'반도체 품귀'에 인공신경망 활용 반도체 소자 시뮬레이션 기술 '관심'

지스트(광주과학기술원) 전기전자컴퓨터공학부 홍성민 교수 연구팀은 AI 대학원 최종현 교수와 함께 인공신경망을 통해 반도체 소자 시뮬레이션을 빠르게 수행할 수 있는 기술을 개발했습니다.

 

반도체 소자 시뮬레이션이란 반도체 소자의 성능을 컴퓨터 프로그램을 사용해 예측하는 기술로, 반도체 소자 개발에 필요한 시간과 비용을 절감하기 위해 사용됩니다. 연구팀은 반도체 소자 시뮬레이션 수행 시간 대부분이 불필요한 중간 과정의 답을 계산하는 데 소요되는 것에 착안해 학습된 인공신경망으로 우수한 어림짐작 답(Approximate solution)을 생성해 시뮬레이션 수행 시간을 10배 가까이 단축했습니다.

 

최근 세계적으로 반도체 품귀 현상이 일며 반도체 제조 기술이 크게 주목받는 상황입니다. 반도체 소자 기술은 짧은 시간 내에 개발을 완료하는 것이 중요해 반도체 소자 시뮬레이션에 대한 기대가 크다는 평가입니다. 그러나 반도체 소자 시뮬레이션 프로그램을 수행할 때 많은 시간이 소요돼 이 자체가 기술 개발의 병목(Bottleneck)이 되고, 이를 해결하기 위해 병렬 컴퓨팅 등 기법에는 막대한 컴퓨팅 자원이 필요합니다.

 

인공신경망이 예측한 반도체 소자 내부의 전위 분포(사진 왼쪽). 인공신경망이 예측한 전위 분포의 오차(사진 오른쪽). 최대 오차가 0.05V보다 작아 우수한 어림짐작 답으로 사용할 수 있다. 사진/지스트

 

연구팀은 사용자가 알고 싶어 하는 전압 조건에 대한 답만을 바로 구해내는 방식으로 시뮬레이션 수행 시간을 단축했다고 합니다. 반도체 소자 시뮬레이션은 비선형(Nonlinear) 방정식을 푸는 것이므로 정답에 가까운 우수한 어림짐작 답을 알고 있어야 합니다. 그러나 사용자가 알고 싶어 하는 전압 조건(대략 0.7V 근방)에 대한 우수한 어림짐작 답을 미리 알기 어려워 불가피하게 0V부터 시작해 차츰 전압을 증가시킵니다.

 

연구팀은 원하는 전압 조건에 대한 답을 바로 구해내기 위해 인공신경망을 도입했습니다. 이 인공신경망은 기존의 시뮬레이션 결과를 지도 학습하며, 원하는 상황에 해당하는 반도체 소자 내부의 전위 분포를 생성합니다. 이렇게 예측된 전위 분포를 어림짐작 답으로 사용하여 짧은 시간 내에 정답을 찾아냅니다. 전위는 단위 전하가 가지는 전기적 위치 에너지입니다. 반도체 소자는 소자 내부의 위치마다 전위값이 다릅니다. 이 전위 분포에 따라 반도체 소자 내부에서 전자의 움직임이 영향을 받아 전위 분포는 반도체 소자 시뮬레이션에서 가장 중요한 물리량이라고 할 수 있습니다.

 

사진 왼쪽부터 홍성민 교수, 최종현 교수, 한승철 석사과정생. 사진/지스트

 

연구팀은 제안된 방법을 검증하기 위해 기존 방식과의 속도 비교를 수행했습니다. 이번 시뮬레이션은 기존 방식의 시뮬레이션 조절 파라미터들을 최적의 값으로 설정한 결과에 비해 8.4배 이상의 속도 향상을 얻었습니다. 시뮬레이션 조절 파라미터의 최적값은 시뮬레이션을 직접 수행하기 전에는 알 수 없어 실제 적용 시 예상되는 속도 향상은 10배 이상이라고 합니다.

 

홍성민 교수는 "본 연구 성과는 인공신경망을 활용해 반도체 소자 시뮬레이션의 수행 시간을 크게 줄일 수 있음을 확인했다는 데 의의가 있다"며 "후속 연구를 통해 차세대 반도체 소자 개발에 적극적으로 활용될 수 있을 것으로 기대한다"고 말했습니다.