영국 케임브리지대 연구진이 인공지능(AI) 데이터센터의 가장 큰 골칫거리인 전력 소비를 최대 70% 줄일 수 있는 뇌 모방형 나노소자를 시연했다. 핵심 소재는 한국 메모리 반도체 산업의 핵심 물질이기도 한 하프늄 옥사이드(HfO2) 다.

연구는 4월 23일 학술지 **사이언스 어드밴시스(Science Advances)**에 게재됐으며, 케임브리지대 재료과학·금속공학과 바박 바키트(Babak Bakhit) 박사가 주도했다. 케임브리지 엔터프라이즈는 이미 특허 출원을 마쳤다.

무엇을 만들었나

연구진이 개발한 것은 멤리스터(Memristor) 라 불리는 차세대 소자다. 멤리스터는 데이터 저장과 연산을 한 곳에서 동시에 수행하는 부품으로, 기억과 계산이 분리된 폰 노이만 구조의 한계를 뛰어넘는 뇌 모방형(neuromorphic) 컴퓨팅의 핵심으로 꼽혀왔다.

기존 멤리스터의 작동 원리는 금속 산화물 내부에서 전도성 필라멘트가 형성·붕괴하는 방식이었다. 문제는 이 필라멘트가 무작위적으로 만들어져 동작이 불안정하고 높은 전압이 필요했다는 점이다. 대규모 상용화가 어려웠던 이유다.

케임브리지팀은 다른 길을 택했다. 하프늄 옥사이드 박막에 스트론튬(Sr)과 티타늄(Ti)을 첨가하고 2단계 성장 공정을 거쳐, 층과 층 사이 인터페이스에 p-n 정션(p-n junction) 형 전자 게이트를 만들었다. 저항 변화는 필라멘트 형성·파괴가 아니라 인터페이스의 에너지 장벽을 조절하는 방식으로 이루어진다.

바키트 박사는 "필라멘트 방식 소자는 무작위적 동작이 본질적 한계"라며 "인터페이스에서 스위칭이 일어나는 우리 소자는 사이클 간, 소자 간 균일성이 매우 뛰어나다"고 설명했다.

수치로 본 성능

논문에 보고된 성능 수치는 산업적으로 의미 있는 수준이다.

항목	케임브리지 신소자	기존 산화물 멤리스터
스위칭 전류	약 100만 분의 1 수준	기준선
안정적 conductance 레벨	수백 단계	수~수십 단계
동작 사이클	수만 회 안정	제한적
데이터 유지 시간	약 1일	가변
동작 패턴	스파이크 타이밍 의존 가소성(STDP) 시연	부분 구현

특히 스위칭 전류가 기존 대비 약 100만 배 낮다는 점은 데이터센터 단위로 환산했을 때 막대한 절감 효과를 의미한다. 연구진은 이 같은 효율을 통해 AI 하드웨어 전력 소비를 최대 70%까지 줄일 수 있다고 보고 있다.

또한 수백 개의 안정적 conductance 레벨은 아날로그 인메모리 컴퓨팅을 가능하게 한다. 이는 기존 디지털 0/1 방식이 아니라 신경망의 가중치를 직접 저장·계산할 수 있다는 뜻으로, 신경망 추론 속도와 에너지 효율 양쪽 모두에 결정적이다.

스파이크 타이밍 의존 가소성(STDP) 시연도 중요하다. STDP는 생물학적 뉴런이 신호 도착 타이밍에 따라 시냅스 강도를 조절하는 학습 메커니즘으로, 단순 저장이 아닌 학습·적응이 가능한 하드웨어의 전제 조건이다.

왜 이게 한국 산업에 직격탄인가

이번 발표가 한국 반도체 업계에 갖는 의미는 세 갈래다.

첫째, 하프늄 옥사이드는 이미 한국이 세계 최고 수준의 양산 기술을 가진 소재다. 삼성전자와 SK하이닉스가 D램의 high-k 절연막, 차세대 강유전체 메모리(FeRAM), HfO2-FeFET 같은 영역에서 수년간 양산 노하우를 축적해왔다. 케임브리지 소자가 검증한 새로운 멤리스터 구조를 양산 단계로 옮기려면 정확히 이런 양산 인프라가 필요하다.

둘째, 700°C 공정 온도라는 최대 난제는 거꾸로 한국 기업이 풀 수 있는 문제다. 현재 케임브리지팀의 공정은 약 700°C 고온에서 박막을 형성해야 하는데, 이는 표준 CMOS 백엔드 공정과 호환되지 않는다. 바키트 박사 본인도 "온도 저감이 가장 큰 도전"이라고 인정했다. 저온 공정 개발은 박막 증착 공정 노하우가 깊은 국내 메모리 업계의 강점 영역이다.

셋째, 뉴로모픽 분야 글로벌 경쟁이 본격화된다. 인텔(로이히), IBM(트루노스), 삼성전자(MRAM 기반 시냅스 소자) 등이 각자 뉴로모픽 칩을 추진해왔으나 상용화는 아직 멀었다. 하프늄 옥사이드 멤리스터처럼 기존 메모리 양산 라인과 호환 가능성이 높은 소재가 등장하면, 누가 먼저 실리콘 양산 단계로 끌어내리느냐의 경쟁이 시작된다.

남은 한계와 상용화 시점

기술적 난제는 여전히 분명하다.

먼저 데이터 유지 시간이 약 1일에 그친다는 점은 영구 메모리 용도로는 부족하다. 다만 신경망 추론용 가중치 저장처럼 주기적 갱신이 전제된 용도에는 충분하다는 평가다.

두 번째는 앞서 언급한 공정 온도 700°C의 문제다. 현재 표준 반도체 백엔드 공정은 400°C 이하에서 이루어진다. 이 격차를 좁히지 못하면 칩 단위 통합이 불가능하다.

바키트 박사는 "이 두 가지가 풀리면 칩 스케일 시스템에 통합할 수 있다"며 "그렇게 되면 게임 체인저가 될 것"이라고 말했다. 그가 3년간의 시행착오 끝에 지난해 11월 첫 의미 있는 결과를 얻었다는 점을 고려하면, 상용화까지는 빨라야 5~7년의 시간이 더 필요할 전망이다.

진짜 의미: AI 인프라의 '재료 과학 회귀'

이번 발표가 시사하는 흐름은 분명하다. AI 성능 경쟁이 모델 파라미터 수와 데이터센터 규모에서, 다시 소자 단위 재료 과학으로 회귀하고 있다는 점이다.

엔비디아 GPU와 메가와트급 데이터센터로는 AI 수요 폭증을 무한정 받아낼 수 없다. 국제에너지기구(IEA)는 글로벌 데이터센터 전력 소비가 2030년까지 두 배로 늘어날 것으로 전망했고, AI 학습·추론 워크로드가 이 증가의 절반 이상을 차지한다.

이런 상황에서 소자 단위에서 100만 분의 1 전류로 같은 연산을 수행하는 새 패러다임은 단순히 "한 단계 발전"이 아니라 AI 산업의 지속 가능성 문제 자체를 재정의할 가능성이 있다. 그리고 그 재정의의 핵심 소재가 한국이 가장 잘 다루는 하프늄 옥사이드라는 점은, 국내 메모리 산업에 또 한 번의 기회가 열렸다는 신호이기도 하다.