🔬 applied physics

An Ultra-Low Power and Fast Ising Machine using Voltage-Controlled Magnetoresistive Random Access Memory

본 논문은 전압 제어 자기저항 메모리 (VC-MRAM) 를 활용하여 기존 전류 기반 방식 대비 1000 배 향상된 초저전력 (40 fJ 미만) 과 초고속 (1ns 미만) 성능을 실현한 최초의 칩 단위 스핀트로닉스 이징 머신을 개발하고, 이를 통해 양자 컴퓨터 및 GPU 보다 최대 7 자릿수 높은 에너지 효율로 복잡한 조합 최적화 문제를 해결함을 보여줍니다.

원저자: Sai Li, Yihao Zhang, Albert Lee, Zheng Zhu, Lang Zeng, Peng Wang, Lei Gao, Di Wu, Weisheng Zhao

게시일 2026-03-17

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Sai Li, Yihao Zhang, Albert Lee, Zheng Zhu, Lang Zeng, Peng Wang, Lei Gao, Di Wu, Weisheng Zhao

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"전 세계의 가장 복잡한 문제들을 순식간에 해결해 주는 초고속 컴퓨터"**를 개발했다는 놀라운 소식을 전합니다.

기존의 컴퓨터 (폰 뉴먼 아키텍처) 가 복잡한 문제 (예: 물류 경로 최적화, 칩 설계 등) 를 풀 때 너무 많은 시간과 전력을 소모한다는 한계가 있었습니다. 이 연구팀은 이를 해결하기 위해 **물리 법칙을 그대로 활용하는 '아이스링 (Ising) 머신'**이라는 새로운 장치를 만들었습니다.

이 내용을 일반인이 쉽게 이해할 수 있도록 3 가지 핵심 비유로 설명해 드리겠습니다.

1. 기존 컴퓨터 vs 새로운 컴퓨터: "미로 찾기"의 차이

기존 컴퓨터 (CPU/GPU): 미로에서 출구를 찾을 때, 하나의 길만 쭉 따라가다가 막히면 뒤로 돌아서 다른 길을 다시 시도하는 방식입니다. 미로가 너무 크면 (문제 복잡도가 높으면) 모든 길을 다 시도해 봐야 하므로 시간이 너무 오래 걸립니다.
새로운 컴퓨터 (이 연구의 아이스링 머신): 미로 전체에 수만 마리의 개미를 동시에 풀어놓습니다. 각 개미는 무작위로 길을 가다가 더 좋은 방향을 발견하면 그쪽으로 모입니다. 결국 전체 개미 군집이 가장 빠른 출구 (최적 해답) 로 자연스럽게 모이게 됩니다. 이 방식은 병렬로 작동하므로 훨씬 빠릅니다.

2. 핵심 기술: "스위치"를 어떻게 빠르게 켜고 끄는가?

이 장치는 '스핀 (Spin)'이라는 작은 자석의 상태를 0 과 1 로 바꿔가며 계산을 합니다. 여기서 가장 중요한 것은 이 스위치를 얼마나 빠르게, 얼마나 적은 에너지로 바꿀 수 있느냐입니다.

기존 방식 (전류 사용): 스위치를 바꾸려면 강한 전류를 흘려야 합니다. 마치 무거운 문을 밀어서 여는 것처럼 힘이 많이 들고 (에너지 낭비), 문이 열리느라 시간이 걸립니다 (속도 느림).
이 연구의 방식 (전압 사용 - VCMA-MTJ): 연구팀은 **전류 대신 '전압' (전기장)**을 이용해 스위치를 바꿨습니다. 이는 마치 가벼운 손잡이를 살짝 돌리는 것과 같습니다.
- 속도: 1 나노초 (10 억 분의 1 초) 미만의 속도로 스위치가 바뀝니다. 이는 번개보다도 빠른 속도입니다.
- 에너지: 기존 방식보다 100 배 더 적은 에너지 (40 펨토줄, 원자 하나를 움직이는 에너지 수준) 로 작동합니다.

3. '확률'을 조절하는 마법: "주사위"의 비유

이 장치가 가장 똑똑한 점은 스위치를 바꿀 확률을 조절할 수 있다는 것입니다.

