뇌 모사 자성 소자, 상온 동작과 재현성 확보
에든버러 대학교(University of Edinburgh)를 포함한 국제 연구팀이 나노 규모 자성 구조인 스커미온(skyrmions)의 집단적 변환 현상을 이용해 상온에서 작동하는 신뢰성 높은 인공 시냅스를 구현하는 데 성공했다. 연구 결과는 국제 학술지 '어드밴스드 머티리얼즈(Advanced Materials)'에 2026년 9월 게재되었으며, 미래 장치 규모로 확장될 경우 작업당 약 0.66 피코줄(pJ)의 에너지 소비가 예상된다고 연구진은 밝혔다.
이 수치는 기존 멤리스티브(memristive) 기술과 비교해 경쟁력 있는 수준으로, AI 하드웨어의 전력 비용 구조를 다시 들여다볼 계기를 제공한다. 핵심 쟁점은 세 가지다.
첫째, 에너지 비용이 AI 확산의 실질적 병목으로 작용하는 상황에서 이 기술이 실제 비용 구조를 바꿀 수 있는가. 둘째, 상온에서의 재현성 확보라는 기술적 성과가 양산 공정·스케일업으로 이어질 수 있는가.
셋째, 이 기술이 기존 메모리·뉴로모픽 소자 생태계를 어떻게 재편할 것인가. 이 연구는 이 세 질문 모두에 의미 있는 단서를 제공한다.
재현성 문제를 어떻게 풀었나 기존 스커미온 기반 인공 시냅스는 개별 스커미온의 생성·소멸이라는 확률적 과정에 의존했다.
이 때문에 응답이 예측 불가능하고 재현성이 낮다는 근본적 한계가 있었다. 연구팀은 이 접근법을 근본적으로 전환했다. 2차원 반 데르 발스 강자성체 Fe₃GaTe₂(철-갈륨-텔루륨 합금)를 소재로 선택하고, 스커미온 격자가 줄무늬 형태의 자성 도메인으로 집단적·결정적으로 변환되는 현상을 활용했다.
개별 입자의 무작위 행동 대신 대규모 자성 텍스처(magnetic textures)의 집단 변화를 제어하는 방식이다. 이 변환은 재료의 이상 홀 저항(anomalous Hall resistance)에서 선형적이고 재현 가능한 변화를 만들어 내며, 이 전기 신호가 인공 시냅스의 '가중치'를 나타낸다.
결과적으로 칩 설계 단계에서 제어 변수의 수를 줄이고 시스템 설계 복잡도를 낮출 잠재력이 생긴다.
광고
에너지 효율 수치의 맥락 연구진이 제시한 0.66 pJ라는 수치는 현재 실험실 측정값이 아니라 미래 장치 규모로 확장될 경우를 가정한 추정값이다. 이 점을 전제로 하더라도, 기존 멤리스티브 기술과 비교해 경쟁력 있는 수준이라는 연구팀의 평가는 의미가 있다.
데이터센터와 엣지 디바이스에서 수십억 건의 추론을 처리할 때, 소자 하나의 에너지 특성이 전체 전력비용에 미치는 누적 효과는 크다. 하드웨어 벤더와 클라우드 사업자가 이 수치를 단순히 실험실 성과로 보지 않고, 대규모 서비스 비용 시나리오에 대입해 시뮬레이션할 이유가 여기 있다.
산업적 파급: 메모리·칩 설계·데이터센터의 비용 구조 변화
스케일업 전략의 가능성 연구진이 제안하는 핵심 전략은 개별 자성 객체를 정밀 제어하는 대신 집단적 자성 변환을 활용하는 것이다.
이 접근은 소자 단위의 정밀 제어 회로를 간소화할 여지를 만들어, 제조 공정에서 비용과 수율 문제를 완화하는 방향으로 작동할 수 있다. 양산화에 성공할 경우, 기존 메모리 제조사와 파운드리, 특화된 뉴로모픽 스타트업 모두 사업 모델을 다시 설계해야 하는 상황이 온다.
기업 전략과 투자 시사점 반도체 설계업체는 소자 수준의 전력 모델을 재검토해야 한다. 본지 분석에 따르면, 삼성전자·SK하이닉스 같은 한국 대기업은 기존 DRAM·NAND 중심 포트폴리오에 뉴로모픽 소자 개발 로드맵을 통합하는 선택지를 검토할 수 있다.
Fe₃GaTe₂ 같은 2차원 소재는 기존 CMOS 공정과의 통합 난이도와 비용이 관건인 만큼, 초기 파일럿은 파운드리 주도형으로 진행될 가능성이 크다. 벤처 투자 관점에서는 소재·소자·시스템 소프트웨어(뉴로모픽 컴파일러·매핑 툴) 분야에 대한 교차투자가 유효하다. 단일 소자의 우수한 에너지 특성이 시스템적 이득으로 연결되려면 하드웨어·시스템·애플리케이션 레이어에서 동시 투자가 뒷받침되어야 한다.
