검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'테라 랩'통합검색 결과 입니다. (6건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

KAIST 테라랩, IEEE 반도체 관련 학술대회서 2년 연속 '최우수상'

KAIST 김정호 교수 연구실(KAIST 테라랩)은 아시아·태평양 지역에서 가장 권위 있는 반도체 패키징 기술 관련 국제학회 '이뎁스(EDAPS) 2025'에서 배재근 연구생(석사과정)이 '최우수 학생 논문상'을 수상했다고 26일 밝혔다. 테라랩은 세계적으로 권위를 인정받는 국제학회에서 지난해 김태수 석사과정 학생 '최우수 논문상' 수상에 이어 2년 연속 수상자를 배출했다. 배재근 연구생은 이달 중순 일본 삿포로에서 열린 'EDAPS 2025' 국제학회에서 '스위치 트랜스포머 기반 HBM 설계 에이전트(Switch Transformer-based HBM Design Agent)'로 올 한 해 출판된 30여 편의 논문 중 이 분야 기술혁신에 기여한 점을 인정받아 'EDAPS 2025 전체 최우수 학생 논문상을 수상했다. '이뎁스(EDAPS, Electrical Design of Advanced Packaging & systems)'는 아시아·태평양 지역에서 가장 큰 반도체 패키징 기술 관련 학회다. 지난 2002년부터 국제전기전자공학자협회(IEEE) 전자패키징학회(Electronic Packaging Society)가 매년 주최하고 있다. 칩(Chip) 설계, 시스템인 패키지·시스템 온 패키지(Sip/Sop), 전자파 간섭·전자 적합성(EMI/EMC), 설계 자동화 프로그램(EDA) 툴(Tool) 및 3D-IC 및 실리콘 관통 전극(TSV) 설계 등 반도체 패키징의 전반적인 분야 연구 결과를 공유하고, 산업계 요구를 반영한 연구 성과를 주로 공개한다. 배재근 연구생 논문은 신호 품질 저하 주요 원인인 전원 공급 유도 지터(PSIJ)를 목표값 이하로 억제하면서도 디커플링 캐패시터 개수를 최소화하기 위해 스위치 트랜스포머 기반 강화학습 알고리즘을 적용한 결과물로, 기존 최적화 알고리즘 대비 약 15% 향상된 추론 속도를 입증해 주목 받았다. 배재근 연구생은 특히 논문에서 데이터 레이트 증가로 인해 점차 축소되는 HBM(고대역폭메모리) PSIJ(전원 노이즈 유발 지터) 마진 문제 해결을 위한 새로운 방법론을 제시했을 뿐만 아니라, 차세대 HBM을 포함한 이후 세대에도 동일한 적용이 가능한 높은 재사용성(reusability)을 갖춘 독창적인 시스템을 제안했다는 점에서 심사위원들로부터 높은 평가를 받은 것으로 알려졌다. 'PSIJ 마진 문제'는 전원 노이즈 때문에 신호 타이밍이 흔들려(지터 증가) 아이/타이밍 마진이 줄어드는 현상을 주로 말한다. 배재근 연구생은 "현재 테라랩이 지향하고 있는 HBM 하드웨어·소프트웨어 설계를 아우르는 에이전틱 인공지능(Agentic AI) 수립을 향한 작지만 의미 있는 첫걸음이 되기를 기대한다”고 소감을 밝혔다. 그는 이어 “향후 PSIJ 최적화를 넘어 전력·신호 무결성과 열 특성까지 통합적으로 고려하는 HBM 전주기 설계용 에이전틱 AI로 연구를 확장하고자 한다”며, “차세대 HBM 및 칩렛 기반 구조에서도 적용이 가능한 실무형 AI 설계 프레임워크를 구축해 산업 현장에 기여하는 연구자가 되고 싶다”고 포부를 밝혔다. 한편, 테라랩에는 올 12월 현재 석사과정 18명, 박사과정 9명 등 모두 27명의 학생이 반도체 전·후공정에 들어가는 다양한 패키지와 인터커넥션 설계를, 강화·모방 학습과 같은 인공지능(AI) 머신러닝(ML)을 활용해 최적화하는 연구를 수행 중이다. 테라랩은 이번 배재근 석사과정 학생의 수상 외에도 올해 초 조지아공대 박사과정에 진학한 김태수 석사 졸업생이'EDAPS 2024 전체 최우수 논문상'을 수상한 데 이어 올 초에도 세계적으로 권위를 인정받고 있는 국제학술대회 '디자인콘(DesignCon)'에서 박사과정 신태인 학생이 '최우수 논문상'을 수상하는 등 반도체 설계 분야에 관한 한 세계적으로 우수한 실력을 인정받고 있다.

