[1027]2025 미래 과학 트렌드 ②_화학과 과학기술_HBM이란

(출처: 정약용도서관 홈피)

『2025 미래 과학 트렌드』 두 번째 포스팅이다. 
이번에는 '화학'과 '과학기술'에 대한 내용이다.

아래에 인용한 문장과 함께 느낌을 함께 포스팅했다. 

Chapter 3 화학

상대적으로 최근에 개발(1952년 특허)된 플로트 공정은 영국의 필킹턴사에서 일하던 직원들 (알라스테어 필킹턴과 케네스 비커스태프)이 발명했다. 녹은 금속 주석 위에 용융된 유리를 띄워 평평하고 넓으며 다양한 두께를 가지는 판유리를 만드는 본격적인 방법이다. (101)

유리를 평평하면서 넓게 만드는 기술에 대한 내용이다.
우리는 이미 다양한 분야에서 사용되는 유리에 둘러쌓여 살고 있다.
당연하게 받아들여지는 이런 유리도 과거에는 불가능한 기술이었다. 

일반적인 유리라고는 할 수 없지만 유리섬유glass fiber도 아주 중요하며 많이 사용된다. 유리섬유는 실리카 silica 기반 또는 기타 배합 유리의 얇은 가닥을 가공에 적합한 작은 지름의 많은 섬유로 압출 · 방사해 만든다. 사실 유리를 가열하여 가는 섬유로 만드는 기술은 수천 년 동안 이어진 것이지만, 현대에 사용되는 제조법은 미국의 공학자인 게임 슬레이터Games Slayter가 1933년에 발명한 것이다. 일반적인 유리섬유는 단열, 전기 절연, 방음, 고강도, 내열 및 부식 방지용 매트와 직물을 만드는 데 사용된다. 또한 다양한 소재 특히 나무나 플라스틱을 보강할 때도 쓰인다. (102)

glass fiber (출처: Wikimedia Commons)

유리 기판이 실리콘 기판보다 나은 특성도 있는데, 실리콘보다 덜 단단해서 적당한 유연성을 가져 상대적으로 파손 유려가 적고 열전도율도 150배 정도 낮아 발열 관리가 쉽다. 게다가 유리가 주는 광학적 선명도는 광신호 전송을 위한 도관으로 사용할 수도 있다. 무엇보다 실리콘 기판이나 인터포저보다는 재료나 필요한 공정의 구축 비용도 저렴하므로, 향후 생산기술이 확보되면 가격 면에서 상당히 유리해질 것이 당연하다. (108)

반도체 패키징에서 혁신적인 기술인 유리 기판에 대한 장점이다. 
생소한 분야라서 어렵지만 기존 실리콘 기판보다 큰 변화를 가져올 기술로 보인다. 

IBS 과학자들의 연구가 누군가의 논문에서 시작되었듯 수많은 후속 연구가 이를 토대로 불붙이리라. 과학의 발전은 이렇게 다른 사람의 업적 위에서 피어난다. 과학계의 유명한 격언, "내가 더 멀리 보았다면 거인들의 어깨 위에 올라서 있었기 때문이다."가 떠오르기도 한다. (124)

무에서 유를 창조하기는 어렵다. 
기존의 기술을 바탕으로 혁신 기술이 탄생할 수 있다. 
기존과 다른 새로운 분야의 개척이나 접목은 통찰이 필요하다. 
거인이 되기는 어렵지만 거인들의 어께 위에서 멀리 볼 수는 있다. 

 

Chapter 4 과학기술

알고리즘algorithm은 계산하는 절차라 할 수 있다. 사칙연산과 방정식을 체계적으로 정리한 9세기 페르시아 수학자 알 콰리즈미 Al Khwarizmi의 이름에서 유래한다. (166)

Al Khwarizmi (출처: Wikimedia Commons)

아무리 좋은 GPU가 있어도 이를 뒷받침할 메모리 반도체가 없다면 그 성능을 제대로 발휘하기 어려운 것이다. 결국 인공지능이 필요로 하는 방대한 데이터로 인해 발생하는 병목 현상을 해소하려면 고성능 배터리 반도체가 필요하게 된다. 기존 메모리 반도체인 D램으로는 인공지능이 요구하는 폭발적인 데이터량을 감당하기 어렵게 되자 D램에서 속도와 용량을 개선한 그래픽 D램, GDDR Graphics Double Data Rate을 사용하기도 했지만 여전히 GPU의 성능에 따라가지 못했다. GDDR보다 메모리에서 한 번에 빼낼 수 있는 데이터량, 즉 대역폭을 높인 메모리가 필요해졌고, GDDR보다 대역폭을 획기적으로 높인 HBM이 탄생하게 된다. (176)

삼성전자와 SK하이닉스를 비교할 때 HBM 기술이 언급된다. 
이 문장으로 HBM이 왜 중요한지 알 수 있다. 
메모리와 GPU 사이의 통로 역할을 하는 HBM이다. 
HBM은 도로폭이 GDDR보다 넓어 메모리에서 데이터를 훨씬 더 많이 인출할 수 있다. 

