반도체 전문 온라인 매거진 - 올포칩

AI를 적용한 애플리케이션이 확장되면서 향후 10년 동안 네트워크 상의 고속 데이터 통신은 천 배 이상 증가할 것으로 예상되고 있다. 스마트 시티, IoT, IIoT, V2X 등 AI와 머신러닝을 이용한 미래의 새로운 애플리케이션들이 개발되면서 IT 산업의 성장을 유도할 것이라는 전망이다.

특히 폭발적으로 증가하는 데이터를 센터에서만 집중 처리한다는 것은 더 이상 현실적이지 않으며, 이로 인해 레이어를 두어 분산 처리하는 방식으로 전환되고 있다. 특히 에지 단에서의 데이터 처리 요구가 높아지면서 데이터센터와 에지 단의 동일 성장이 예상되고 있다.

‘Mentor Forum 2019’를 위해 방한한 조셉 사위키(Joseph Sawicki) 멘토 IC EDA 부문 수석 부사장은 “AI와 머신러닝을 통해 반도체 기업은 향후 수십 년 동안 큰 기회를 얻게 되었으며, AI를 통해 전체 기술 범위에서 40 ~ 50%의 가치를 확보할 수 있을 것”이라고 말하고, “특히 AI 및 머신러닝 칩셋은 향후 5~6년 동안 에지 단에서 2배 이상의 성장이 예상된다.”고 밝혔다.

또한 “AI 기반 도메인 특화 아키텍처 제품의 개발이 증가하며 반도체 설계 산업이 지속 성장할 것”이라고 말하고, “머신러닝 기반의 반도체 설계를 위한 벤처 캐피탈의 투자가 증가하고 있으며, 이는 운송, 에너지, 커넥티드 시티, 클라우드 컴퓨팅 및 스마트 제조와 같은 광범위한 시장에 집중되고 있다. 이처럼 머신러닝 시장이 성장하면서 EDA 툴도 많은 기회를 얻고 있다”라고 피력했다.

한편 조셉 사위키 부사장은 도메인 특화 아키텍처의 확산으로 새로운 설계 방법론과 설계 툴이 필요하게 되었다고 지적하고, 새로운 설계 기술의 예로 ‘HLS(High Level Synthesis)’를 꼽았다. 이는 C/C++와 같은 상위수준 프로그래밍 언어를 직접 지원하여 반도체 설계 검증의 속도와 정확도를 높일 수 있는 기술로 특히 메모리 주변에서 머신러닝에 중요한 아키텍처 탐색을 가능하게 한다.

AI 및 머신러닝 칩셋 시장

머신러닝 시장 성장에 따른 EDA 활용분야 역시 확대되고 있다. 모델을 통해 공정결과를 예측할 수 있는 OPC의 경우 머신러닝을 활용하여 오차 범위 1nm 이내의 결과를 3배 빠른 런타임으로 수행할 수 있게 되었다. LFD(Litho Friendly Design)는 머신러닝을 통해 수율 제한 요소 예측 속도를 10배 개선하였으며, 기존에 발견하지 못했던 새로운 수율 제한 요소를 발견할 수도 있었다.

수율 개선을 위한 DDYA(Diagnosis Driven Yield Analysis) 역시 머신러닝을 통한 수율 개선이 가능하다. 노이즈 제거를 통해 수율 손실의 원인 파악 시간을 단축할 뿐만 아니라 숨겨져 있던 수율 제한 요소들을 파악하여 수율을 한층 향상시킬 수 있다.

또한 메모리 블록 및 표준 셀과 같이 반복적으로 사용되는 구성 요소를 확인하는데 필요한 수 십 만개의 시뮬레이션을 위해 머신러닝 편차인식 설계 및 특성화를 활용할 수 있다. 이를 통하여 라이브러리 특성화 및 검증 속도의 비약적인 향상뿐 아니라 라이브러리 품질 향상과 전력, 성능, 공간 등의 개선을 가져올 수 있다.

AI와 머신러닝 및 DL 설계의 알고리즘을 실제 SoC 환경에 최적화되도록 검증하기 위해서는 HW와 SW를 동시에 가동 및 가속할 수 있는 에뮬레이션이 필수적이다. 또한 멘토의 에뮬레이터 벨로체는 센서 퓨전 등의 데이터 역시 가상화 환경을 통해 에뮬레이션에서 검증을 가속화 할 수 있다.

조셉 사위키 부사장은 “스마트 시스템은 모든 곳에서 인텔리전스를 주도하고 있다. 이에 인공지능 및 머신러닝을 기반으로 특화 IC 설계도 가속화되고 있다. 최첨단 인텔리전스를 구현하려면 시스템 설계 관련 전문 지식과 융합된 IC 혁신이 요구된다.”라고 말하고, “멘토, 지멘스 비즈니스는 스마트 IC부터 시스템, 공장 및 도시에 이르기까지 전문 지식을 갖춘 EDA 파트너가 필요한 고객을 지원하는데 적극 나설 것이다.”라고 밝혔다.