레이저 구동 스핀트로닉스 메모리 소자, DRAM보다 1,000배 빠른 속도 구현 — 열 발생 거의 없이 40피코초 만에 동작하는 비휘발성 소자

도쿄 대학교(University of Tokyo)의 연구진은 상태 전환에 단 40피코초(picoseconds)밖에 걸리지 않으면서도, 기존의 많은 초고속 스위칭 방식보다 전력 소모가 매우 적고 열 발생도 훨씬 적은 비휘발성 자기 스위칭 소자(non-volatile magnetic switching device)를 시연했다고 밝혔습니다. 이는 현대 AI 하드웨어가 직면한 가장 큰 문제 중 하나인 데이터 이동 및 저장 과정에서 발생하는 막대한 에너지와 냉각 수요를 잠재적으로 해결할 수 있는 기술입니다.

연구진은 망간-주석(Mn₃Sn)이라 불리는 반강자성(antiferromagnetic) 물질을 사용하여 소자를 제작했으며, 초단파 전기 펄스(ultrashort electrical pulses)를 통해 전원이 제거된 후에도 저장된 정보를 유지하면서 자기 상태를 안정적으로 전환할 수 있음을 보여주었습니다. 또한 통신 대역 레이저(telecom-band laser)와 포토다이오드(photodiode)에서 생성된 초고속 광전류 펄스(ultrafast photocurrent pulses)를 사용하여 유사한 스위칭을 시연함으로써, 광학 신호를 메모리 쓰기용 전기 펄스로 직접 효과적으로 변환하는 데 성공했습니다.

가장 근본적인 수준에서 현대 컴퓨팅은 사실 물리적 상태를 전환하는 과학입니다. 게임을 실행하거나, AI 모델을 학습시키거나, 브라우저 탭을 열거나, 저장 장치에서 파일을 불러오는 등 컴퓨터 내부의 모든 동작은 궁극적으로 수십억 또는 수조 번의 미세한 물리적 상태 변화를 수반합니다. 트랜지스터가 켜지고 꺼지며, 메모리 셀이 충전 및 방전되고, 캐시(cache) 상태가 업데이트되며, 데이터가 상호 연결(interconnects)을 통해 이동하고, 저장 셀이 전자를 가두거나 방출하는 과정이 이에 해당합니다.

그러한 스위칭 이벤트(switching events)가 물리적으로 이진 정보(binary information)를 나타내는 것입니다. 문제는 상태를 전환하는 데 에너지가 필요하며, 그 에너지의 거의 대부분이 결국 열로 변한다는 점입니다. 이러한 현실은 AI 시대에 점점 더 문제가 되고 있습니다. 현대의 AI 가속기(AI accelerators)는 엄청난 양의 데이터를 처리합니다. 하지만 전력 소비의 상당 부분은 연산 자체뿐만 아니라, 캐시(caches), 메모리(memory), 저장 장치(storage), 그리고 상호 연결(interconnects) 사이에서 정보를 끊임없이 이동시키고 리프레시(refreshing)하는 과정에서 발생합니다. GPU 클러스터가 수십만 개의 가속기로 확장됨에 따라, 전력 공급과 냉각은 업계의 가장 큰 병목 현상(bottlenecks) 중 하나가 되고 있습니다.

현재의 메모리 기술들은 모두 스위칭을 다르게 처리하지만, 각각 중대한 트레이드오프(tradeoffs)를 수반합니다. PC, 서버, GPU에서 사용되는 주요 시스템 메모리인 DRAM은 아주 작은 커패시터(capacitors) 내부의 전기적 전하(electrical charge)로 정보를 저장합니다. 충전된 커패시터는 하나의 상태를 나타내고, 방전된 커패시터는 다른 상태를 나타냅니다. 그러나 이러한 커패시터들은 전하를 지속적으로 누설하기 때문에, 시스템은 단순히 데이터를 보존하기 위해서라도 초당 수천 번 메모리 셀을 반복적으로 리프레시(refresh)해야 합니다. 이러한 지속적인 재스위칭(re-switching)은 시스템이 비교적 유휴(idle) 상태일 때조차 상당한 전력을 소비하고 열을 발생시킵니다.

SSD에 사용되는 플래시 메모리(Flash memory)는 플로팅 게이트(floating-gate) 구조에 전자를 가두어 지속적인 전원 없이도 데이터를 유지함으로써 그 문제를 피합니다. 반면, 이러한 상태를 변경하는 과정은 더 느리고 에너지가 많이 소모되어, 플래시 메모리는 고속 작업 메모리(working memory)로 사용하기에는 부적합합니다.