반론과 한계
투자 포인트와 한국 기업의 전략적 선택지
기술 검증 단계에서 제기될 반론은 명확하다. "실험실 성과가 산업용 파운드리 공정으로 이전되기 어렵다"는 지적은 제조 수율·소재 안정성·패키징 비용 등 현실적 장벽을 근거로 한다.
광고
그러나 집단적 전환 전략은 오히려 공정 복잡도를 낮출 잠재력을 내포한다는 점에서 이 반론을 그대로 수용하기 어렵다. "0.66 pJ 수치가 시스템 레벨의 개선으로 직결되지 않는다"는 지적은 유효하다. 이 때문에 기업은 소자 에너지 이득을 시스템 아키텍처·메모리 계층·데이터 흐름과 연결하는 정교한 시뮬레이션을 통해 투자 결정을 보강해야 한다.
구조적 함의와 전망 이번 성과는 단기적 제품화보다 중장기적 산업 구조 변화를 촉발할 가능성이 높다. 에너지 효율이 AI 인프라 비용의 핵심 변수로 고정되면 데이터센터 사업자는 특화 가속기·뉴로모픽 노드 등 하드웨어 다각화 전략을 가속할 유인이 생긴다.
소재 주권과 공급망 재편도 부각된다. Fe₃GaTe₂와 같은 특수 소재 확보를 둘러싸고 공급망 협력과 지적재산 경쟁이 심화할 수 있다.
본지 분석으로는, 한국 기업이 반도체 설계 역량과 소재·공정 협업 능력을 결합한 전략적 투자를 통해 초기 우위를 점하려면 대형 클라우드 사업자와의 파일럿·공동개발을 통해 실증 데이터를 선제적으로 확보하는 것이 경쟁력의 핵심이다. 결론 이번 스커미온 집단 변환 기반 연구는 AI 하드웨어의 에너지 비용 구조를 근본적으로 재점검할 계기를 제공한다.
기술적으로는 상온에서의 재현성 있는 동작과 미래 장치 확장 시 작업당 0.66 pJ 수준의 에너지 효율이 제시되었고, 산업적으로는 메모리·칩 설계·데이터센터 비용 구조에 실질적 영향을 줄 잠재력이 확인되었다. 기업과 투자자는 이 기술을 가능성의 목록으로 남겨 두는 데 그치지 않고, 파일럿 단계에서 시스템 레벨의 비용·성능 분석을 통해 전략적 우선순위를 구체화해야 한다. 한국 기업은 소재 확보, 파운드리 협력, 시스템 통합 역량을 조합하는 방식으로 초기 경쟁력을 설계할 수 있다.
FAQ
Q. 이 기술이 상용 제품으로 나오려면 얼마나 걸리는가
A. 현재 연구는 상온에서의 소자 특성과 에너지 효율을 실험실 수준에서 입증한 단계다. 양산화에는 소재 안정성 검증, CMOS 공정 통합, 수율 확보 등 추가 개발이 필수적으로 요구된다. 본지 추정으로는 초기 파일럿은 2~4년, 상용 대량생산은 5년 이상이 소요될 것으로 보인다. 다만 파운드리·클라우드 기업의 전략적 투자 규모와 속도에 따라 이 기간은 단축될 수 있다. 이번 연구가 제시한 집단 변환 방식이 공정 복잡도를 낮추는 방향으로 작동한다면, 업계 평균보다 빠른 전환이 가능할 수 있다.
Q. 투자자는 어떤 부문에 우선 투자해야 하는가
A. 소자 설계와 소재 개발, 그리고 시스템 통합 툴(매핑·컴파일러)에 대한 교차투자가 우선적이다. 소자 에너지 효율이 아무리 뛰어나도 시스템 레벨에서 이득으로 연결되지 않으면 투자 회수가 어렵기 때문에, 초기에는 파일럿 프로젝트를 통해 소자 성능을 데이터센터 워크로드에 연결하는 실증 데이터 확보가 선행되어야 한다. 공급망 확보를 위한 소재 기업·장비사와의 협력도 투자 리스크를 낮추는 핵심 수단이다. Fe₃GaTe₂와 같은 특수 소재의 공급 다변화를 선점하는 투자자가 중장기적으로 유리한 위치를 점할 가능성이 높다.
Q. 한국 기업이 취할 수 있는 현실적 전략은 무엇인가
A. 한국 기업은 반도체 제조 역량과 대형 클라우드 고객 기반을 활용해 공동 파일럿을 추진하는 것이 가장 현실적인 진입 경로다. 구체적으로는 파운드리와의 공정 통합 협약, 소재 확보를 위한 공급 파트너십, 뉴로모픽 소프트웨어 스택 개발을 동시에 진행하는 방식이 효과적이다. 삼성전자·SK하이닉스는 기존 첨단 공정 인프라를 활용해 Fe₃GaTe₂ 기반 소자의 초기 파일럿 라인을 구성하는 데 상대적으로 유리한 출발점에 있다. 이러한 통합 전략이 초기 상용화 경쟁에서 차별화된 위치를 만들어 낼 가능성이 높다.
※ 이 기사는 EurekAlert!(University of Edinburgh)의 2026년 9월 보도를 참조하여 작성하였다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}
