네이처 센서스: USC 엔지니어들, 배터리 없이 학습하는 동전 크기 뉴로모픽 칩 개발
University of Southern California(USC) 연구팀이 아날로그 멤리스터 기반 소자를 개발했다. 이 소자는 빛이나 압력 같은 신호를 처리하고 현장에서 학습하며, 신호 자체의 에너지로만 작동한다. Nature Sensors 표지 기술은 의료 센서, 스마트 글래스, 임플란트에 '인프라 없이 구현하는 지능'을 제공해 수년간 충전 없이 사용할 수 있게 한다.
디지털 독단의 종말: 배터리 없이 클라우드 AI를 조용히 무너뜨리는 USC 아날로그 칩
[핵심]: 실제로 일어나는 일
피트니스 트래커는 사흘 만에 방전되는데 신경 임플란트는 아직 공상과학 수준인 이유가 궁금한 적이 있는가? 모든 현대 전자기기가 앓는 분열증 때문이다. 센서는 아날로그 세계(빛, 압력, 온도)를 읽고, ADC가 에너지를 소모하며 0과 1로 변환하고, 프로세서와 메모리가 다시 에너지를 태우며 비트를 처리한 뒤에야 "맥박 72"라고 알린다. USC의 J. Joshua Yang 교수는 단순히 물었다. 왜?
2026년 6월 2일 Nature Sensors 표지 논문에서 그의 팀(공동 저자 Seung Ju Kim 박사후연구원, CONCRETE Center 지원, USAF와 US Army 후원)은 70년 묵은 사슬을 끊는 소자를 공개했다. 확산형과 드리프트형 두 종류의 멤리스터로 구성된 회로를 만들어 포토다이오드나 압전 소자에서 나온 원시 신호를 그대로 받아들여 외부 전원, ADC, 클라우드 없이 패턴을 추출하고 저장한다. 빛이 센서에 닿으면 그 빛 에너지가 멤리스터를 구동하고, 압력이 압전 소자를 누르면 기계적 펄스 자체가 회로에 전원을 공급한다. Yang 교수는 USC Viterbi에 "신호는 단순한 처리 대상이 아니라 시스템을 구동하는 에너지원이기도 하다"고 말했다.
"자체 전원"이라는 말에서 사람들이 놓치는 핵심은 30~40% 효율 향상이 아니다. Yang 교수는 근본적인 패러다임 전환을 이야기한다. 2026년 전 세계 데이터센터는 이미 세계 전력의 1~2%를 소비하며 4년마다 두 배씩 늘고 있다. 2030년에는 4~5%에 이를 전망이다. 우리는 고양이 사진 하나를 인식하기 위해 수십억 개의 0과 1을 곱한다. 뇌는 같은 일을 20와트로 처리하며 빛을 숫자로 바꾸지 않고 아날로그 활동전위로 작동한다. USC 칩도 마찬가지다. 이는 또 다른 뉴로모픽 시제품이 아니라 감지, 기억, 학습을 단일 아날로그 루프 안에 외부 전원 없이 융합한 최초의 실용 장치다.
타임라인과 배경
이 도약을 이해하려면 멤리스터 산업이 얼마나 보수적이었는지 돌아봐야 한다. "컴퓨팅 멤리스터" 개념은 20년 전부터 있었고 2010년대 중반 첫 실험실 샘플이 나왔다. 공통된 단점은 외부 프로그래밍이 필요하다는 점이었다. 외부 마이크로컨트롤러에서 특수 펄스를 주입해야 저항이 변했다. 이는 여전히 디지털 사고방식이었다. Yang과 Kim의 연구는 완전히 다르다. 멤리스터가 들어오는 신호 간 타이밍 관계로부터 스스로 학습한다. Kim은 "메모리는 소프트웨어 학습 알고리즘으로 갱신되지 않는다. 물리적 신호 사이의 시간적 관계에서 자연스럽게 생겨난다. 반복되는 동시 신호는 강화되고, 관련 없는 신호는 점차 사라진다"고 설명했다.
이전 연구. 2026년 3월 같은 연구실은 Nature에 700°C에서 동작하는 멤리스터 논문을 발표했다. 이는 순수 재료 논문이었다. 이제 고온 멤리스터와 자체 전원 기능을 결합했다. 시뮬레이션에서는 캘리포니아 숲에 이 센서 네트워크를 흩뿌려 낙뢰(산불의 주원인)를 감지했다. 빛(즉시)과 소리(~340 m/s) 사이의 시간 차이를 이용해 타격 위치를 정확히 재구성했다. GPS도, 셀룰러 네트워크도, 서버도 없이 장치 자체 회로에 지연 시간을 저장했다.
