AI가 인간조차 상상하지 못한 무선 칩을 설계하고 있다

가독성과 미학적 요소에서 벗어나, AI는 더 빠르게 설계한다.

요약

• RFIC (Radio Frequency Integrated Circuit, 무선 주파수 집적 회로) 설계는 5G, 자율 주행 차량, 위성 통신과 같은 무선 기술의 발전을 제한하는 복잡한 "암흑 기술 (dark art)"이다.
• Princeton 연구진은 강화학습 (Reinforcement Learning)과 역설계 (Inverse Design)를 사용하여 무에서부터 RFIC를 빠르게 생성한다.
• 확산 모델 (Diffusion Models)은 새롭거나 인간이 해석 가능한 RF 레이아웃을 신속하게 생성하여, 기록적인 성능을 달성하고 설계 시간을 획기적으로 단축한다.
• 향후 발전을 위해서는 AI가 보편적인 전자기적 및 회로 동작을 학습할 수 있도록 대규모의 공유된 칩 설계 데이터셋과 개방형 생태계가 필요하다.

잠시 시간을 내어 지난 30년 동안의 무선 기술 발전이 없었던 삶을 상상해 보십시오.

짐을 잃어버리셨나요? AirTag가 발명되지 않았다니 정말 안타까운 일입니다. 항공사 직원은 업데이트 사항이 있으면 전화하겠다고 약속했으니, 저렴한 휴대전화가 없으므로 주방 전화기 옆에서 오래 기다릴 준비를 하십시오. 스트리밍 서비스가 없기 때문에 기다리는 동안 라디오에서 나오는 무엇이든 들어야 할 것입니다. 이는 수많은 영화 줄거리가 망가졌을 상황은 말할 것도 없습니다.

이것은 무선 기술이 여러분의 일상생활에 미치는 영향의 아주 작은 단면에 불과합니다. 무선 기술이 공급망, 인프라, 그리고 경제 운영 방식에 미친 영향은 세계를 변화시켰습니다.

우리의 모든 장치가 눈에 띄지 않게 정보를 송수신할 수 있게 해주는 RFIC (Radio Frequency Integrated Circuit, 무선 주파수 집적 회로) 없이는 이 중 어느 것도 불가능했을 것입니다.

이제 이 기술의 추가적인 진화가 무엇을 가져올지 상상해 보십시오. 광범위한 자율 주행 차량, 양자 통신 (Quantum Communications), 6G 모바일 서비스 및 위성 통신이 그것입니다. 지속적인 추진력은 오늘날의 RF 칩보다 더 새롭고 진보된 버전에 달려 있을 것입니다.

하지만 여기에 문제가 있습니다. 전 세계 컴퓨팅 칩 설계의 대부분은 하나의 독립된 과학 분야로 표준화된 반면, RF (Radio Frequency) 설계는 완고하게 예술의 영역으로 남아 있었습니다. 심지어 수년간의 경험을 통해서만 숙달될 수 있는 '흑마술 (dark art)'에 가깝습니다. 어떤 마법사라도 말해주듯, 흑마술은 그들만의 일정을 따릅니다. 그리고 그 일정은 RF 칩 설계뿐만 아니라 그에 의존하는 모든 다른 기술의 발전을 저해하고 있습니다.

약 7년 전, AlphaGo가 세계 바둑 챔피언 이세돌을 상대로 승리한 직후, 프린스턴 대학교의 제자들과 저는 궁금해하기 시작했습니다. 'AI도 이 기술(art)을 배울 수 있을까?' 최근의 성공 사례들은 상당 부분 그렇다는 것을 시사합니다. 지난 몇 년 동안 저희 연구 그룹과 이 분야의 다른 선두 주자들은 RFIC (Radio Frequency Integrated Circuit) 설계를 위한 머신러닝 (Machine Learning) 기반의 알고리즘 방법론을 개발하기 시작했습니다. 그 결과물 중 일부 칩은 회로 레이아웃 (circuit layout)이라기보다 현대 미술 작품처럼 보이기도 합니다. 하지만 많은 경우, 물리적 프로토타입 (physical prototype)은 성능 면에서 최첨단 회로들을 능가했습니다. 그러나 진정한 성과는 AI가 작동 가능한 설계를 구상하는 데 인간 설계자보다 수십 배(orders of magnitude) 적은 시간이 걸렸다는 점입니다.

이는 한두 개의 RF 칩에 국한된 문제가 아닙니다. AI 기반 설계는 모든 RF 설계의 미래가 될 수 있으며, 어쩌면 그 이상의 것이 될 수도 있습니다.