비유: 우리가 문제를 풀 때, 가끔은 우연히 (확률적으로) 엉뚱한 방향으로 가다가 더 좋은 해답을 발견하기도 합니다.
기술: 연구팀은 **전압 펄스의 '길이' (시간)**만 조절하면, 스위치가 바뀔 확률을 0% 에서 100% 까지 정밀하게 조절할 수 있습니다.
- 마치 주사위를 던질 때, 던지는 힘의 세기를 조절해서 원하는 숫자가 나올 확률을 마음대로 설정하는 것과 같습니다.
- 이 '확률 조절' 덕분에 컴퓨터는 국소적인 함정 (가장 좋은 것처럼 보이지만 실제로는 아닌 해답) 에 갇히지 않고, 더 나은 해답을 찾을 수 있습니다.

4. 실제 성과: "EDA(반도체 설계) 의 구원자"

이 장치는 이론에 그치지 않고, 실제로 반도체 설계 (EDA) 분야에서 두 가지 어려운 문제를 해결했습니다.

글로벌 라우팅 (Global Routing): 칩 안의 수많은 전선들을 어떻게 배치해야 가장 짧고 효율적으로 연결할지 찾는 문제.
레이어 할당 (Layer Assignment): 전선들을 여러 층 (Metal Layer) 에 어떻게 나누어 배치해야 간섭이 없으면서 비 (Via) 를 적게 쓸지 찾는 문제.

결과:

기존 슈퍼컴퓨터 (GPU) 나 양자 컴퓨터보다 수백만 배에서 수천만 배 더 빠르고 효율적으로 해답을 찾았습니다.
전력 1 와트당 초당 25,000 개의 최적 해답을 찾아냈습니다.

요약

이 논문은 **"무거운 문을 밀지 않고, 가벼운 손잡이로 순식간에 열어주는 초고속 스위치"**를 개발하여, 복잡한 미로 (최적화 문제) 를 수만 마리의 개미가 동시에 탐색하듯 순식간에 해결하는 장치를 만들었다고 할 수 있습니다.

이는 반도체 설계, 물류, 금융 등 우리 삶에 밀접한 복잡한 문제들을 아주 적은 전기로, 아주 짧은 시간 안에 해결할 수 있는 미래 기술의 문을 연 획기적인 성과입니다.

논문 요약: 초고속 Ising 머신을 위한 서브 나노초 CMOS 통합 자기저항 메모리 (VC-MRAM)

1. 연구 배경 및 문제 제기 (Problem)

NP-난제 (NP-hard COPs) 의 한계: 조합 최적화 문제 (COPs) 는 전통적인 폰 노이만 아키텍처 (CPU, GPU 등) 에서는 계산 자원과 에너지 소모가 문제 크기에 따라 기하급수적으로 증가하여 해결이 어렵습니다.
기존 Ising 머신의 제약: 물리학적 원리를 활용한 Ising 머신 (양자, 광학, 전자 기반) 은 대안으로 제시되었으나, 다음과 같은 근본적인 한계가 있습니다.
- 양자 (QPU): 극저온 냉각 필요, 높은 전력 소모, 희박한 위상적 제약.
- 광학 (CIM): 전체 프로그래밍 가능성과 확장성 확보의 어려움, 시스템 크기 문제.
- 기존 스핀트로닉스 (SOT-MTJ, SMTJ 등): 전류 구동 방식은 큰 쓰기 전류와 스핀 토크 지연으로 인해 속도가 느리고 (약 100 ns), 에너지 효율이 낮음 (약 1 pJ). 또한 확률적 비트 생성을 위한 추가 회로가 필요하여 면적과 복잡도가 증가함.

2. 방법론 및 기술적 접근 (Methodology)

이 연구는 **전압 제어 자기 이방성 (VCMA) 효과를 활용한 자기저항 램 (VC-MRAM)**을 기반으로 한 칩 스케일의 Ising 머신 (VSIM) 을 구현했습니다.

핵심 소자: VCMA-MTJ
- 작동 원리: 전압 (전기장) 을 인가하여 MgO 장벽을 통해 자유층의 자기 이방성 에너지 장벽을 조절합니다. 이를 통해 스핀 토크 (전류) 없이도 확률적인 자화 전이 (P ↔ AP 상태) 를 유도합니다.
- 확률 제어: 펄스 폭 (Pulse Width) 을 조절함으로써 단일 펄스 스위칭 확률을 **0~100%**까지 정밀하게 조절 가능합니다. 이는 Ising 스핀의 확률적 뒤집기 (Probabilistic Flipping) 를 물리적으로 직접 구현하는 것입니다.
- 특징: 큰 쓰기 전류 불필요, 서브 나노초 (<1 ns) 스위칭 속도, 높은 내구성 (10^13 사이클 이상), 대칭적인 스위칭 특성 (초기 상태에 관계없이 동일 펄스로 작동).
하드웨어 구현 (VSIM)
- 칩 제작: 40 nm CMOS 공정과 호환되는 96 kb VC-MRAM 칩을 제작했습니다. 칩 내에는 정밀한 타이밍을 가진 펄스 발생기가 통합되어 있어, 온칩 (In-situ) 에서 스핀 업데이트가 가능합니다.
- 시스템 아키텍처: FPGA 를 통해 Ising 파라미터 (결합 행렬 $J$ , 외부 자기장 $h$ ) 를 설정하고, 온칩 펄스 발생기를 제어하여 스핀 상태를 업데이트합니다.
- 문제 매핑: 실제 NP-난제 (전역 라우팅, 레이어 할당) 를 Ising 해밀토니안으로 변환하여 칩에 로드합니다.

