[Abstract]

Deep artificial neural networks have provided breakthroughs in AI in the form of near-human levels of data perception in many problem domains. Neuromorphic computing aims to take this a step further – chips directly inspired by the form and function of biological neural circuits so they can process new knowledge, adapt, behave, and learn in real-time at extremely low power levels.  After several decades of research, this technology is now reaching maturity.  Today, leading neuromorphic research chips such as Intel’s Loihi have a growing body of results showing quantitative gains compared to conventional architectures.  This talk will share an overview of Loihi and results to date suggesting a roadmap of disruption spanning edge to data center computing applications.

2000년대에 들어 이루어지고 있는 AI 알고리즘의 혁신으로 인해 AI 기술은 세 번째 부흥기를 맞고 있다. 영상 인식과 음성 인식 분야 주요 Challenge에서 대폭의 성능 향상을 이룬 이후, 자연어 처리 분야에서 AI 모델의 크기가 폭발적으로 커지고 있다. 인간이 기록을 남기고 지식을 축적하는 자연어 처리 분야에서의 AI 성능 향상은 앞으로 더 많은 응용 분야에서의 혁신을 예고하고 있다. AI 기술의 혁신은 무어의 법칙 둔화로 성능 향상이 더디게 이루어지고 있는 프로세서나 메모리를 생산하는 HW 업체에 큰 기회이다. 코로나 판데믹으로 인한 대규모 컴퓨팅 자원의 급격한 수요 증가는 포스트 판데믹 시대에도 여전히 큰 힘을 발휘할 전망이다. 본 강연을 통하여, Datacenter, Mobile 및 IoT 분야에서 AI 반도체에 어떠한 기회 요인이 있는지를 살펴볼 것이다. 각 분야에서의 도전 과제에 대하여 알아보고 해결의 실마리가 될 수 있는 사례들을 통하여 AI 반도체의 미래를 조망해 본다.

검색을 비롯한 다양한 온라인 서비스를 제공하는 네이버가 다양한 기술 플랫폼 영역에 도전하고 있으며 인공지능 기술과 플랫폼에도 많은 투자를 하고 있습니다. 우리 생활과 산업에 적용되는 여러 인공지능 기술 활용 서비스와 솔루션들은 결국은 데이터센터에서 운영되므로 인공지능 반도체의 커다란 수요 중의 한 축은 클라우드 서비스 사업자라고 할 수 있습니다. 네이버 클라우드는 춘천 각 데이터센터와 세종 각 데이터센터를 비롯해 국내 최대의 IT인프라를 운영하며 다양한 내부의 기술들을 퍼블릭 클라우드에서 서비스 형태 제공하는 B2B 사업을 하고 있습니다. 인공지능 기반 서비스를 위한 인프라와 플랫폼 환경을 제공하는 역할인 퍼블릭 클라우드 서비스 사업자의 입장에서 인공지능 반도체를 비롯한 하드웨어와 소프트웨어에 대한 관점은 무엇이며, 네이버 온라인 서비스에 적용할 인공지능 기술을 개발한다는 직접적인 사용 용도 보다도 더 범위가 넓은 클라우드 서비스 상품으로써의 인공지능 하드웨어 사용 용도를 가지고 있으며, 이에 대한 국내 인공지능 반도체 업계에 대한 기대감에 대해 말씀드리고자 합니다.

개회사(정덕균 회장, 반도체 공학회)
개회사(박영준 의장 지능형반도체 포럼)
환영사 (김형준 단장, 차세대지능형반도체 사업단장)
축사 (송규철 인공지능산업팀장, 과기정통부 )

정부는 10월 12일 국무총리 주재 제13회 과학기술관계장관회의를 개최하고, 인공지능(AI) 강국 실현을 위한 ‘인공지능(AI) 반도체 산업 발전전략’을 관계부처 합동으로 발표했다. 본 강연에서는 발표된 인공지능 반도체 산업 발전 전략에 대해 소개하고자 한다.

