사람 같지 않은 기술력으로 '외계인'이라는 별명을 가진 인텔이 차세대 반도체에 관한 연구개발 논문을 발표했다. 로봇부터 5세대(5G) 이동통신, 인공지능(AI)까지 분야도 다채롭다.

인텔은 17~22일(현지 시각) 샌프란시스코에서 개최된 ‘국제고체회로학회(ISSCC)’에서 집적 회로(IC)와 시스템온칩(SoC) 분야의 혁신적인 논문 17건과 관련 시연을 선보였다고 22일 밝혔다.

이번에 발표된 논문들은 '모든 사람과 사물이 데이터와 소통할 수 있는 미래'를 주제로 하고 있다. 인텔은 이를 달성하기 위해서는 전통적인 컴퓨터와 다른 연산 시스템이 필요하다는 점을 인지하고 있다.

인텔이 발표한 논문 중 하나는 '통합 전력 공급 미니봇용 22나노 상보성금속산화물반도체(CMOS) 기반 저전력 로봇 SoC의 분산 자율, 협업형 멀티-로봇 시스템'이다.

멀티 로봇 시스템은 로봇 한 대의 역량을 넘어서는 복잡한 임무를 달성하기 위해 협업한다. 수색 및 구조 임무부터 정밀 농업에 이르기까지 다양한 곳에 응용할 수 있다. 하지만 현재로선 첨단 로봇공학 및 인공지능에 대한 막대한 투자와 집중적인 컴퓨팅 파워를 필요로 한다. 

이 논문에서 인텔은 점프하거나 기어가는 동작이 가능한 통합 전력 공급 기반의 미니봇을 사용한 분산형, 자율 및 협업 멀티로봇 시스템을 소개한다. 

네 개의 미니봇이 중앙 서버나 인간의 개입 없이 서로 소통하면서 미지의 장소에서 협업 방식으로 탐색하고 매핑해 사람을 찾아내면 기지국으로 메시지를 전송하는 식이다.

각 미니봇 플랫폼에는 실시간 감지 및 탐색을 위한 한 대의 카메라, 라이다(LIDAR) 및 오디오 센서, 맞춤형 로봇 SoC, 기준점 없는 동적 거리 측정 및 로봇간 정보 교환을 위한 저전력 초광대역(UWB) 무선, 로봇과 기지국 간 중요 메시지 전송을 위한 장거리 무선(LoRa), 플랫폼 전력 전달 및 관리를 위한 배터리 및 전력관리반도체(PMIC) 등이 통합됐다.

두 번째는 '5G 무선 통신: 변곡점'이다. 5G는 무선통신 기술이 애플리케이션 및 예상되는 활용 사례(use case) 중심으로 바뀌고, 네트워크에서 데이터 중심의 서비스와 첨단 클라우드 앱이 빠르게 제공되고 지연 속도는 짧아지는 기틀이 마련된다. 

이를 실현하기 위해서는 데이터 트래픽의 규모 및 복잡한 정도가 전례 없이 늘어나는 것을 처리할 수 있도록 네트워크가 더욱 빠르고 지능적이며 반응이 민첩해져야 한다. 이 논문에서는 5G를 완성하고 적극 활용하는데 필요한 아키텍처 및 기술 혁신을 강조하고 있다.

세 번째는 '실리콘(Silicon)에서의 효율적인 러닝을 위한 신경 연산 원리 적용'이다. 현재 머신 러닝 응용 분야에서 주로 사용되는 딥 러닝 알고리즘은 필요한 연산량이 많고 모델 크기도 큰 탓에 에너지 소비측면에서 비용 부담이 크다. 

이 논문에서는 신경 연산의 원리를 아키텍처, 회로 및 통합 디자인 솔루션에 적용해 에너지 소비와 엣지 러닝 시스템의 연산 수요를 최소화할 수 있다는 것을 설명했다.

인텔의 로이히(Loihi) 첨단 프로세서는 마이크로코드로 프로그래밍 가능한 방식의 러닝 아키텍처를 구현하며, 이는 컴퓨터신경과학 분야의 최첨단 연구 영역인 신경가소성(neuroplasticity) 매커니즘을 다양하게 지원한다. 

자연에서 발견되는 신경 연산의 기본적인 원리 가운데 대다수를 적용한 덕에 지도(supervised) 학습, 비지도(unsupervised) 학습, 강화 학습 및 원샷학습을 위한 고도로 효율적이고 확장 가능한 러닝 성능을 제공할 수 있다. 

네 번째는 '메모리 중심 컴퓨팅을 위한 새로운 메모리/스토리지 솔루션'이다. 빅데이터 시대는 메모리와 스토리지 구조 모두에서 근본적인 변화를 촉진한다.

네트워킹 및 스토리지 프로토콜 비효율성을 방지하려면 데이터와 연산이 함께 이루어져야 한다. 때문에 더 큰 메모리 용량에 대한 수요가 촉진되고 있지만, 메모리 서브시스템 비용이 앞길을 막는다. 

이번 논문은 메모리 중심 아키텍처에 대한 새로운 솔루션을 가치, 성능 및 전력 효율성을 중심으로 작성됐다. 

메모리 중심 컴퓨팅은 에너지 효율적인 고성능 AI/머신러닝 활용을 구현할 잠재력을 지니고 있다. DRAM/NVM 메인 메모리 다이 내부에 로직을 배치(이른바 근접 메모리 연산, near memory compute)하거나 연산 다이 내부에 임베디드되어 메모리 어레이 내부에서 연산을 실행(이른바 인메모리 연산, in-memory compute)하는 방식으로 근접 메모리에서 일부 연산을 미리 수행하는 것이 상당한 관심을 받고 있다. 

두 가지 모두 중요한 목적은 메모리 어레이 내부에서 다수의 연산이 병렬로 미리 이루어지도록 해 메인/임베디드 메모리와 연산 유닛 사이에 오가는 데이터와 지연 속도를 줄이는 것이다.

리치 울리그(Rich Uhlig) 인텔 랩(Intel Labs) 매니징 디렉터는 “올해 ISSCC에서 선보인대로 우리가 생각하는 미래로 이끌 잠재력을 지닌 다양한 기술 연구 개발을 촉진하기 위해 노력하고 있다”고 말했다.