CPU 캐시 내부에 사용되는 SRAM은 상태를 지속적으로 유지하는 트랜지스터 피드백 회로(transistor feedback circuits)를 사용하여 매우 빠른 스위칭을 달성합니다. 하지만 SRAM은 상당한 칩 면적과 전력을 소비하므로 비용이 많이 들고 대용량으로 확장하기 어렵습니다.

Tom's Hardware의 최고의 뉴스 및 심층 리뷰를 이메일로 직접 받아보세요.

업계는 SRAM의 속도, DRAM의 집적도, Flash의 지속성, 그리고 낮은 전력 소비를 결합할 수 있는 일종의 "범용 메모리 (universal memory)"를 찾기 위해 수십 년을 보냈습니다. 이러한 과제는 초고속 시간대(ultrafast timescales)에서 더욱 어려워지는데, 많은 실험적인 스위칭 기술들이 상태를 빠르게 불안정하게 만들고 뒤집기 위해 무차별적인 가열 (brute-force heating)에 부분적으로 의존하기 때문입니다.

스위칭 속도가 빨라질수록 열 문제는 종종 더욱 심각해집니다. 본 논문에서 인용된 이전에 입증된 여러 피코초(picosecond) 규모의 스위칭 접근 방식들은 작동 중에 수백 켈빈(Kelvin)에 달하는 온도 상승을 수반합니다.

도쿄의 연구진은 대신 스핀트로닉스 (spintronics)라고 알려진 분야를 통해 근본적으로 다른 스위칭 메커니즘을 추구하고 있습니다. 스핀트로닉스 소자는 정보를 전기적 전하 (electrical charge)로 저장하는 대신, 자기 상태 (magnetic states)를 사용하여 정보를 저장합니다.

전통적인 자기 메모리는 일반적으로 강자성체 (ferromagnets)를 사용합니다. 이는 철, 코발트 또는 니켈과 같이 자기 모멘트 (magnetic moments)가 동일한 방향으로 정렬되는 물질을 의미합니다. 새로운 소자는 대신 Mn₃Sn이라 불리는 반강자성 (antiferromagnetic) 물질을 사용하며, 여기서는 인접한 자기 모멘트들이 서로를 대부분 상쇄합니다.

연구진이 반강자성체에 관심을 갖는 이유는 이들이 잠재적으로 훨씬 더 빠르게 스위칭할 수 있고, 자기 간섭 (magnetic interference)에 더 효과적으로 저항할 수 있으며, 큰 누설 자기장 (stray magnetic fields)을 생성하지 않고도 더 작은 크기로 확장할 수 있기 때문입니다.

연구진은 실리콘 기판 위에 층상 구조의 Mn₃Sn/Ta 구조를 제작한 다음, 초고속 전기 펄스를 사용하여 물질을 이진 상태 (binary states)를 나타내는 두 가지 안정적인 자기 구성 사이에서 뒤집었습니다.

결정적으로, 이 스위칭 메커니즘은 주로 물질을 가열하는 것에 기반하지 않습니다. 대신, 펄스는 스핀-궤도 토크 (spin-orbit torque)라고 알려진 현상을 생성합니다. 이는 각운동량 (angular momentum)을 자기 구조 자체로 직접 전달하여, 극심한 온도 급상승을 필요로 하지 않고도 자기 상태를 뒤집는 과정입니다.

그 차이점이 바로 이 논문의 핵심 주장입니다. 이 연구는 단순히 새로운 종류의 메모리를 만드는 것에 그치지 않고, 디지털 상태(digital states) 자체를 전환하는 잠재적으로 더 에너지 효율적인 방법을 찾는 것에 관한 것입니다. 현재 컴퓨팅 하드웨어에서 소비되는 거의 모든 전기 에너지는 결국 열로 변합니다. 현대의 AI 인프라는 GPU 클러스터가 수십만 개의 가속기(accelerators) 규모로 확장됨에 따라 이미 심각한 전력 및 냉각 한계에 직면해 있습니다.

