전기전자/정보통신

Nikkei Electronics_26.01 (p13~15)

TDK, 소뇌를 모방한 AI 칩 개발
20 이상 감지 및 동작 예측

TDK는 사람의 소뇌 기능을 아날로그 전자 회로로 모방한 AI(인공지능) 칩을 홋카이도대학과 공동으로 개발했다. 간단한 이상 감지와 동작 예측 등을 20µW라는 매우 작은 전력으로 학습·추론이 가능. 단말기(엣지)에 탑재되어 측정 데이터의 1차 처리 등을 하는 ‘엣지 AI’로 활용될 수 있을 것으로 기대된다. TDK는 향후, MEMS(Micro Electro Mechanical Systems) 센서와 융합해 센서가 감지한 변화의 의미를 추출해 출력하는 스마트한 센서로 시장에 투입할 계획이라고 한다.

-- 손가락의 초동으로 추정 --
TDK와 홋카이도대학이 개발한 AI 칩에는 대표적인 기계학습 모델인 딥러닝이 아닌 더 작은 모델인 ‘리저버 컴퓨팅(Reservoir Computing)’이 구현되어 있다. 리저버 컴퓨팅은 적은 정보량으로 직감이나 반사신경과 같이 빠르게 추론하는 작업에 강하다. 한편, 이미지나 문서 생성 등에는 적합하지 않다.

TDK가 이번 칩으로 실현 가능한 예로 제시한 것이 ‘절대 이길 수 없는 가위바위보 장치’이다. 상대가 가위바위보 중 하나를 내려는 순간 손가락의 초동을 분석해 손이 ‘주먹’이나 ‘가위’, ‘보’의 형태가 되기 전에 이를 이길 수 있는 손 모양을 표시하는 장치이다. 엄지에 부착된 가속도 센서의 값으로 상대의 손 모양을 예측한다.

이 기술은 2025년 10월, 지바(千葉)시에서 열린 국내 최대급 전자기술 전시회 ‘CEATEC 2025’에서 기술적으로 우수하고 시장성·미래성이 높은 제품에 수여되는 ‘CEATEC AWARD 2025’의 ‘혁신 부문상’을 수상했다.

-- 고속·저전력을 실현 --
리저버 컴퓨팅이 고속이면서 낮은 소비전력으로 학습·추론을 할 수 있는 이유는 딥러닝에 비해 모델 구조가 단순하고, 학습해야 할 파라미터 수가 현저하게 적기 때문이다.

딥러닝 모델에서는 ‘노드(Node)’라고 불리는 연산 유닛이 층 형태로 정연하게 나열되어 있다. 기본적으로 층수와 노드 수가 많을수록 추론 성능이 높다. 생성 AI에 사용되는 대규모 언어 모델(LLM) 등 규모가 큰 모델은 노드가 수백 층에 이르며, 학습해야 할 파라미터 수는 수천 만에서 수억 개에 달하기도 한다.

반면, 리저버 컴퓨팅은 ‘입력층’, ‘리저버층’, ‘출력층’이라는 단 3개 층으로 구성되어 있다. 더 나아가 학습 영역은 출력층만이며, 학습 파라미터 수는 최대 10개 정도이다. 이를 통해 고속·저소비전력 학습이 가능해져 마이크로컨트롤러 등 작은 컴퓨터에서도 충분히 처리할 수 있다.

사람의 대뇌는 딥러닝의 구조와 가깝다고 알려져 있다. 층수는 약 5층 정도이지만, 뉴런(노드)의 수가 많고 이것들이 3차원적으로 복잡하게 결합되어 있다. 기능적 측면에서도 논리적으로 사고하고 판단한다는 점에서 딥러닝 모델은 대뇌와 유사하다. 한편, 소뇌는 주로 운동 기능을 담당한다. “사람이 몸을 움직일 때마다 생각하지 않는 것과 마찬가지로, 리저버 컴퓨팅은 추론 결과를 도출하기 위한 연산량이 매우 적다. 소뇌형 AI라고 할 수 있다.”(TDK 기술·지식재산본부 응용제품개발센터의 사사키(佐々木) 실장)라고 한다.