기존 컴퓨팅 방법은 메모리에 저장된 대용량의 데이터를 처리하는 데에 불리한 점이 있기 때문에 이를 해결하는 새로운 컴퓨팅 패러다임이 연구되고 있다. 그 중에서 최근 학계 및 산업계의 주목을 받는 방법은 메모리 안에서, 혹은 메모리 근처에서 계산을 할 수 있도록 메모리 구조를 개선하는 기술인 프로세싱 인 메모리(Processing-in-Memory; PIM)이다. PIM은 메모리에서 CPU까지 데이터를 가져오는 대신 메모리 안에서 데이터를 처리하기 때문에 기존 시스템과 달리 CPU와 메인 메모리 사이의 대역폭 제한에 영향을 받지 않고 성능을 높일 수 있다. 또한 메모리 안에서 계산을 수행할 경우 데이터를 CPU까지 가져올 필요가 없기 때문에 데이터 이동에 소모되는 에너지 또한 크게 줄일 수 있다. 본 강연에서는 PIM 인공지능반도체 필요성 및 정부에서 기획하고자 하는 사업방향에 대해서 간략히 설명하고자 한다.

자동차와 ICT 기기의 시스템의 SW 구조와 차이점을 파악보고, 자동차 전장 시스템을 구성하는 IVN의 구조와 향후 기술의 발전 로드맵을 살펴보았다. 자율주행자동차의 AP 역할을 담당하는 인공지능 반도체 경쟁을 주도하는 글로벌 기업들의 기술 로드맵을 살펴보았다.

서울대학교 전기정보공학부에서는 2020년 3월부터 인공지능반도체공학 연합전공을 운영 중이며, 전기정보를 전공하지 않는 학부생 80명을 매년 선발하여 인공지능반도체 분야를 교육한다. 단기간에 해당 분야 필요한 지식을 습득하기 위해서는 정규 교과목 뿐만 아니라 온라인 강좌, 하계/동계 단기 강좌를 통하여 자발적으로 학습할 수 있는 환경을 제공한다. 또한, 인턴 프로그램 및 경진대회를 통하여 실습 및 실무 경험을 보충할 수 있도록 한다. 현재 이 연합전공은 서울대 내에서 많은 학생들이 지원을 하여 성공적으로 운영이 되고 있다. 서울대 연합전공을 다수의 대학으로 확대하여, 정규/비정규 교과과정 및 인턴/경진대회 프로그램을 다수 학교의 관련 분야 교수들 및 산업체 전문가들이 참여하고, 공동으로 운영함으로써, 인공지능 반도체 분야 인력을 신속히 그리고 대규모로 양성할 수 있을 것으로 기대된다.

(1) 1:30~1:45: “CMOS Compatible Memory Devices for In-Memory Computing”, 초청논문, 국민대, 배종호교수
(2) 1:45~2:00: “Monolithic three-dimensional CMOS-NEM Reconfigurable Logic for Island-style Operation”, 서강대학교, 권혁수
(3) 2:00~2:15: “Analysis of Hot Carrier injection in Tunnel Field Effect Transistors”, 서강대학교, 우재승
(4) 2:15~2:30: “PN 접합을 활용한 2단자 랜덤 액세스 메모리”, 포항공과대학교, 김향우
(5) 2:30~2:45: “플라즈마 기반 선택적 GaN 식각 공정에 따른 p-GaN/AlGaN/GaN 이종접합의 표면 손상 회복을 위한 열처리 공정 연구”, 홍익대, 김태현
(6) 2:45~3:00: “TiN 게이트를 사용한 P-GaN/AlGaN/GaN 이종 접합 트랜지스터의 Post-Metallization Annealing 온도에 따른 드레인 전류 특성 개선 연구”, 홍익대학교, 임준혁