RFIC 설계의 흑마술

그렇다면 왜 이 칩들은 모두 수작업으로 제작되어야만 할까요? 왜 CPU나 GPU처럼 RFIC는 알고리즘 합성 (algorithmic synthesis) 프로세스로 설계되지 않는 것일까요?

RFIC 설계는 여러 물리적 영역을 가로지르는 공학적 연습입니다. 서로 다른 공간적, 시간적 규모에서 작동하는 맥스웰 방정식 (Maxwell’s equations)은 전자기장이 칩이 작동하기 위해 세심하게 공동 설계 (codesigned)되어야 하는 능동 및 수동 소자와 어떻게 상호작용하는지를 규정합니다. 이와 더불어 작동 중 열이 어떻게 생성되고 제거되는지를 결정하는 열역학 법칙 (laws of thermodynamics), 그리고 칩과 패키징이 온도 변화 속에서 얼마나 안정적으로 생존할지를 결정하는 열팽창 및 수축의 역학 (mechanics of thermal expansion and contraction)이 함께 작용합니다.

AI가 RFIC 설계를 단축할 수 있다

무선 주파수 집적 회로 (RFIC, radio-frequency integrated circuit) 설계에는 인간의 직관과 여러 번 반복되는 최적화 단계가 필요합니다. 맥스웰 방정식 (Maxwell’s Equations)에 대한 이해를 통해, AI가 이 과정을 단축 (short-circuit)하여 설계를 빠르게 생성하도록 학습시키는 것이 목표입니다.

이러한 방정식들이 부과하는 모든 물리적 제약 조건을 동시에 고려하는 것은 설계 공간 (design space)을 거의 불가능할 정도로 거대하게 만듭니다. 모든 결정에는 서로 충돌하는 복잡한 우선순위가 포함되어 있어, 그중 어느 하나도 최적화하는 것을 방해합니다.

문제를 더 잘 이해하기 위해 관련 단계들을 살펴보겠습니다. 이를 통해 왜 단 하나의 새로운 칩 설계에 수년의 시간과 수천만에서 수억 달러의 비용이 소요되는지 더 잘 이해하게 될 것입니다.

무선 주파수 집적 회로 면적의 대부분은 복잡한 전자기 구조 (electromagnetic structures)가 차지합니다. 이 광대역 전력 증폭기 [1]와 같은 인간이 설계한 RFIC는 템플릿에서 시작하여 대칭적이고 이해 가능한 패턴을 따릅니다. 하지만 인간이 설계한 템플릿의 제약과 전자기 구조의 원리를 인간이 반드시 이해해야 한다는 필요성에서 벗어나면, 전력 증폭기 IC [2–5] 및 저잡음 증폭기 (LNA, low-noise amplifiers) [6]는 정말 기괴해 보이지만 효율적인 설계를 가질 수 있습니다. SENGUPTA LAB

당신이 5G 밀리미터파 (5G-millimeter-wave) 핸드셋을 위한 새로운 28GHz 전력 증폭기를 설계하도록 배정된 엔지니어라고 가정해 봅시다. (이는 휴대폰의 5G 신호를 증폭하여 멀리 떨어진 기지국이 수신할 수 있는 안테나로 전송하는 유형의 RFIC입니다). 어디서부터 시작해야 할까요?

RFIC 설계는 집을 짓는 것과 몇 가지 공통된 특징을 공유합니다. 집의 설계도가 지어야 할 침실과 욕실의 수, 그리고 이들을 연결하는 복도를 규정하는 것처럼, 아키텍처 (architecture)라고 불리는 RFIC의 설계도는 RFIC가 의도된 기능을 수행하는 데 필요한 요소들의 종류를 설정합니다. 방 대신, 아키텍처에는 예를 들어 전력 증폭기 (power amplifier)에 필요한 증폭 단계 (stages of amplification)의 수가 포함됩니다. 복도 대신, 신호가 이러한 단계들을 통과하기 위해 거쳐야 하는 경로를 보여줍니다.

RFIC의 설계도는 사실 대부분 복도와 같습니다. 인덕터 (inductors)나 전송선 (transmission lines)과 같은 수동 소자 (passive elements)가 트랜지스터 (transistors)와 같은 능동 소자 (active elements)보다 훨씬 더 많은 면적을 차지하기 때문입니다.

자동차용 레이더 (automotive radar). 이러한 맹공격 아래에서 CPU의 트랜지스터는 실패할 것입니다.

