SK하이닉스, 3D FeNAND 연산 최적화 공개

최근 30일 조회수 —좋아요 —

핵심 요약

SK하이닉스가 셀·주변 회로·페이지를 공동 최적화한 3D FeNAND 기반 A-CiM 연구를 공개했다.

SK하이닉스, 3D FeNAND 연산 최적화 공개 — 기사 주제를 표현한 AI 생성 개념 삽화
AI 생성 개념 삽화 · 실제 사건을 촬영한 사진이 아닙니다.

SK하이닉스가 저장과 연산을 한곳에서 수행하는 3차원 강유전체 낸드(3D FeNAND) 기반 아날로그 컴퓨트인메모리(A-CiM)의 소자·회로 공동 최적화 연구를 공개했다. 셀뿐 아니라 셀 외부 회로와 페이지 운용 방식까지 함께 최적화해 에너지 효율을 높이는 접근법으로, 연구 결과는 2025년 국제전자소자학회(IEEE IEDM)에 게재됐다.1

A-CiM은 메모리 셀에 저장된 전기적 상태를 이용해 인공지능(AI) 연산의 핵심인 곱셈·누산(MAC)을 아날로그 방식으로 처리한다. 연산장치와 메모리 사이에서 데이터를 반복해서 옮길 때 생기는 전력 소모와 지연을 줄이는 것이 목표다. AI 모델이 커질수록 저장하고 반복 호출해야 할 가중치가 늘어나는 만큼, SK하이닉스 연구진은 고밀도 데이터 저장에 적합한 3D 낸드 구조에 주목했다.

상용 3D 낸드가 주로 쓰는 전하포획질화막(CTN)은 질화막에 전자를 가두거나 방출해 셀 상태를 조절한다. SK하이닉스는 CTN 구조가 아날로그 연산에 필요한 여러 전류 단계를 정밀하게 구분하는 데 한계가 있다고 설명했다. 반면 FeNAND는 외부 전기장이 사라진 뒤에도 분극 상태를 유지하는 강유전체의 특성을 이용해 데이터를 저장하고 전류를 제어하므로, 여러 전류 단계를 더 낮은 전력으로 정밀하게 다룰 수 있다는 주장이다.

다만 셀 특성만 개선해서는 충분하지 않다. 셀 선택·제어용 배선에서 전력이 손실되거나 AI 모델의 데이터 크기와 연산 순서에 맞춰 페이지를 활용하지 못하면 전체 효율이 제한된다. 이번 연구가 셀, 비셀 회로, 페이지 구조를 함께 최적화한 이유다.

Footnotes

  1. SK hynix Global Newsroom, “[Inside the Research] In the AI era, NAND moves beyond storage to computing… 3D FeNAND co-optimization at IEEE” ↩

읽기 목록은 이 브라우저에 저장됩니다.

출처

  1. [Research Inside] AI 시대, 저장하던 낸드가 연산을 시작했다∙∙∙ IEEE 논문으로 입증한 3D FeNAND Co-optimization이 여는 AI 메모리의 새로운 차원 — SK하이닉스 뉴스룸 · 자료: 2026. 10. 14.
  2. [Inside the Research] In the AI era, NAND moves beyond storage to computing… 3D FeNAND co-optimization at IEEE — SK hynix Global Newsroom · 자료: 2026. 10. 14.

이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요.