
< (왼쪽부터) 전기및전자공학부 최양규 교수, 전기및전자공학부 윤성윤 박사과정 (우상부터)김상현 교수,김준표 박사 >
빅데이터와 인공지능 시대, 수천 년이 걸리는 ‘조합 최적화 문제(가능한 모든 경우 중 가장 효율적인 답을 찾는 문제)’를 해결할 수 있는 길이 열렸다. KAIST 연구진이 기존 실리콘 공정만으로 구현 가능한 연산 하드웨어를 개발해, 별도 설비 없이 바로 생산·적용 가능한 전환점을 제시했다. 이를 통해 물류, 금융, 반도체 설계 등 다양한 산업에서 더 빠르고 정확한 의사결정이 가능해질 전망이다.
우리 대학은 전기및전자공학부 최양규 교수와 김상현 교수 공동 연구팀이 기존 실리콘 반도체 공정만을 활용해 차세대 최적화 전용 하드웨어인 ‘오실레이터 기반 아이징 머신(Oscillatory Ising Machine, 여러 진동 소자가 상호작용하며 최적 해를 찾아내는 특수 목적형 컴퓨터)’을 구현하는 데 성공했다고 6일 밝혔다.
연구팀이 주목한 것은 ‘오실레이터(일정한 주기로 신호를 반복하는 진동 소자)’다. 여러 개의 오실레이터가 서로 신호를 주고받으며 박자를 맞추는 과정에서 시스템은 자연스럽게 가장 안정적인 상태에 도달하고, 이 과정에서 최적의 해를 찾아낸다.
기존 아이징 머신은 오실레이터 간 미세한 주파수 편차(각 소자의 진동 속도 차이)를 정밀하게 제어하기 어렵고, 소자 간 연결도 제한적이어서 복잡한 문제를 푸는 데 한계가 있었다.
연구팀은 이를 극복하기 위해 오실레이터와 이를 연결하는 커플러(Coupler, 소자 간 상호작용의 강도를 조절하는 장치)를 모두 단일 실리콘 트랜지스터(반도체의 기본 스위치 소자)로 구현하는 새로운 접근 방식을 도입했다.
이를 통해 오실레이터 간 주파수 편차를 줄여 안정적인 동기화(여러 신호가 같은 리듬으로 맞춰지는 상태)를 가능하게 했으며, 커플러를 이용해 다중 상태 커플링(연결 강도를 여러 단계로 조절하는 방식)을 구현함으로써 문제의 가중치(각 조건의 중요도)를 보다 정밀하게 반영할 수 있게 했다.
그 결과, 아이징 모델의 표현력과 해 탐색 성능을 동시에 크게 향상시켰다.

< 실리콘 오실레이터·커플러를 사용한 아이징 머신 >
연구팀은 해당 기술을 활용해 대표적인 조합 최적화 문제인 ‘최대 절단(Max-Cut, 네트워크를 두 그룹으로 나눌 때 연결을 최대화하는 문제)’ 해결에 성공했다.
이 문제는 물류 경로 최적화, 금융 포트폴리오 구성, 반도체 회로 배치 등 다양한 산업 분야에 직접 활용될 수 있다. 이번 연구의 가장 큰 특징은 특수 소재나 비표준 공정 없이, 현재 반도체 산업에서 사용하는 CMOS* 공정을 그대로 활용했다는 점이다. 따라서 이번 기술은 별도의 설비 투자 없이도 기존 반도체 생산 라인에서 대량 생산과 상용화가 가능하다는 장점을 가진다.
*CMOS(Complementary Metal-Oxide-Semiconductor,상보형 금속산화물 반도체): 현대 반도체 제조의 가장 표준이 되는 공정 기술로 전력 소모가 매우 적고 열이 많이 나지 않아 스마트폰, 컴퓨터의 CPU 등 거의 모든 디지털 기기의 두뇌 역할을 하는 칩을 만드는 데 사용

< (AI 생성 이미지) AI 기반 실리콘 아이징 머신 개념도. >
최양규 교수는 “이번 연구는 오실레이터와 커플러를 모두 실리콘 소자로 구현해 확장성과 정밀도를 동시에 확보한 아이징 머신 하드웨어”라며, “반도체 설계 자동화, 통신 네트워크 최적화, 자원 분배 등 대규모 조합 최적화가 필요한 다양한 산업 분야에 적용될 것으로 기대된다”고 말했다.
이번 연구는 KAIST 윤성윤 박사과정과 김준표 박사가 공동 제1 저자로 참여했으며, 과학 분야 최고 권위 학술지 중 하나인 ‘사이언스 어드밴시스(Science Advances)’에 3월 27일자로 게재되며 그 우수성을 세계적으로 인정받았다.
※ 논문명: Scalable Ising machine composed entirely of Si transistors, DOI: 10.1126/sciadv.adz2384
한편, 이번 연구는 한국연구재단의 차세대지능형반도체기술개발사업, 국가반도체연구실지원핵심기술개발사업, PIM인공지능반도체핵심기술개발사업의 지원을 받아 수행됐다.