(1) 1:30~1:45: “Modeling of Digital Low Dropout Regulator Using Xmodel”, 서울대학교, 김지희
(2) 1:45~2:00: “VCO Temperature Shift Compensation Method”, 성균관대학교, 김백환
(3) 2:00~2:15: “A Design of Ultra Low Power 200 kS/s 12-bit SAR ADC with Single / Differential-ended Hybrid mode”, 성균관대학교, 최대영
(4) 2:15~2:30: “60GHz 대역 40nm CMOS 위상배열 빔포밍 집적회로 설계 “, 광운대학교, 이진호
(5) 2:30~2:45: “구리 질화물을 이용한 3D 패키징의 저온 구리 본딩 연구”, 서울과학기술대학교, 박해성
(6) 2:45~3:00: 초청논문, 서울과기대, 남재원

(1) 13:30∼14:00(30분): 발표 제목: 데이터 중심 서버향 고성능 인공지능 컴퓨팅 플랫폼, 발표자: 정무경 팀장, SK텔레콤
발표 요약:
급속한 인공지능 기술의 발전으로 인공지능 서비스뿐 아니라 거의 전 산업 분야에서 인공지능 알고리즘을 이미 활용하고 있다. 이에 따라 매우 복잡한 인공지능 연산을 수행하기 위한 인공지능 반도체 기술의 발전 속도가 매우 빠르며, 시장 규모도 급격한 성장세를 보이고 있다. 특히 클라우스 서비스의 보편화에 따라 데이터센터에서의 고품질, 고성능 인공지능 연산이 강조되고 있다. 본 발표에서는 인공지능 반도체 기술 및 시장동향에 대해서 간략히 살펴보고 ‘차세대지능형반도체’ 사업 내 서버 과제의 기술 개발 계획 및 추진 체계를 설명한다. 또한 국내 인공지능 반도체 기술 기반을 마련하고자 추진되는 인공지능 반도체 개발 플랫폼과 이를 활용할 수 있도록 지원 방법을 설명한다.

(2) 14:00∼14:30(30분): 모바일 인공지능 프로세서 및 플랫폼 기술 개발, 발표자: 이장규 대표, 텔레칩스
발표 요약:
클라우드 서버를 통한 인공지능 지원을 위해서는 많은 네트웍 트래픽과 실시간 환경 대응에 대한 제약 때문에 모바일단에서의 인공지능 프로세서의 요구와 시장 그 시장 규모는 빠른 속도로 성장하고 있다. 모바일 분야에서의 인공지능 기술의 핵심 요소는 최적화된 고성능의 연산 능력뿐만 아니라 저전력, 소형화 그리고 다양한 응용에 필요한 복합 센서를 지원하고 그 위에서 동작하는 경쟁력 있는 알고리즘에 있다. 본 프로젝트는 목표는 이를 지원할 수 있는 성능 별로 구분하여 최적화된 모바일 프로세서 개발과 단말단에서 자가 학습을 지원하는 프로세서를 개발하고 이를 통합 제어하는 플랫폼 SoC를 함께 개발하여 통합 응용을 및 실질적 사업화를 극대화 할 수 있도록 하는 것이다.

(3) 14:30~15:00(30분): 엣지 인공지능 프로세서 플랫폼 기술, 발표자 정회인 전무 (연구소장), 넥스트칩
발표 요약:
최근 IoT 기기의 확산으로 인해 기기-서버간 데이터 통신량이 폭증하며 클라우드 컴퓨팅의 기술적한계를 극복하기 위해 엣지 컴퓨팅 기술이 주목받고 있으며, 이러한 IoT 기기에서도 인공지능 SW를 처리할 수 있는 AI일체형 반도체 시장이 점차 확산되고 있다. 이를 구현하기 위해 초고속, 초저전력, 고신뢰도(고정확도), 센서융합, 고효율 등의 엣지용 인공지능 반도체 개발 요구사항 이 증대되고 있는 상황이다.
한편, AI-반도체 생태계가 세계 유수 기업 중심의 적극적인 투자가 이루어지고 있어 국내 팹리스 기업의 경쟁력 확보를 지원할 수 있는 방안으로 최적의 엣지컴퓨팅 AI 프로세서를 빠르게 적용하고 솔루션화 할 수 있도록 플랫폼화와 오픈화를 통해 “유연한 하드웨어 구조”를 갖춘 딥러닝 가속기 및 개방형 플랫폼이 필요하며 이를 제공할 생태계 구축이 절실한 상황이다.
이러한 엣지 인공지능 반도체 개발을 위해 넥스트칩(총괄/1세부), ETRI(2세부), 오픈엣지(3세부), 딥엑스(4세부)등이 세부 주관기관 역할을 맡고, 세미파이브, KETI, 서울대 등 총 17개 기관이 참여한 컨소시엄이 5년간 총 417억원을 투입하여 영상보안·음향기기·생체인증보안기기 등 IoT 디바이스에 활용 가능한 다양한 AI 반도체(NPU)를 개발한다.
본 발표에서는 상기 엣지 인공지능 반도체 플랫폼 개발 관련 전체 과제 소개 및 향후 개발 계획, 일정 등을 소개한다.