-- 특징을 찾아내는 장치 --
리저버층에서는 노드가 랜덤으로 연결되어 있으며, 일부 순환하는 것이 특징이다. 입력층으로부터 전달된 입력 데이터는 리저버층에서 무질서하게 값이 뒤섞인다. 이처럼 리저버층의 뒤섞인 상태는 입력 데이터의 시계열적 특성이 나타난 모습이라고 할 수 있다. 즉, 리저버층은 ‘입력 데이터의 미세한 특징의 차이를 과장해서 표현하는 장치’와 같은 역할을 담당한다.

앞서 언급한 가위바위보의 데모를 예로 들어 좀 더 자세히 살펴보자. 상대의 엄지에 부착된 가속도 센서의 값은 가위바위보의 손동작에 따라 시계열적 변화를 나타낸다. 이 시계열 데이터의 특징을 분석하면 가위, 바위, 보로 구분하는 것은 어렵지 않아 AI를 사용할 필요가 없다. 하지만, 엄지가 움직이기 시작한 소수점 초 단위의 데이터에서 최종적인 손 모양을 추정하려면 난이도가 급격히 높아진다. 초동에서는 데이터 특징의 차이가 잘 나타나지 않기 때문이다.

이때 가속도 센서의 데이터를 리저버층에 입력하면 데이터의 특성이 보다 명확하게 드러난다. 리저버층의 상태를 출력층에서 판독함으로써 상대가 손을 내기 전에 가위, 바위, 보를 추정할 수 있다.

-- 리저버층을 물리 현상으로 표현 --
리저버층에서는 입력 데이터를 적당히 뒤섞을 수 있게 된다면 연산 방식은 크게 중요하지 않다. 일반적으로는 컴퓨터의 프로그래밍 툴 등을 이용해 모델을 구축하고, 이것을 소프트웨어로써 마이크로컨트롤러 등에 구현한다. 한편, 리저버층의 역할을 다양한 물리 현상으로 대체한 ‘물리 리저버 컴퓨팅’으로 불리는 시스템이 제안되고 있다. 소프트웨어 구현으로는 도달할 수 없는 속도로 학습·추론·저전력화를 실현할 가능성이 있다.

사실, TDK가 개발한 AI 칩은 물리 리저버 컴퓨팅의 일종으로, 리저버층의 각 노드를 저항, 콘덴서, 트랜지스터 등 전자 부품으로 표현하고 있다. 2024년에 발표한 컨셉 실증 모델은 전자 회로 기판이 회의실의 긴 책상 정도의 크기였다. 이번에 발표한 AI 칩은 아날로그 전자 회로를 CMOS(상보형 금속 산화 반도체) 제조 기술을 활용해 4x4mm의 실리콘칩에 고밀도로 집적한 것이다.

향후, TDK는 리저버 컴퓨팅과 MEMS 센서의 융합을 목표로 하고 있다. 예를 들어, 개발한 전자 회로의 리저버 AI 칩을 MEMS 기판상에 구현하거나, 센서의 물리적·화학적 응답 자체를 물리 리저버로 이용하는 연구를 추진해 나갈 방침이다. 목표는 센서를 단순히 데이터를 수집하는 툴이 아닌, 측정값을 분석해 가치 있는 정보만을 선별해 전달하는 장치로 진화시키는 것이다.

TDK는 우선, 이번에 개발한 AI 칩의 용도 개척에 주력. 2030년 이후의 양산화를 목표로 하고 있다. 리저버가 탑재된 MEMS 센서는 2036년 이후의 실용화를 목표로 하고 있다.

 -- 끝 --

Copyright © 2026 [Nikkei Electronics] / Nikkei Business Publications, Inc. All rights reserved.