USC Viterbi 보도자료가 강조하지 않은 진짜 돌파구는 비지도 학습을 어떻게 해결했는가다. Nature Sensors 논문은 메커니즘을 상세히 설명한다. 확산형 멤리스터(실리콘 다이옥사이드 내 은)는 스파이크 인코더 역할을 하며 신호가 강할수록 빠르게 스위칭해 펄스를 생성한다. 드리프트형 멤리스터(탄탈-백금 전극을 가진 하프늄 옥사이드)는 시냅스 역할을 하며 반복되는 동시 신호에 가중치 변화를 축적한다. 이는 생물학적 뇌의 학습 메커니즘으로 여겨지는 spike-timing-dependent plasticity(STDP)를 하드웨어로 직접 구현한 것이다. 코드도, 프로세서 명령어도 없다.
승자와 패자
가장 큰 패자 #1: ARM과 엣지 프로세서 생태계 전체. ARM, Qualcomm, MediaTek 등은 모든 센서가 데이터를 프로세서로 보내 명령을 실행해야 한다는 전제 위에 수십억 달러 사업을 구축했다. USC 칩은 아무것도 실행하지 않는다. 레지스터도, 프로그램 카운터도, 데이터 버스도 없다. 오직 물리학뿐이다. 이 장치들이 양산 단계(3~5년 후)에 들어서면 초저전력 IoT 마이크로컨트롤러 시장은 60~70% 축소될 것이다. JPR 애널리스트들은 "2026년 말부터 분산형 AI와 아날로그 컴퓨팅이 웨어러블과 휴머노이드 로봇에 등장하기 시작할 것"이라고 전망했다.
패자 #2: NVIDIA와 엣지 AI 가속기 시장. NVIDIA는 데이터센터 학습으로 돈을 벌지만 Jetson 플랫폼은 여전히 디지털 장치다. Jetson Orin은 15~25와트를 소모한다. USC 칩은 외부 전력을 전혀 쓰지 않고 신호 자체에서 에너지를 수확한다. 연산 능력은 Jetson에 미치지 못하지만 엣지 작업의 95%(낙뢰 감지, 보행 분류, 실시간 부정맥 인식)는 그 정도 성능이 필요 없다. 필요한 것은 속도, 에너지 독립성, 낮은 비용이다.
수혜자 #1: 의료 임플란트. Yang 교수는 스마트 글래스를 주요 소비자 사례로 꼽지만 진짜 가치는 임플란트에 있다. 만성 통증용 기존 신경자극기(Nervonik 등, 2026년 4월 5,250만 달러 유치)는 여전히 외부 장치와 3~5년마다 수술로 교체해야 하는 배터리가 필요하다. USC 칩은 발걸음의 생체역학적 압력이나 체온으로 구동할 수 있다. 배터리나 재충전 없이 학습하고 적응하는 임플란트는 신경조절 분야의 성배이며 이제 한 걸음 더 가까워졌다.
수혜자 #2: 미국 국방부. USAF와 US Army를 통한 자금 지원은 우연이 아니다. 드론으로 적진 후방에 투하해 수년간 무선 신호를 발신하지 않고 듣고, 처리하고, 기억할 수 있는 센서는 정보의 금광이다. 캘리포니아 낙뢰 시나리오는 위장용이다. 실제 목표는 지하 핵실험 감지를 위한 지진 센서와 군용 차량 식별을 위한 음향 센서다.
언론이 말하지 않는 것
첫 번째 통찰. 많은 엔지니어에게도 명확하지 않은 점: USC 장치는 "컴퓨터"가 아니다. 분류기다. 빛과 소리 사이의 시간 지연으로 낙뢰와 불꽃놀이를 구분할 수 있고, 압전 소자의 압력 패턴으로 보행 A와 B를 구별할 수 있다. 곱셈표를 배우지는 못한다. 피드백 루프도, 조건부 분기도, 임의 연산도 없다. 멤리스터 물리학에 하드와이어드된 특화된 신경망일 뿐이다. 아날로그 연산은 정의상 범용이 아니므로 이 한계는 당분간 극복하기 어렵다. 따라서 "배터리 없는 AI"라는 현재의 과열은 마케팅이다. 진짜 AI는 여전히 숫자가 필요하다. 아날로그 회로는 좁은 범주의 작업만 해결한다.
