원자 두께 메모리, 엣지 AI 핵심 기술 부상
2D 소재 기반 초저전력 AI 반도체…실리콘 한계 극복
인공지능(AI) 기술이 고도화되면서 이를 뒷받침할 반도체 기술 역시 중대한 전환점에 서 있다. 연산 성능을 무작정 높이기보다, 얼마나 적은 에너지로 얼마나 빠르게 데이터를 처리할 수 있는 지가 차세대 AI 하드웨어 경쟁의 핵심으로 떠오른 가운데, 실리콘의 물리적 한계를 넘어서는 새로운 접근법이 등장했다.
홍콩대, 중국 푸단대, 싱가포르 국립대 공동 연구진은 최근 차세대 2차원(2D) 소재인 이황화몰리브덴(MoS₂)을 활용해 초저전력 AI 반도체 구현 가능성을 입증했다. 기존 실리콘 기반 반도체로는 해결이 어려웠던 에너지 효율과 속도 문제를 동시에 극복한 성과로, AI 반도체 패러다임의 변화를 예고하고 있다.
현재 AI 하드웨어가 직면한 가장 큰 문제는 ‘데이터 이동’에서 발생한다. 메모리와 프로세서가 분리된 구조에서는 연산 과정마다 방대한 데이터가 오가며, 이로 인해 전력 소모가 급증하고 처리 지연이 발생한다. AI 모델이 커질수록 이 병목 현상은 더욱 심각해진다.
이를 해결하기 위한 대안으로 주목받아온 기술이 내용 주소화 메모리(CAM, Content-Addressable Memory)다. CAM은 데이터를 주소가 아닌 ‘내용’으로 즉시 검색·비교할 수 있어 일종의 하드웨어 검색 엔진으로 불린다. 그러나 기존 실리콘 트랜지스터 기반 CAM은 전력 누수와 성능 저하 문제로 인해 AI 응용에는 한계가 뚜렷했다.
연구진이 선택한 해법은 실리콘을 과감히 벗어나는 것이었다. 원자 수준으로 얇은 2D 소재인 이황화몰리브덴은 이론적으로 뛰어난 전기적 특성을 지녔지만, 실제 소자로 구현할 경우 접촉 저항과 계면 손실 문제로 성능이 제한돼 왔다. 그동안 ‘미래 유망 기술’로만 언급됐던 이유다.
이번 연구의 핵심은 이러한 난제를 정면으로 돌파했다는 점이다. 연구진은 준금속인 안티모니(Sb)를 접합 소재로 활용하고, 저온 패시베이션 기술을 적용해 MoS₂ 고유의 물성을 유지하는 데 성공했다. 그 결과, 기존 반도체에서는 구현하기 어려웠던 성능 지표들이 실험적으로 확인됐다.
| 구분 | 실리콘 기반 CAM | 2D 소재(MoS₂) 기반 CAM |
| 에너지 효율 | 전력 누수 높음 | 초저전력 (0.1fJ/cell 미만) |
| 처리 속도 | 물리적 한계에 직면 | 초고속 (36ps 지연 시간) |
| AI 적합성 | 연산-메모리 분리로 병목 발생 | 인메모리 컴퓨팅 최적화 |
| 미래 전략 | 공정 미세화 한계 | 3D 수직 적층 가능성 확보 |
해당 소자는 ON과 OFF 상태를 구분하는 비율이 10억 배를 넘었으며, 데이터 검색 지연 시간은 36피코초(ps)에 불과했다. 특히 셀당 에너지 소모량이 0.1펨토줄(fJ) 미만으로 측정되면서, 초저전력 AI 반도체의 가능성을 현실 수준으로 끌어올렸다는 평가를 받고 있다.
이번 성과가 주목받는 이유는 단순한 소자 성능을 넘어, 인메모리 컴퓨팅(In-Memory Computing) 환경에서 실제 기계학습 알고리즘을 구동할 수 있음을 입증했다는 데 있다. 이는 데이터를 클라우드 서버로 보내지 않고 기기 내부에서 직접 AI 연산을 수행하는 ‘엣지 AI’ 시대에 결정적인 전환점이 될 수 있다.
스마트폰과 웨어러블 기기, 실시간 판단이 요구되는 자율주행 센서, 외부 통신 없이 보안이 유지돼야 하는 로컬 AI 시스템 등에서 초저전력·초저지연 반도체 수요는 빠르게 증가하고 있다. 이번 2D 소재 기반 기술은 이러한 요구에 가장 근접한 해법으로 평가된다.
연구진은 여기서 한 걸음 더 나아간다는 계획이다. 공동 저자인 칸 리(Can Li) 박사는 “이번 연구는 2D 소자의 잠재력을 본격적으로 해방시킨 출발점”이라며, “향후 이 소자들을 수직으로 적층하는 3D 통합 기술을 통해 데이터 밀도를 극대화하고, 차세대 컴퓨팅 아키텍처를 완성할 것”이라고 밝혔다.
이번 연구 결과는 세계적인 과학 저널인 ‘네이처 나노테크놀로지(Nature Nanotechnology)’에 게재됐다.