2025.12.26 10:18박희범 기자

김정호 KAIST 교수 "2038년엔 HBM이 AI컴퓨팅 핵심될 것"

오는 2038년 쯤되면 AI컴퓨팅이 HBM(고대역폭메모리) 중심으로 이루어질 것이라는 분석이 나왔다. 또 HBM이 3년 단위로 성능이 2배이상 개선된다는 'AI 스케일링 법칙'의 근거도 제시됐다. 김정호 KAIST 전기및전자공학부 교수는 지난 11일 열린 '차세대 HBM 로드맵(2025~2040) 버전 1.7 기술 발표회'에서 "HBM은 열과 전기 에너지와의 싸움"이라며 이같이 언급했다. 김 교수는 지난 2000년 초반부터 HBM을 연구, 'HBM 대부'로 불린다. 김 교수는 첫 설명에서 살바도르 달리 화풍으로 사람과 로봇 얼굴을 합성한 오픈 AI 생성 그림을 보여주며, "결국은 인간의 노동을 AI가 상당부분 대체할 것"이라며 강연을 진행했다. 김 교수는 "2000년 초반 반도체 스택을 얘기하며 HBM이 고속 계산에 쓰일 것으로 예상했는데, 이 같은 얘기가 AI 산업화 등에 힘입어 현실이 됐다"며 "향후 15~20년은 HBM이 산업을 이끌어 갈 것"으로 예측했다. 김 교수는 또 반도체 생존과 국가안보가 HBM에 의해 결정될 것이라는 언급도 내놨다. "현재 삼성전자와 SK하이닉스가 메모리 반도체 시장 90% 장악하고는 있지만, 시스템 IC를 비롯한 그 외 분야의 기술 및 시장확장에 더 적극적으로 대응해야 지속적인 시장 주도권을 확보할 것입니다." 김 교수는 HBM 미래방향에 대해 "3년마다 대역폭(배선(I/O)갯수, 데이터 전송속도)이 2배로 개선될 것"이라며 "대역폭이 2026년 출시될 HBM4의 경우 초당 2TB이지만, 3년 뒤인 2029년 HBM5에서는 초당 4TB가 될 것"이라며 "그러나 그 이후엔 3년마다 2배를 넘는 속도로 가속화될 것"으로 예측했다. 2035년 HBM7 대역폭이 초당 24TB, 2038년 HBM8에서는 64TB로 급격히 늘어날 것으로 내다봤다. 이외에 김 교수는 "10~20년 뒤에는 파라미터가 1천조까지 갈 것"이라며 "데이터 통신 속도가 100Gbps를 넘어서면 데이터 전송방식이 광통신으로 바뀔 것"으로 예견했다. 이어 ▲3D 메모리 근접 컴퓨팅 구조(윤지원 박사과정) ▲멀티-타워 HBM 구조 (김태수 석사과정) ▲냉각위한 임베디드 쿨링 구조 (손기영 박사) ▲LLM 을 활용한 HBM 디자인 AI 에이전트(김근우 박사과정) 등 21명의 석, 박사생들이 각각의 주제를 발표했다. 세대별 HBM 구조와 성능, 특성 ▲데이터 대역폭 확장을 위한 TSV와 인터포저 ▲딥 에칭 기술 등과 전기적 신뢰성 확보를 위한 하이브리드 본딩 기술 ▲발열 문제 해결을 위한 냉각용 TSV 기술 등도 함께 소개된다. 21명이 발표했다. 윤지원 전기및전자공학부 연구생(박사과정)은 "이번 행사를 기획하며 HBM이 우리나라 반도체 산업의 미래라는데 더 확신을 갖게 됐다, 지속적으로 우리나라 HBM 중심의 국가 경쟁력을 갖도록 하는데 기여하고 싶다"고 말했다.