(4) 15:00∼15:30(30분): 인메모리 특화 프로세서 기술 개발, 발표자: 한진호 실장, 한국전자통신연구원
발표 요약:
MRAM 등의 비휘발성메모리(NVM)와 연산 로직이 통합된 인메모리 프로세서로 활용할 수 있는 인공신경망 하드웨어와 관련 소프트웨어 개발을 목표로 하고 있으며, 지능정보 서비스를 위해 뉴럴 네트워크 알고리즘에서 요구하는 연산량을 만족시키기 위해서는 많은 전력량이 요구되고 있기에 연산량 대비 전력소모를 줄이려는 노력이 필요하기에 로직과 메모리 간의 데이터 이동에 따른 오버헤드를 줄이고 메모리 가까이에서 대규모 병렬 처리를 가능하게 하여 인공신경망의 연산 성능을 극대화하는 하드웨어와 소트프웨어 연구 내용을 소개한다.

(1) 3:15~3:30: “Statistical Circuit Analysis Using Machine/Deep Learning Algorithms”, 초청논문, 포항공대, 권현정 박사
(2) 3:30~3:45: “Fault Tolerant Deep Learning Accelerator based on Fault-Scoring Algorithm”, 이화여대, 박선영
(3) 3:45~4:00: “Security-Enhanced DMA Controller with Word-wise CRC Calculation”, 이화여대, 김소현
(4) 4:00~4:15: “Automatic Meter Reading System using Llightweight AI Algorithm”, 대구대학교, Akshay Kumar Sharma
(5) 4:15~4:30: “임베디드 인공지능 시스템을 이용한 지능형 교통 시스템을 위한 차량 번호판 인식”, 서울과학기술대학교, 정영우
(6) 4:30~4:45: “딥러닝 가속기를 고려한 ONNX 모델 최적화 “, 한국전자통신연구원, 여준기

(1) 3:15~3:30: “1.56 ps-Resolution Wide Range Current-Mode Phase Interpolator for Memory Interface”, 서울대학교, 박정훈
(2) 3:30~3:45: “Design of TDC-PFD in DDR5 RCD application”, 서울대학교, 송영근
(3) 3:45~4:00: “Ultra-Low power Power-on-Reset to control Power Management Units of a 90 nm SOI CMOS process”, 성균관대학교-윤상희
(4) 4:00~4:15: “지능형 반도체 특성 평가를 위한 On-Chip 펄스 TEG”, 충남대학교, 최현웅
(5) 4:15~4:30: “Single-inductor Bipolar-output Converter for AMOLED Display”, 초청논문, 숙명여자대학교, 홍성완 교수

제목: 인공지능반도체 생태계 활성화
패널 좌장: 류수정 교수 (서울대학교)
패널 연사: 이장규 대표(텔레칩스) / 정회인 연구소장(넥스트칩)/정무경 팀장(SKT)/권영수 본부장(ETRI)/이혁재 교수 (서울대학교)/오윤재 PM (IITP, 과학기술정통부)