3. 주요 기여 (Key Contributions)

최초의 칩 스케일 스핀트로닉스 Ising 머신: 96k 개의 Ising 스핀을 통합한 VC-MRAM 기반의 단일 칩 시스템을 최초로 구현했습니다.
초고속 및 초저전력 성능:
- 속도: 스핀 업데이트 속도가 0.3~1 ns (기존 대비 100 배 향상).
- 에너지: 단일 스핀 업데이트 에너지가 40 fJ 미만 (기존 대비 100 배 향상).
- 동시 개선: 기존 스핀트로닉스 방식이 가진 속도와 에너지 효율 간의 트레이드오프를 동시에 해결했습니다.
산업적 응용 검증: 전자 설계 자동화 (EDA) 분야의 실제 NP-난제인 전역 라우팅 (Global Routing) 및 레이어 할당 (Layer Assignment) 문제를 성공적으로 해결하여 시스템의 범용성을 입증했습니다.

4. 실험 결과 (Results)

성능 벤치마크:
- 에너지 효율: 1 와트당 초당 25,000 개 ( $2.5 \times 10^4$ ) 의 솔루션을 생성합니다.
- 비교 우위: 동일한 벤치마크에서 최신 양자 머신 (QPU) 보다 6 개, GPU 보다 7 개의 차수 (Orders of Magnitude) 더 높은 성능을 기록했습니다.
- 기존 기술 대비: CPU/GPU 대비 $10^4$ 배 빠르고 $10^9$ 배 적은 에너지를 소비하며, FPGA 대비 10 배 빠르고 150 배 적은 에너지를 소모합니다.
응용 문제 해결:
- 전역 라우팅 (RSMT): 1000 회 반복 내지 10,000 회 반복 후 최적 해를 찾을 확률이 95% 이상으로, 배선 길이 최소화와 연결성 보장을 동시에 달성했습니다.
- 레이어 할당 (DVLA): 배선 밀도 균일화와 비 (Via) 수 최소화를 동시에 최적화하여, 최적성 간격 (Optimality Gap) 을 2% 미만으로 유지했습니다.
내구성 및 변동성: 소자 간 변동성 (Device Variation) 이 있어도 (최대 20% 의 소자가 낮은 확률로 작동하더라도) 95% 이상의 성공 확률을 유지하여 강건함을 입증했습니다.

5. 의의 및 전망 (Significance)

물리 기반 지능의 새로운 패러다임: 서브 나노초 확률적 스핀 업데이트를 가능하게 하여, 물리 법칙을 활용한 컴퓨팅 (Physics-inspired Intelligence) 의 새로운 지평을 열었습니다.
확장성과 실용성: CMOS 공정과 호환되며, 전압 제어 방식을 통해 대용량 집적 (Scalability) 이 용이합니다. 이는 클라우드 컴퓨팅이나 엣지 컴퓨팅 환경에서 대규모 조합 최적화 문제를 해결할 수 있는 강력한 하드웨어 솔루션이 됩니다.
미래 방향: 메모리 내 연산 (Computing-in-Memory) 이나 행렬 - 벡터 곱셈 (MVM) 가속기를 통합한 시스템 온 칩 (SoC) 개발을 통해 더 높은 효율을 달성할 수 있으며, 다양한 산업적 NP-난제 해결에 적용될 수 있는 잠재력을 가집니다.

결론적으로, 이 연구는 전압 제어 자기 이방성 (VCMA) 효과를 활용한 VC-MRAM 기반의 초고속, 초저전력 Ising 머신을 통해 기존 컴퓨팅 아키텍처의 한계를 극복하고, 산업 수준의 복잡한 최적화 문제를 효율적으로 해결할 수 있음을 입증했습니다.