.
Trend Insight — AI 모델의 크기와 성능을 키우는 ‘스케일링’ 경쟁만큼이나, 같은 성능을 더 적은 자원으로 달성하는 ‘효율화’ 경쟁이 2026년 AI 산업의 핵심 축으로 부상하고 있다. 소프트웨어(양자화, 증류)와 하드웨어(뉴로모픽) 양면에서 동시에 진행 중이다.
관련 글
출처
- University of Cambridge – New computer chip material inspired by the human brain could slash AI energy use
- ScienceDaily – This new brain-like chip could slash AI energy use by 70%
- Interesting Engineering – Scientists develop brain-inspired chip for more efficient AI hardware
AI Biz Insider · AI 트렌드 · aibizinsider.com
댓글 남기기