반도체 칩이 계산 한 번 할 때마다 전기 에너지 일부는 그대로 열로 날아간다. 그 열을 식히려고 데이터센터는 전체 전력의 상당 부분을 냉각 시스템에 쏟아붓는다. AI 모델 학습량이 늘어날수록 이 비용은 눈덩이처럼 커진다. 요즘 스타트업 몇 곳이 주목하는 ‘리버서블 컴퓨팅(reversible computing)’은 이 발열 문제를 아예 뿌리부터 줄이겠다는 접근이다. 계산 중 버려지는 에너지를 회수해서 다시 쓴다는 개념인데, 정확히 뭘 말하는 건지 정리해봤다.
반도체는 왜 이렇게 뜨거워지나
기존 디지털 회로는 0과 1을 스위칭할 때마다 트랜지스터 안의 전하를 완전히 방전시킨다. 이 과정에서 정보 자체가 사라지는데, 물리학자 롤프 란다우어가 1961년에 증명한 게 바로 이거다. 정보를 지우는 행위 자체가 열을 만든다는 것. 이걸 란다우어 한계라 부른다. 계산 속도가 빨라지고 트랜지스터 밀도가 높아질수록, 단위 면적당 버려지는 열도 같이 늘어나는 구조다. GPU나 서버용 CPU가 고성능을 낼수록 발열 관리가 골치 아파지는 이유가 여기 있다.
리버서블 컴퓨팅, 대체 뭔데
리버서블(가역) 컴퓨팅은 계산 단계마다 정보를 지우지 않고 거꾸로 되돌릴 수 있는 논리 연산으로 회로를 짜는 방식이다. 입력값을 버리는 대신 출력과 함께 남겨두고, 연산이 끝나면 회로를 역방향으로 돌리면서 처음 투입한 전하 에너지 일부를 회수한다. 아예 새로운 아이디어는 아니다. 1980년대에 찰스 베넷과 에드워드 프레드킨이 이론적 토대를 세웠다. 다만 이걸 실제 칩으로 구현하는 시도는 최근에야 본격화됐다.
기존 CMOS와 뭐가 다른가
- CMOS(비가역) 방식: 스위칭마다 전하를 완전히 방전, 에너지는 열로 소멸
- 리버서블 방식: 전하를 서서히 충·방전(단열 스위칭)해 에너지 대부분을 회수 후 재투입
- 속도: 지금 나온 리버서블 회로는 클럭 속도에서 CMOS보다 느린 경우가 많다
- 제조 공정: 기존 파운드리 공정을 크게 안 바꿔도 적용 가능한 설계가 있다
에너지를 어떻게 회수하나, 단열 스위칭
핵심 기술은 단열 스위칭(adiabatic switching)이다. 전압을 갑자기 걸었다 끊는 대신, 공진 인덕터 같은 걸 써서 전하를 천천히 충전한다. 방전할 때도 에너지를 다시 전원으로 돌려보낸다. 이 과정을 거치면 스위칭당 손실 에너지가 이론상 수십 분의 1 수준까지 줄어든다는 연구 결과도 있다. 실제 칩에서는 배선 저항이나 누설 전류 같은 변수 때문에 이론치만큼 회수하긴 어렵다. 그래도 곱셈·누산처럼 반복되는 연산 패턴에서는 절감 효과가 꽤 보고되는 편이다.
AI 반도체 시대에 왜 이게 뜬금없이 주목받나
대규모 언어모델 학습과 추론은 똑같은 행렬 연산을 수억 번 반복한다. 반복 연산 비중이 큰 작업일수록 에너지를 회수해 재활용할 여지도 커진다는 얘기다. 데이터센터 운영사 입장에선 GPU 클러스터 전력 요금과 냉각 인프라 투자가 전체 비용에서 차지하는 몫이 갈수록 커지고 있다. 스위칭 단계에서부터 에너지를 아끼는 접근은 전력망을 새로 안 늘리고도 연산량을 키울 카드로 거론된다. 다만 지금은 학계 연구와 소수 스타트업 시제품 수준. 엔비디아나 AMD 같은 주류 GPU 제조사가 양산 라인에 적용한 사례는 아직 없다.
상용화까지 남은 숙제
리버서블 로직은 회로 하나당 트랜지스터 수가 늘어나서 다이 면적이 커진다는 단점이 있다. 공진 클럭 생성 회로 같은 주변 부품도 추가로 필요해서 설계 복잡도도 같이 오른다. 소프트웨어·컴파일러 생태계도 애초에 비가역 연산을 전제로 만들어진 터라, 리버서블 하드웨어에 맞춰 알고리즘을 새로 짜야 하는 부담도 남는다. 결국 관건은 이 설계 방식이 실제 데이터센터에서 와트당 성능(performance per watt)을 CMOS보다 확실히 앞설 수 있느냐, 그 한 가지다.
Q&A로 짚어보는 핵심
Q. 리버서블 컴퓨팅, 양자컴퓨터랑 같은 얘기인가?
아니다. 양자컴퓨터는 큐비트라는 완전히 다른 물리 시스템을 쓴다. 리버서블 컴퓨팅은 기존 반도체 공정 위에서 논리 회로 설계만 바꾸는 접근이다.
Q. 그럼 지금 당장 노트북이나 스마트폰에도 들어가나?
아니다. 지금은 특정 연산에 특화된 실험용 칩 시제품 단계다. 범용 프로세서로 양산되려면 몇 년 단위 시간이 더 필요하다.
Q. 전력은 대체 얼마나 아낄 수 있나?
연구 단계 발표 기준으로 특정 워크로드에서 스위칭 에너지를 수 배에서 수십 배까지 줄였다는 사례가 있다. 다만 시스템 전체 소비전력 절감폭은 워크로드와 주변 회로 설계에 따라 갈린다. 여기서 편차가 꽤 크다.
AI리서치팀
Daily News Korea AI리서치팀은 인공지능, 머신러닝, 생성형 AI의 최신 동향과 실용적 활용법을 연구합니다. ChatGPT, 클로드, 미드저니 등 AI 도구 비교 분석과 활용 가이드를 제공합니다.