RFIC 트랜지스터는 신호의 에너지를 세심한 전자기 설계 (electromagnetic design)를 통해 영리하게 관리하기 때문에 이러한 운명을 피할 수 있습니다. 이는 칩의 면적 대부분을 차지하는 금속 요소들의 복잡한 네트워크 형태로 나타납니다. 이러한 구조들은 기하학적으로 규칙적이고 종종 대칭적이며, 때로는 레이스 같은 정교한 세공품을 닮을 정도로 복잡하게 구성되어 있습니다. 하지만 이것들이 장식적으로 보일지라도, 칩의 기능에는 필수적입니다.

전기적인 관점에서 보면, 이 "복도"들은 칩의 배관 (plumbing)과 더 유사하게 작동합니다. 배관처럼, 이 광범위한 수동 소자의 미로 (labyrinth)는 전자기 에너지가 칩 주변의 지정된 경로로만 이동하도록 제한합니다.

RFIC 설계의 주요 과제는 설계도로부터 집을 짓는 것이 하중을 견디는 보, 파이프, 외벽에 대한 정확한 사양을 요구하는 것처럼, 이 모든 요소들을 결합하여 제대로 작동하도록 보장하는 것입니다. RFIC에서는 아키텍처가 물리적으로 제작 가능한 트랜지스터 및 수동 부품(passive components)으로 구현되어야 하며, 이들은 신호가 칩을 통과하여 처리될 수 있도록 정교하게 연결되어야 합니다. 이러한 장치들이 국부적으로 연결되는 방식을 우리는 회로의 토폴로지 (topology)라고 부릅니다.

RFIC 설계 프로세스

따라서 해당 전력 증폭기 (power amplifier)를 만들기 위한 첫 번째 단계는 후보 회로 템플릿 (circuit template)을 식별하는 것입니다. 즉, 특정 회로 토폴로지 (topology)를 가진 특정 아키텍처 (architecture)의 목표를 충족할 구조들의 조합을 찾는 것입니다. 지난 수년간 연구자들은 특정 기능을 위한 재사용 가능한 설계 템플릿을 개발함으로써 여러분의 부담을 덜어주었습니다. 예를 들어, 템플릿은 회로에 얼마나 많은 증폭 단계 (amplification stages)가 필요한지 제안합니다 (때로는 두 개의 작은 증폭기 출력을 결합하는 것이 단일 대형 증폭기에서 얻는 것보다 더 나은 대역폭 (bandwidth)과 효율성 (efficiency)을 제공하기 때문입니다). 또한 수동 소자 (passive structures)의 일반적인 구성이 어떠해야 하는지도 제안합니다. 오늘날에는 이러한 템플릿의 광범위한 라이브러리가 존재합니다.

하지만 이러한 템플릿들을 단순히 기성품처럼 바로 사용할 수는 없습니다. 각 템플릿마다 트레이드오프 (trade-offs)가 따르기 때문입니다. 어떤 것은 안정성 (stability)을 희생하는 대신 더 나은 이득 (gain)을 제공하고, 어떤 것은 효율성을 희생하는 대신 더 나은 대역폭을 제공하며, 또 다른 것들은 출력 전력 (output power)을 희생하는 대신 더 높은 에너지 효율을 제공하는 식입니다. 명확한 최선의 선택이란 거의 존재하지 않습니다.

이러한 서로 다른 매개변수들이 최적의 조화를 이루며 균형을 잡는 "스위트 스팟 (sweet spot)"에 도달하기 위해, 설계자들은 일반적으로 수년간의 훈련을 통해 습득한 직관과 방법론을 사용하여 회로의 여러 가지 다른 버전을 레이아웃 (layout)합니다.

문제는 아키텍처, 회로 토폴로지, 또는 전자기 수동 소자 (electromagnetic passives)에 관한 결정이 개별적으로 이루어질 수 없다는 점입니다. 하나의 결정이 다른 결정에 영향을 미칩니다. 따라서 RF 회로를 설계하는 것은 마치 너무 작은 방에 너무 큰 카펫을 억지로 밀어 넣으려는 것과 비슷하게 느껴질 때가 많습니다. 한쪽 모서리를 누르면 다른 쪽 모서리가 튀어나오기 때문입니다.

