PRIME: 트랜지스터 특성 예측을 위한 물리 기반 지능형 전문가 혼합 모델의 혁신

중국과학원 연구진이 개발한 PRIME이라는 새로운 머신러닝 프레임워크는 물리학 기반 지식과 데이터 기반 지능을 결합하여 트랜지스터 특성 예측의 정확도를 획기적으로 높였습니다. GAA 구조에서 기존 모델 대비 최대 84% 향상된 예측 정확도를 달성하며 반도체 산업의 발전에 기여할 것으로 기대됩니다.

트랜지스터 특성 예측의 새로운 지평을 연 PRIME

최근 반도체 산업의 급속한 발전과 함께, 공정 램프업(ramp-up) 과정에서 데이터 예측에 대한 머신러닝의 활용이 크게 증가했습니다. 특히 회로 설계 및 제조를 위한 트랜지스터 특성 예측은 핵심적인 과제로 부상했죠. 하지만 다양한 동작 영역에서 나타나는 비선형 전류 응답을 정확하게 포착하는 것은 신경망 기반 모델의 큰 어려움으로 남아있었습니다.

이러한 문제를 해결하기 위해, 중국과학원(Chinese Academy of Sciences)의 연구진이 개발한 혁신적인 머신러닝 프레임워크, PRIME (Physics-Related Intelligent Mixture of Experts) 가 등장했습니다. PRIME은 물리학 기반 지식과 데이터 기반 지능을 독창적으로 결합하여 복잡한 지역적 특성을 포착하고 통합하는 데 성공했습니다. 핵심은 동적 가중치 메커니즘을 활용한 게이팅 네트워크에 있습니다. 이 네트워크는 입력 데이터 특징에 따라 적절한 전문가 모델을 적응적으로 활성화하여 예측 정확도를 극대화합니다.

연구진은 다양한 게이트올어라운드(GAA) 구조를 대상으로 광범위한 평가를 수행했습니다. 그 결과, PRIME은 기존 최첨단 모델에 비해 무려 60%~84%의 놀라운 예측 정확도 향상을 보여주었습니다. 이는 반도체 설계 및 제조 공정의 효율성을 획기적으로 높일 수 있는 잠재력을 시사합니다.

PRIME의 핵심은 다음과 같습니다.

• 물리학 기반 지식과 데이터 기반 지능의 통합: 물리적 원리를 모델에 반영하여 예측의 신뢰성을 높였습니다.
• 동적 가중치 메커니즘: 입력 데이터에 따라 최적의 전문가 모델을 선택하여 예측 성능을 향상시켰습니다.
• GAA 구조에서의 우수한 성능: 다양한 GAA 구조에 대한 실험을 통해 높은 예측 정확도를 검증했습니다.

이번 연구는 트랜지스터 특성 예측 분야에 새로운 가능성을 제시하며, 앞으로 반도체 산업 전반에 긍정적인 영향을 미칠 것으로 기대됩니다. PRIME이 향후 더욱 발전하여 더욱 정확하고 효율적인 반도체 설계 및 제조에 기여할 수 있기를 기대해 봅니다.