목차_Nikkei Electronics_26.01호

Hot News
텍센드포토마스크 상장, “중국에서도 28nm 이후 제품을 중심으로”
-- 외부 판매 시장에서 최고 점유율, EUV 노광용에 주력
NVIDIA와 TSMC가 주목하는 스타트업, 광전 융합 기능을 칩렛으로 제공
-- 2027년에 양산 개시, 후지쓰와도 협업
TDK의 소뇌를 모방한 AI 칩, 20Μw의 전력으로 이상 감지 및 동작 예측
-- 리저버 컴퓨팅으로 실현, 센서와의 융합을 목표로
NVIDIA의 직류 800V 전기 공급 구상, 참여 기업 2배로
-- 2027년의 차세대 서버 랙을 목표로, 전력 인프라 대기업들도 가세
소니반도체솔루션이 엣지 AI 저전력 기술 개발, 반도체 회로와 강유전체 융합
-- CMOS 이미지센서에 계산 능력 부여, 인메모리 컴퓨팅에도 응용 가능
TSMC가 AI 저전력화에 전력, 광전 융합 및 인메모리 연산 기술 총동원
-- 도쿄 도내에서 파트너 이벤트 개최, 칩 설계·제조 및 패키지에 대한 활동 설명

닛토덴코가 저손실 재료의 용도 개척, 고주파 통신 및 AI 서버 겨냥
-- 유전정접뿐만 아니라 비유전율도 낮아, 밀리미터파 무선기 등에서의 수요 기대
후루카와전기공업·교토대학·KEK 연대, 대전류 교류가 가능한 고온 초전도 소재 개발
-- 목표는 2040년, 핵융합로와 항공기의 전동화에 기여
수냉 서버 판매에서 레노버와 니덱 협력, 목표는 기업 내 AI 서버 수요
-- 레노버의 서버 설비와 니덱의 수냉 장치로 사업 전개
산업과기술종합연구소의 주도로 광전융합 연구 결집, NTT는 광칩렛에서 진전
-- ‘광전융합연구센터’ 발족, 소재부품을 무기로 만회

Breakthrough 특집 1
히노마루 반도체, 부활을 이끄는 사람들
제1부 : 총론
라피다스의 2나노 반도체, 불신을 해소할 수 있을까?
제2부 : 라피다스의 전략
‘자체개발주의를 버리고 글로벌 체제 구축’, 라피다스의 코이케 사장의 승부수
제3부 : 소니세미컨덕터솔루션의 전략
휴머노이드 로봇과 광전 융합을 조준, 반도체 제조 ‘모든 선택지’
제4부 : 키오시아의 전략
NAND 전업을 ‘무기로 전환’, 대형 클라우드 업체 공략
제5부 : 일본의 가능성
전설적인 반도체 기술자가 지원, 일본의 설계자 부족에 제동

Emerging Tech＆Biz
인터뷰
2030년까지 AI가 전자 부품 선도, 휴머노이드 로봇 시장은 불투명
나카시마 무라타제작소 사장 겸 JEITA 전자부품 부회장

Breakthrough 특집 2
테크놀로지 전망 2026 (전편)
피지컬 AI
우선은 공장에서 본격적인 도입 추진, NVIDIA와 FA 제조사의 데이터 경쟁 격화
배터리
VW가 투자한 Gotion, LMFP 배터리 양산 추진, 삼원계 대체해 260Wh/kg 달성
통신
위성통신의 세력 구도 변화, 일본에서는 ‘하늘을 나는 기지국’도 등장
자율주행
E2E 자율주행으로 레벨 4 실현, 테슬라가 로보택시 양산 추진
에너지
다시 움직이기 시작한 원전 건설, 간사이전력이 미하마원전 조사에 착수

Emerging Tech＆Biz
모바일
AI 에이전트를 중심으로 영역 확대를 노리는 퀄컴
파워 일렉트로닉스 어워드
최우수상은 도쿄대학의 동적 게이트 구동 칩, 실용성 높아 만장일치
‘Power Electronics Award 2025’ 심사위원회

Products' Trends
롬의 반도체 레이저가 탑재된 고정밀 근접 센서, 0.1mm 폭의 미세선 검출

 -- 끝 --

Copyright © 2026 [Nikkei Electronics] / Nikkei Business Publications, Inc. All rights reserved.