2025.06.12 10:44박희범 기자

HBM 대부 김정호 교수, 다음 달 차세대 HBM 로드맵 공개

올해부터 오는 2040년까지 향후 15년간 고대역폭메모리반도체(HBM) 아키텍처와 구조, 성능, 세대별 특성이 어떻게 진화할 것인지를 조망하는 기술 발표회가 열린다. KAIST 전기및전자공학부 김정호 교수 연구실(KAIST테라랩)은 '차세대 HBM 로드맵(2025~2040) 기술 발표회'를 다음 달 11일 오전9시부터 개최한다고 28일 밝혔다. 김정호 교수는 “급변하는 기술 패권 경쟁 속에서 국내 반도체 산업이 나아갈 방향을 제시하고 AI 반도체의 핵심 축으로 떠오른 차세대 HBM 기술 개발을 위한 구체적인 로드맵을 공유하기 위해 마련했다”고 행사 배경에 대해 설명했다. 'HBM의 아버지'로 불리는 김 교수는 지난 20년 넘게 HBM 관련 설계 기술을 주도했다. 2010년부터는 실제 HBM 상용화 설계에도 참여하고 있다. KAIST 테라랩은 HBM 실리콘관통전극(TSV), 인터포저, 신호 무결성 설계(SI), 전력 무결성 설계(PI) 등에서 연구 독창성을 인정받아 왔다. 이달 말 현재 신태인·손기영 등 2명의 박사후연구원(포닥)을 비롯해 박사과정 10명, 석사과정 17명 등 모두 29명의 학생 연구원이 6세대 HBM인 HBM4부터 HBM8까지 향후 15년 동안 쓰일 것으로 예상되는 차세대 HBM 아키텍처와 구조, 성능 등을 연구 중이다. 테라랩은 HBM 설계를 인공지능으로 자동화하는 연구도 함께 진행 중이다. 테라랩은 강화학습과 생성 인공지능을 결합해 HBM의 전기적, 열적 최적화 연구를 세계적 수준으로 끌어 올렸다는 평가다. 이번 기술 발표회에서는 ▲세대별 HBM 구조와 성능, 특성 ▲데이터 대역폭 확장을 위한 TSV와 인터포저 ▲딥 에칭 기술 등과 전기적 신뢰성 확보를 위한 하이브리드 본딩 기술 ▲발열 문제 해결을 위한 냉각용 TSV 기술 등도 함께 소개된다. 김정호 교수는 “차세대 HBM 관련 기술적인 아이디어와 방향을 소개하기 위해 마련한 것”이라며 "발표 내용은 향후 삼성전자, SK하이닉스 등 국내 주요 반도체 업체와 관련 정보를 공유할 예정이고, 기회가 된다면 실리콘밸리 등 해외에서도 발표회를 가질 것"이라고 덧붙였다. 한편 KAIST 측은 행사 당일 발표회 시작과 함께 줌으로 생중계한다. 유튜브 방송은 이후 테라랩 홈페이지를 통해 공지할 예정이다.

2025.05.28 09:30박희범 기자

봄바람 타고 KAIST에도 '지브리' 유행하나

지브리 유행이 봄바람을 타고, KAIST 캠퍼스에도 불어 닥쳤다. 최근 KAIST 김정호 교수 연구실(테라랩) 김혜연 연구생(박사과정)이 연구실 홈페이지에 생성형 AI 모델인 GPT-4o를 활용해 지브리 애니메이션 스타일의 이미지를 구현하는 등 다양한 영상 콘텐츠를 공개했다. 김혜연 연구생은 오픈AI가 최근 발표한 다중모달 AI 모델 GPT-4o의 이미지 생성 기능을 적극 활용했다. 테라랩 책임자인 김정호 교수의 상반신 사진과 연구실 단체 사진 등을 '지브리풍'으로 변환했다. 김 교수의 상반신 이미지는 도라에몽, 디즈니, 스누피, 짱구 등 서로 다른 네 가지 스타일로 재미있게 변환됐다. 각 스타일의 고유한 분위기와 그림체가 뚜렷하게 반영돼, 동일한 인물을 전혀 다른 캐릭터처럼 보여주는 것이 특징이다. 따뜻한 색감과 섬세한 표현 덕분에 각 스타일의 매력을 생생하게 느낄 수 있다. 김정호 교수는 고대역폭 메모리(HBM) 분야 세계적인 석학이다. 반도체 및 AI 분야에서 활발히 활동 중이다. 김혜연 연구생은 “AI 반도체 연구자로서 생성형 AI 모델을 추론하는 데, 특히 언어를 넘어 이미지를 생성하는 과정에서는 막대한 컴퓨팅 파워가 요구된다는 점에 주목했다”고 말했다. 그는 또 “과연 얼마나 빠르게 이미지를 생성할 수 있을지, 수많은 동시 접속자들을 무리 없이 감당할 수 있을지에 대한 기술적 호기심에서 직접 실험해보고자 만들게 됐다”고 설명했다. GPT-4o는 텍스트, 음성, 이미지 등 다양한 입력을 실시간으로 처리할 수 있는 멀티모달 AI 모델이다. 기존보다 훨씬 빠르고 정밀한 이미지 생성 능력을 갖추고 있다. 특히 캐릭터 중심의 스타일 변환이나 예술적 스타일 이식 분야에서 가능성을 보여준다. 김정호 교수는 “기술과 예술의 선을 넘나드는 융합 사례들이 연구의 깊이와 폭을 더 넓혀갈 것"으로 기대했다.