반도체를 만들 때 사용하는 가스 중에는 이산화탄소보다 6,000배 이상 강력한 온실가스가 있다. 우리 대학 연구진이 여러 금속 원자를 섞으면 오히려 구조가 안정되는 ‘무질서의 힘’을 이용해 이 가스를 높은 효율로 없애면서, 온실가스 분해를 돕는 촉매도 오래 사용할 수 있는 기술을 개발했다. 우리 대학은 생명화학공학과 최민기 교수 연구팀이 삼성전자 연구진과 공동연구를 통해 반도체 미세회로를 만드는 공정 등에 사용되는 온실가스인 사불화탄소(CF₄)를 높은 효율로 장기간 제거할 수 있는 새로운 촉매를 개발했다고 3일 밝혔다. CF₄는 반도체 웨이퍼에서 필요 없는 부분을 선택적으로 깎아 미세한 회로를 만드는 건식 식각 공정 등에 사용된다. 문제는 사용 후 남은 미량의 CF₄다. 탄소와 불소가 매우 단단하게 결합돼 있어 쉽게 분해되지 않고, 대기 중으로 배출되면 약 5만 년 동안 남을 수 있다. 지구온난화에 미치는 영향도 이산화탄소보다 6,000배 이상 크다.
2026-09-03AI가 똑똑해질수록 더 많은 데이터를 빠르게 처리할 수 있는 ‘고성능 메모리’가 필요하다. 하지만 기존처럼 반도체를 계속 작게 만드는 데는 한계가 있다. 우리 대학 연구진이 반도체를 위로 쌓는 3차원 구조의 약점까지 해결하면서, AI 반도체의 성능은 높이고 전력 소모는 낮출 새로운 길을 열었다. 우리 대학은 전기및전자공학부 권지민 교수 연구팀이 UNIST(총장 박종래), 연세대학교(총장 윤동섭) 등 국내 연구진과 공동으로 차세대 메모리 소자인 산화물 수직 채널 트랜지스터(Vertical Channel Transistor, VCT)의 결함을 줄이고 성능과 안정성을 크게 높일 수 있는 새로운 다층 층간 절연막 구조를 개발했다고 20일 밝혔다. 컴퓨터의 주기억장치로 사용되는 DRAM은 컴퓨터가 작업 중인 데이터를 임시로 저장해 빠르게 꺼내 쓸 수 있도록 하는 메모리다. 지난 수십 년간 DRAM은 반도체 소자의 크기를 줄여 같은 면적에 더 많은 데이터를 저장
2026-08-20우리 대학은 KAIST와 국가AI연구거점이 공동으로 제프 딘(Jeff Dean) 디스커버리 루프(Discovery Loop) 공동 창업자 겸 CEO를 초청해 13일 서울 AI 허브에서 특별강연을 개최했다고 18일 밝혔다. 제프 딘은 1999년 구글 초기 멤버로 합류해 27년간 검색 인프라의 근간인 맵리듀스(MapReduce)와 빅테이블(Bigtable), AI 시대의 핵심 기반인 텐서플로우(TensorFlow)와 TPU 개발을 이끌었고, 구글 브레인을 공동 설립한 뒤 수석과학자로서 제미나이(Gemini) 개발을 총괄해 '구글의 전설'로 불리는 인물이다. 그는 최근 산제이 게마왓(Sanjay Ghemawat), 쿽 레(Quoc Le), 오리올 비냘스(Oriol Vinyals)와 함께 디스커버리 루프를 창업했다. 가설 수립부터 실험 실행과 결과 분석에 이르는 연구의 반복 과정을 AI로 자동화해, 과학·공학 발견의 속도 자체를 끌어올리겠다는 구상이다. 우리 대학은 이
2026-08-18반도체에서 ‘잡음’은 신호를 방해해 없애야 할 골칫거리로 여겨져 왔다. 우리 대학 연구진이 이 잡음을 없애는 대신 뇌처럼 정보를 처리하는 데 활용하는 기술을 개발했다. 잡음을 조절해 사람의 움직임부터 음성까지 서로 다른 신호의 특징을 골라 처리할 수 있는 인공 뉴런을 구현한 것이다. 향후 하나의 반도체로 다양한 신호를 처리하는 저전력 두뇌모사 반도체 개발에 활용될 것으로 기대된다. 우리 대학은 신소재공학과 김경민 교수 연구팀이 반도체에서 자연스럽게 발생하는 잡음을 활용해 사람의 뇌처럼 정보를 처리하는 새로운 뉴로모픽 뉴런* 반도체 기술을 개발했다고 16일 밝혔다. 이 기술은 원하는 주파수의 신호를 골라내 뇌의 뉴런과 유사한 전기 신호로 바꿔 처리할 수 있다. * 뉴로모픽 뉴런: 뇌 신경세포의 작동 방식을 본떠 만든 인공 신경세포(반도체 소자) 전자기기에서 잡음은 라디오의 ‘지지직’ 소리처럼 신호에 불규칙하게 섞여 정보를 정확히 읽는
2026-08-18AI 반도체도 이제‘눈치'를 본다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 정보를 기억하는 시간이 한 번 정해지면 바꿀 수 없는‘고정된 반응 특성'을 가졌지만, 이제는 데이터의 변화 속도에 맞춰 스스로 반응하는 시대가 열렸다. 우리 대학 연구진은 이 기술로 시간에 따라 변하는 데이터의 예측 오류를 기존보다 최대 40배 줄였다. 자율주행차와 로봇, 웨어러블 기기의 실시간 AI 성능을 높일 핵심 원천기술로 기대된다. 우리 대학은 전기및전자공학부·반도체공학대학원 최신현 석좌교수 연구팀이 입력되는 데이터의 변화 속도에 따라 반응 특성을 자유롭게 바꿀 수 있는 새로운 AI 반도체 소자‘프로그래머블 동적 멤트랜지스터(Programmable Dynamic Memtransistor, PDM)'와 이를 집적한 어레이를 개발했다고 7일 밝혔다. 멤트랜지스터(Memtransistor)는 정보를 저장하는 메모리(Memory)와 계산을 수행하
2026-08-07