전체메뉴

[애플경제 이윤순 기자] 현장에서 실시간 판단을 수행하는 초소형 AI기술이 차세대 엣지 센서의 대안으로 주목받고 있다. 현재도 센서 모듈 근처나 내부에 저전력 가속기를 배치, 센서 데이터가 전송되기 전에 처리, 추론하는 센서 내 연산 기법을 적용하고 있다. 그러나 이를 뛰어넘어 향후 데이터 수집기 이상의 실시간 추론을 하는 초소형 AI시스템으로 진화할 조짐을 보이고 있다.

이는 현재의 첨단 엣지AI와 지능형 센서 기술을 넘어선 것이다. 현행 기술은 엣지에서의 감지, 저장, 연산 기능이 모두 별도 소자에서 수행되거나, 센서 옆에 메모리 내 연산 기능을 갖춘 메모리 어레이를 집적, 아날로그 신호를 바로 연산 블록으로 전달하는 구조다.

여기서 좀더 발전한 기술은 감지와 메모리 기능을 동시에 수행하는 단일 디바이스를 어레이 형태로 배치하는 방식이다. 이를 통해 센서 픽셀 자체에서 메모리 내 연산을 수행한다. 즉 “복수 자극을 감지하면서 동시에 가중치를 저장, 변조할 수 있는 단일 디바이스 기술”이다.

이 분야 권위자인 정규원 서울대 조교수는 “그러나 향후 엣지 센서 기술은 단순 데이터 수집기를 넘어 현장에서 실시간 판단을 수행하는 초소형 AI 시스템으로 빠르게 진화하고 있다.”고 진단했다. 그는 정보통신기획평가원 리포트를 통해 “이는 대체로 모놀리식 3D 집적 방식, 온-센서 러닝 방식, 멀티모달 센서 등으로 구분된다”며 “미래에 엣지 센서 기술이 발달, 진화할 경우 이런 세 가지 키워드가 중심이 될 것”으로 전망했다.

그 중 ▲‘모놀리식 3D 집적’은 실리콘 로직 층 위에 메모리 및 연산 코어를 적층한다. 다시 그 최상부에 감지 부위를 저온 공정으로 연속 형성하는 방식이다. 즉 “층간의 인터커넥트 길이가 ‘μm’ 이하 수준이다보니, 지연이나 대역폭 측면에서 기존 실리콘 관통 전극 방식의 3D패키지 보다 우수하다”는 평가다.

그에 따르면 이는 센서와 프로세서 데이터 이동이 사실상 동일 ‘다이’에 있는 수준으로 축소된다. 다만, 공정 온도 제약, 열-기계적 스트레스 문제, 채널의 전기적 안정성이 해결 과제란 지적이다.

▲‘온-센서 러닝 및 자가 보정’은 쉽게 말해 외부 통신에 대한 의존도를 줄이는데 초점을 둔 방식이다. 이를 위해 센서 내부에서 데이터를 수집하거나, 가중치를 업데이트하고, 추론 전 과정을 수행한다. “외부 통신 의존도를 줄이고 장기 신뢰성을 높이려는 접근”이란 설명이다.

다만 이는 조건이 있다. 센서 소자(픽셀)에서 가중치 조절을 자체적으로 수행해야 한다. 그러므로 학습 알고리즘을 센서 내에서 직접 수행하는 ‘온-센서 러닝’ 및 ‘현장(in-situ) 러닝’이 요구된다는 설명이다.

이 방식은 하드웨어에서 학습을 수행하는 새로운 접근법이다. 이에 적합한 알고리즘이 개발되어야 한다. 또한, 하드웨어 상에서 빈번하게 발생하는 불안정성을 줄이기 위한 대안이 요구된다. 즉, “양자화된 기울기 미분 값, 읽기/검증(read/verify) 보정, 저전력 디지털 신호 처리 병렬화 등의 ‘회로 알고리즘’ 공동 설계 필요하다”는 것이다.

▲‘멀티모달 센서’나 ‘자립형 센서’도 대안이 될 수 있다. 이는 빛, 가스, 압력, 온도 등 다양한 자극을 하나의 소자나, 적층 어레이에서 동시에 감지하는 것이다. 무선 통신 및 센서 구동 전역을 자체 공급하는 셈이다.

이를 위해 정 교수는 “센서 내부에서 ‘가중치 합 연산’으로 복합 정보를 실시간으로 처리하면 집적도를 높일 수 있으며, 에너지 하베스팅 기술(운동에너지→전기에너지 등)을 이용해 필요한 에너지를 자체 공급하면 센서의 자립도가 높아지게 된다.”고 소개했다.

그러나 “자극 간 교차 감응이나 장기 드리프트(실종, 희석 등) 문제에 대한 해결 기법이 병행되어야 한다”면서 안정적인 에너지 공급 방법이 요구된다는 입장이다.

그럼에도 이런 최첨단 방식들을 통해 미래의 지능형 센서는 완전 자립형 엣지 AI 노드로서,초저지연, 초저전력, 그러고 고도의 보안 기능을 동시에 충족시킬 수 있을 것이란 전망이다.