마이크로파 (Microwave) 및 밀리미터파 (Millimeter-wave) 주파수 대역에서는 아주 작은 실수조차 작동하는 칩과 작동하지 않는 칩의 차이를 만들어내며, 수많은 문제들이 발생할 수 있습니다. 예를 들어, 전자기파가 트랜지스터(Transistor)나 다른 부품을 만날 때, 그 파동이 이동하는 경로는 다음에 이어지는 요소와 적절히 "매칭 (Matched)"되어야 합니다. 만약 매칭되지 않는다면, 에너지의 일부가 앞으로 흐르는 대신 뒤로 반사됩니다. 고압 소방 호스를 좁은 정원용 호스에 직접 연결하려고 시도하는 상황을 상상해 보십시오. 적절한 어댑터가 없다면, 연결 부위에서 물이 뒤로 튀어 오를 것입니다. 통과하는 물은 아주 적을 것입니다. 전자 공학에서는 이를 임피던스 매칭 (Impedance-matching) 문제라고 부릅니다.

이러한 반사를 방지하기 위해 엔지니어들은 부품 간의 전달을 부드럽게 해주는 일종의 미세한 어댑터인 특수 전이 구조 (Transitions)를 설계합니다. 칩 위에서 이러한 어댑터들은 놀라울 정도로 복잡할 수 있습니다. 이들은 단순히 신호를 전달하는 것에 그치지 않고, 신호를 분할하거나, 결합하거나, 혹은 정밀하게 제어된 타이밍과 강도로 여러 경로에 분배할 수도 있습니다.

아키텍처 (Architecture)와 배관 (Plumbing) 및 그 사이의 모든 설계를 마친 후에는 진실의 순간이 찾아옵니다. 거대한 설계 공간 (Design space)을 헤쳐나가며 내린 모든 선택들이 사양 (Specifications)을 충족하는 RFIC를 만들어냈을까요? 만약 사양을 충족하지 못한다면, 토폴로지 (Topology)를 다시 설계하거나 아키텍처 전체를 다시 만들어 전체 과정을 반복해야 합니다. 따라서 수개월에 걸친 막대한 시간과 자원이 소모되는 시뮬레이션 (Simulation)과 반복 작업 (Iteration)을 준비해야 합니다. 아마 여러분은 왜 수십 년 동안 RFIC 커뮤니티에서 "RF 설계는 예술이다"라는 핵심적인 믿음이 지속되어 왔는지 이해하게 되었을 것입니다. 부품들이 전체를 어떻게 구성하는지에 대한 장인적 이해를 갖춘 숙련된 설계자만이 아날로그 및 RF 설계의 미묘한 차이를 마스터할 수 있다고 말해왔습니다. 불행하게도, 이러한 뿌리 깊은 관념은 알고리즘 혁신이 가장 절실히 필요한 시점에 오히려 해당 분야의 발전을 가로막아 왔습니다. 시스템의 복잡성이 끊임없이 증가함에 따라, 전통적인 장인 방식의 RFIC 설계는 한계에 봉착하고 있습니다.

RFIC 설계를 위한 AI (AI for RFIC Design)

RFIC 설계자들이 그들의 "너무 큰 카펫 (oversized carpet)" 문제와 계속 싸우고 있는 동안, 인접 분야에서는 일련의 흥미로운 발전들이 나타났습니다. 단백질 구조 예측 (protein folding)이나 기후 모델링 (climate modeling)과 같이 이전에는 해결하기 어려웠던 다양한 문제 전반에 걸쳐, AI는 다차원의 복잡한 공간을 성공적으로 탐색할 수 있었습니다. 이는 우리가 RF를 위한 AI (AI for RF)를 더 깊이 연구하게 만드는 동기를 부여했습니다. 결국, 단백질 구조 예측의 조합론적 복잡성 (combinatorial complexity)은 우리 분야의 설계 공간 (design space)의 특성과 크게 다르지 않기 때문입니다.

RFIC 설계의 일부 과정을 가속화하기 위해 인공지능 (artificial intelligence)을 사용하는 것을 생각한 것은 우리가 처음이 아니었습니다. 연구자들은 일반적인 최적화 (optimization) 과정을 가속화하기를 희망하며, 이전에 회로 템플릿 (circuit templates)을 바탕으로 머신러닝 (machine learning) 알고리즘을 학습시킨 적이 있습니다. 이 접근 방식은 템플릿을 최적화하는 데 있어 의심할 여지 없이 인간보다 빨랐지만, 여전히 근본적으로는 인간이 만들어낸 기존 설계 라이브러리 (libraries of existing designs)에 의존했습니다.

칩 설계를 위한 AI 학습 (Training an AI to Design a Chip)

머신러닝 시스템은 다른 AI들이 바둑과 같은 게임을 배우는 방식과 마찬가지로, 엔드 투 엔드 (end-to-end) RFIC 설계를 수행하도록 학습합니다. 본질적으로, 이는 프로세스를 하나의 게임으로 전환하여, 스스로의 노력으로부터 얻은 결과로부터 학습하는 방식입니다.