HBM High Bandwidth Memory은 여러 개의 D램을 수직으로 높인 고대역폭 메모리를 말한다. HBM은 D램을 적층하기 위해 수천 개의 미세한 구멍을 뚫고 이를 관통하는 전극을 연결해 여러 개의 칩을 하나로 연결하는 TSV Through Silicon Via라는 첨단 패키징 기술이 사용된다. HBM은 TSV 방식을 사용해 D램을 적층함으로써 기존 D램보다 데이터 입출력 통로를 크게 늘리고 GPU와 물리적 거리를 줄여 더욱 빠른 데이터 전송을 가능하게 한다. 이렇게 기존 메모리의 한계를 극복한 HBM과 GPU를 붙여 방대한 데이터를 신속하게 처리할 수 있도록 반도체 세트를 구성하는데, HBM과 GPU의 조합처럼 인공지능의 학습과 추론에 최적화된 반도체 세트를 인공지능 가속기 또는 인공지능 반도체라고 한다. (177)

HBM이 D램을 적층해서 구성되는데 이때 TSV라는 첨단 패키징 기술이 필요하다. 
엔비디아의 GPU가 최적의 성능을 발휘하려면 SK하이닉스의 HBM과 조합되어야 한다. 
SK하이닉스의 실적이 좋은 이유가 이해된다. 

이러한 기술이 사람들의 생활과 가치에 어떻게 기여할 수 있는지 고려하여 사회에 긍정적 영향을 미칠 수 있도록 해야 한다. 즉, 인간 중심의 설계와 생성된 콘텐츠의 사용은 어디까지가 윤리적인지, 어떤 콘텐츠가 생성되고 배포될지에 대한 규제와 책임도 필요하다. 특히 사회적, 정치적 영향력이 큰 콘텐츠의 경우 심각한 결과를 초래할 수 있다. 이에 따라 유럽연합은 인공지능의 안전과 윤리적 원칙을 보장하고 위험을 최소화해 인공지능의 신뢰성을 확보하기 위한 '인공지능법 AI Act'을 발효했다. (2024년 8월) (193)

유럽연합이 인공지능에 대한 규정에서 앞서있다. 
인공지능을 어떻게 활용해서 상업적 성과를 낼 지에 대한 고민도 중요하다. 
하지만 인공지능이 인류에게 미칠 사회적 영향도를 고려한 법적 규제도 필요하다. 

반정형 데이터는 구조에 따라 저장된 데이터지만 정형 데이터와 달리 데이터 내용 안에 구조에 대한 설명이 함께 존재한다. 그렇기 때문에 특정 형식으로 구성된 데이터를 분석하고 그 의미를 파악하는 파싱 parsing 과정이 필요하다. 보통 파일 형태로 저장되고, 웹에서 데이터를 교환하기 위해 작성한다. (198)

데이터 내의 유사한 그룹을 식별하는 비지도 학습 방법도 있는데, 이는 클러스터링이라 한다. (200)

클러스터링에 대한 용어 설명이다. 
인공지능이나 데이터 관련 책을 읽으며 관련된 용어들에 조금씩 익숙해진다. 

베이즈 추론Bayesian inference까지 덧붙여 살펴보자. 추론 대상의 사전 확률과 추가 정보를 통해 해당 대상의 사후 확률을 추론하는 방법이다. 베이즈 추론은 베이즈 확률론을 기반으로 하며, 이는 추론하는 대상을 확률 변수로 보아 그 변수의 확률 분포를 추정하는 것을 의미한다. 많은 현대적 기계학습 방법은 객관적 베이즈 추론에 따라 만들어졌다. 어떤 가설의 확률을 평가하기 위해 사전 확률을 먼저 밝히고 새로운 관련 데이터에 의한 새 확률을 변경한다. (201)

세 번째 포스팅으로 이어진다. 

https://bandiburi-life.tistory.com/2794

[1027]2025 미래 과학 트렌드 ③_지구과학과 과학문화 및 2024 노벨상 특강