2025.04.08 10:52박희범 기자

KAIST, 삼성·구글· 인텔 등과 국제학회 '최우수논문상'

인텔이나 엔비디아, 구글, AMD 등 글로벌 빅테크 기업 연구원과 엔지니어 등이 대거 참여하는 국제 학회서 국내 연구진이 최우수논문상을 수상, 관심을 끌었다. KAIST 테라랩(지도교수 김정호 전기및전자공학부 교수)은 신태인 박사(28)가 미국 실리콘밸리에서 열린 국제학회 '디자인콘(DesignCon) 2025'에서 최우수 논문상을 수상했다고 3일 밝혔다. 신 박사의 이번 수상은 지난 2022년 열린 디자인콘에서의 최우수논문상에 이어 두 번째다. 지난 2022년에는, 전체 8명에게만 주어자는 최우수 논문상을 KAIST 테라랩 소속 연구원 4명( 신태인·김성국·최성욱·김혜연)이 휩쓸어 관심을 끌었다. '디자인콘'은 반도체 및 패키지 설계 분야에서 권위를 인정받는 국제학회다. 올해 대회에서는 KAIST 외에 삼성, 구글, 인텔, AMD, 키사이트, 케이던스, 샘텍 등에서 8명이 이 상을 수상했다. 신태인 박사는 지난 해 말 접수, 채택된 전체 100여 편의 논문 중 해당 분야 기술혁신에 기여한 점을 인정받았다. 신 박사는 이 학회에서 고대역폭 메모리(HBM) 패키지의 전력 무결성 설계를 위해 시간 정보가 포함된 전력 잡음 지터(jitter)에 영향을 주는 설계 요소를 AI로 설계, 최적화하는 방법론을 제시했다. 신태인 박사는 “HBM 기반 패키지 시스템 설계가 갈수록 고도화 되고 있다"며 "이번 방법론이 반도체 신호 및 전력 무결성 설계의 토대를 마련하는 계기가 될 것"으로 기대했다. 한편, 김정호 교수 연구실에는 3월 기준 석사과정 17명, 박사과정 10명 등 모두 27명이 소속돼 있다. 이들은 반도체 전·후공정에 들어가는 다양한 패키지와 인터커넥션 설계를 강화·모방 학습과 같은 인공지능(AI) 머신러닝(ML)을 활용해 최적화하고 있다. 또 대규모 인공지능(AI) 구현을 위한 HBM 기반 컴퓨팅 아키텍트와 관련한 연구도 함께 진행 중이다.