연구팀의 소자는 단 40피코초(picoseconds) 만에 스위칭을 달성한 것으로 보고되었으며, 이는 일반적인 나노초(nanosecond) 규모의 메모리 스위칭보다 약 1,000배 빠른 속도입니다. 보통 스위칭 속도를 피코초 영역으로 밀어붙이면 열 발생이 급격히 치솟는데, 이는 시스템이 상태를 반전시킬 만큼 충분히 빠르게 불안정화하기 위해 강렬한 과도 가열(transient heating)에 부분적으로 의존하는 경우가 많기 때문입니다.

하지만 한 장치 구성에서의 시뮬레이션 결과, 스위칭 중 온도 상승이 약 8 K(14.4°F)에 불과한 것으로 나타났으며, 이는 해당 메커니즘이 무력한 열적 스위칭(thermal switching)보다는 주로 직접적인 각운동량 전달(angular-momentum transfer)에 의존한다는 연구진의 주장을 뒷받침합니다. 이는 또한 Mn₃Sn 소자가 이전의 초고속 메모리 연구를 괴롭혔던 많은 열 문제를 피할 수 있음을 확인시켜 줍니다.

이 광학 스위칭(optical switching) 시연은 향후 데이터 센터 아키텍처 측면에서도 중요할 수 있습니다. 연구진은 통신 대역(telecom-band) 레이저와 포토다이오드(photodiode)를 사용하여 60피코초 광전류 펄스(photocurrent pulses)를 생성한 다음, 이 펄스들을 사용하여 소자의 자기 상태를 전환했습니다.

이는 결국 광 상호 연결(optical interconnects) 및 실리콘 포토닉스(silicon photonics)를 향한 광범위한 산업계의 노력과 일치할 수 있으며, 하이퍼스케일러(hyperscalers)들은 기존의 전기적 신호 전달 대신 빛을 사용하여 정보를 이동시키는 방법을 점점 더 모색하고 있습니다.

이러한 기술이 상업적으로 실용화된다면, 이론적으로 메모리 리프레시 오버헤드(memory refresh overhead)를 줄이고, 냉각 요구 사항을 낮추며, 유휴 전력 소모(idle power draw)를 감소시키고, 잠재적으로 메모리(memory)와 스토리지(storage) 사이의 구분을 모호하게 만들 수 있습니다. 개인용 컴퓨팅의 경우, 이는 언젠가 대기 전력 없이 작업 메모리 내용을 유지하고, 즉시 재개되며, 열 발생이 적은 시스템으로 이어질 수 있습니다. 하이퍼스케일(hyperscale) AI 인프라의 경우, 그 영향은 거대한 GPU 클러스터 전반의 전력 효율성과 냉각 감소에 더 집중될 것입니다.

하지만 현재로서는 이 기술이 여전히 확고한 실험 단계에 머물러 있습니다. 현재의 장치들은 제조 가능한 메모리 칩이라기보다는 아주 작은 실험실 구조물에 가깝고, 논문에서는 현재의 구현 방식이 결정론적 스위칭(deterministic switching)을 위해 여전히 외부 바이어스 자기장(external bias magnetic field)을 필요로 한다고 언급하고 있습니다. 이는 상업용 하드웨어 측면에서 주요한 실질적 한계입니다.

제조 확장성(manufacturing scalability), 내구성 검증(endurance validation), 비용 경쟁력, 그리고 기존 CMOS 제조 공정과의 통합 문제 또한 여전히 해결되지 않은 상태로 남아 있습니다. 컴퓨팅의 역사는 성숙한 DRAM이나 NAND 생태계를 결코 대체하지 못한 유망한 "차세대 메모리" 기술들로 가득 차 있습니다. 그럼에도 불구하고, 이 연구는 미래의 성능 향상이 트랜지스터를 축소하는 것보다 정보를 물리적으로 전환, 이동 및 저장하는 데 필요한 에너지를 줄이는 것에 더 많이 달려 있을 수 있다는 컴퓨팅 산업의 커지는 현실을 강조합니다.

최신 뉴스, 분석 및 리뷰를 피드에서 받아보시려면 Google 뉴스에서 Tom's Hardware를 팔로우하거나, 저희를 선호 소스로 추가하세요.

Etiido Uko는 빅테크 및 PC 산업의 최신 업데이트를 다루는 Tom's Hardware의 뉴스 기고자입니다. 그는 기계 공학자이자 9년 이상의 문서화 및 보도 경험을 가진 시니어 테크니컬 라이터(senior technical writer)입니다. 그는 공학 및 기술의 모든 분야에 깊은 열정을 가지고 있으며, 가젯, 제조, 로보틱스, 자동차 및 항공우주 분야의 전문가입니다.