두 번째 통찰: 재현성과 파라미터 드리프트. Nature Sensors 논문은 깔끔한 I-V 곡선을 보여주지만 산화물 멤리스터를 다루는 연구자들은 이 장치들이 악명 높게 까다롭다는 것을 안다. 임계 전압이 사이클마다 변하고, 산소 공공 이동으로 열화되며, 온도와 습도에 극도로 민감하다. –20°C에서 +50°C, 습도 10%에서 95%까지 1년간 야외에서 USC 장치가 얼마나 잘 작동할까? 논문은 침묵한다. CONCRETE Center는 군사 자금으로 운영되며 해당 테스트는 거의 확실히 진행 중이지만 상용 버전이 나오기 전까지 공개 데이터는 나오지 않을 것이다.
세 번째 통찰: 유기 뉴로모픽 시스템과의 경쟁. 같은 Nature Sensors 호에서 Fabiano 등은 생물학적 속도(최대 1.1 kHz)로 0.7 V 미만, 스파이크당 40 pJ로 동작하는 부드러운 유기 전기화학 뉴런을 보고했다. 이는 경쟁 기술이다. 유기 재료는 부드럽고 염증을 일으키지 않아 뇌에 직접 이식할 수 있다. USC 멤리스터는 단단하므로 말초 센서에는 적합하지만 신경 인터페이스에는 적합하지 않다. 시장은 분화될 것이다. 장기적으로 누가 이길지는 아직 분명하지 않다.
전망: 향후 30일과 90일
향후 30일(2026년 6월): 특허 출원과 상업 라이선스 물결.
USC Viterbi는 "확산형 및 드리프트형 멤리스터를 이용한 자체 전원 뉴로모픽 시스템" 아키텍처에 대한 특허를 출원할 예정이다. 2026년 6월 2일 공개일을 우선일로 하는 최소 3~4건의 출원이 예상된다. Yang 교수는 이미 상용화 경력이 있으며 이전 고온 멤리스터 연구는 유전 서비스 회사(Baker Hughes, Schlumberger)의 관심을 끌었다. 이제 웨어러블 전자기기 제조사들도 대기열에 합류할 것이다. Garmin, Apple, Oura Ring 모두 충전이 필요 없는 피트니스 트래커 샘플을 요청할 것이다.
향후 90일(2026년 8~9월): 파운드리 파트너십과 첫 엔지니어링 프로토타입.
USC 장치는 이산 멤리스터, 저항, 커패시터로 구성된 인쇄회로기판 위에서 제작됐다. 상용화에는 집적이 필요하다. 멤리스터를 표준 CMOS 로직 위(또는 대체)에 실리콘 칩에 내장해야 한다. 90일 이내에 USC는 Arm 라이선시나 독립 파운드리(TSMC 또는 Intel Foundry Services 가능)와 파트너십을 발표해 더 복잡한 작업을 위한 기존 프로세서 옆에 멤리스터 분류기가 위치한 SoC 엔지니어링 샘플을 생산할 것으로 예상된다.
보도자료가 생략한 위험: 은, 스트론튬·티타늄 도핑 하프늄 옥사이드 같은 신소재를 표준 CMOS 공정에 통합하는 것은 쉽지 않다. TSMC는 주요 OEM의 대량 주문이 보장되지 않으면 거절할 수 있다. 그 경우 USC는 Weebit Nano나 Knowm 같은 전문 멤리스터 파운드리가 필요해 상용화가 2~3년 더 미뤄질 수 있다.
마지막으로 Yang 교수의 발언은 투자자들에게 경고가 될 것이다. "데이터센터의 핵심 문제는 에너지다. 세상에서 가장 효율적인 컴퓨터인 우리의 뇌에서 배워라." 우아하지만 뇌는 86억 개의 뉴런으로 20와트를 사용한다. USC 칩은 멤리스터 두 개를 사용한다. 원리는 확장 가능하지만 원리와 마이크로와트 슈퍼컴퓨터 사이의 격차는 3년 안에 좁혀지지 않을 것이다. 멤리스터 스타트업에 몰려드는 투자자들은 실망할 수 있다. 신뢰성, 재현성, 확장 문제는 아직 해결되지 않았다. 첫걸음이 내딛였고 그걸 훌륭하게 해냈다는 사실은 부정할 수 없다.
— Editorial Team