2025.03.03 13:30박희범 기자

KAIST 석·박사 15명, 챗GPT와 딥시크로 수능 미적분 풀어보니…

올해 수능 수학 30번 문항을 챗GPT와 딥시크에게 물었다. 30번은 미적분 문제다. 전국 수험생들의 14%만이 맞췄다. 과연 어느 생성형 인공지능(AI)이 올바른 답을 제시했을까. KAIST 테라랩(지도교수 김정호)이 지난 주 챗GPT와 딥시크의 성능과 활용성, 경쟁력의 비밀을 공개하는 세미나를 개최했다. 이 세미나에는 테라랩 소속 석·박사과정생 15명이 참여했다. 이날 서은지 연구생(전기및전자공학과 석사과정)이 딥시크를 활용해 테스트한 결과를 공개해 눈길을 끌었다. 이 시험에서 서 연구생은 리즈닝(추론가능 LLM) 모델로 챗GPT-o1과 딥시크-R1(1.5B)을 썼다. 이 결과 GPT-o1은 7분 40초만에 정답 17을 제시했다. 반면 R1은 정답 도출에 실패했다. 서 연구생은 이외에도 수리1, 추리2, 코딩1문제를 각각 테스트한 결과도 공개했다. 이 결과에 따르면 단순 수리 문제는 양쪽 AI 모두 맞췄다. 이어 진행한 숫자 야구 게임에서는 GPT-o1의 경우 18분간 10번의 시도로 정답을 냈고, R1은 55분간 15번을 시도했으나 갈피를 잡지 못했다. 삼성이 시행하는 직무적성검사(GSAT)도 테스트했다. 3단 논법에서 전제1과 결론을 제시한 뒤 전제2를 묻는 질문이다. 이 질문에 GPT-o1은 25초만에 정답을 도출했다. 반면 R1은 1분 동안 리즈닝까지 했지만, 답을 맞히지 못했다. 그러나 코딩의 2가지 오류 탐지에서는 GPT-o1이 46초간 한 개의 오류만 해결한 반면, R1은 몇 초 동안 2가지를 모두 해결했다. 서 연구생은 "GPT-o1이 고난도 수리나 추론해결이 정확한 반면 R1은 코딩 오류 탐지가 정확했다"며 "제품 출시 2개월 된 R1이 이 같은 성능을 보인다는 측면에서 대단하다"고 평가했다. 언어와 수학에선 R1, 프로그래밍에선 오픈AI-o1이 강력 이어 김지훈 연구생(전기및전자공학과 박사과정)은 AI 벤치마크별 성능 비교 자료를 공개해 관심을 끌었다. 미국고교수학경시대회(AIME2024) 문제로는 R1이 79.8점, 오픈AI-o1은 79.2점으로 R1이 미세하게 앞섰다. MATH-500(고급수학문제)이나 소프트웨어 엔지니어링 벤치마크(SWE-벤치)에서도 0.3~0.9점 가량 R1이 좋은 점수를 받았다. 그러나 검색없이 해결하는 대학원 수준 문제(GPQA)에서는 오픈AI-o1가 75.7점으로, 71.5점을 받은 R1보다 4.2점이 높게 나왔다. 또 영어나 수학, 중국어 등의 문제에서는 R1이, 프로그래밍 최적화에서는 오픈AI-o1이 강력했다. 최성욱 연구생(전기및전자공학과 박사과정)은 딥시크의 기업 전반을 공개하며 "딥시크는 연구자와 엔지니어 150명과 데이터 자동화 연구팀 31명만으로 개발했고, 오픈AI는 1천200명의 인력이 투입됐다"고 설명했다. 최 연구생은 또 딥시크 서비스 차단 이슈를 거론하며 "우리나라를 포함해 미국, 일본, 호주, 이탈리아, 대만이 접속을 차단하거나 사용금지, 앱 다운로드 금지 등으로 규제 중"이라고 덧붙였다. LLM이 기초..."우리나라 GPU 10만장정도 보유 희망" 김근우 연구생(전기및전자공학과 박사과정)은 딥시크 R1-제로의 학습 방법론(GRPO)으로 주목 받았다. 김 연수생은 이 방법론에서 R1-제로의 특징을 가치평가 모델과 보상인공지능 모델을 사용하지 않는 경량화된 강화학습으로 분석했다. 이외에 이들은 △딥시크-V3의 기본 아키텍처 △R1-제로에서의 강화학습 △오픈소스 생태계 △기업소개 및 기술적 배경 등을 주제로 자료를 공개했다. 김정호 교수는 "딥시크 R1 등장이 경쟁 체제 문제를 넘어, 결국 전의 전쟁으로 발전하고 있다"며 "지금은 거대언어모델(LLM)에 머물지 않고 미디어 LLM, 멀티모달 에이전트, AI로봇, 피지컬 AI를 넘어 범용인공지능(AGI), 초인공지능(ASI) 시대로 가는 시작점"이라고 말했다. 김 교수는 또 "이 가운데 LLM이 기초"라며 "정부도 K-LLM 개발하겠다고 한다. 우리나라 GPU 보유숫자가 10만장까지 갔으면 좋겠다"라고 덧붙였다. 김 교수는 "딥시크가 주목받는 이유로 저비용, 자체 개발, 챗GPT 동급성능, 1년만에 개발 등을 꼽을수 있다"며 "딥시크 AI에는 학습코드와 학습 데이터가 공개되지 않는 등 비밀이 많이 숨어 있는 것 같다"고 평가했다.

2025.02.26 17:16박희범 기자