ARM, 단순함을 위한 디자인으로 사물 인터넷(Internet of Everything) 가속화

ARM, 저비용·맞춤형 ML 칩으로 '사물인터넷(IoT)' 시장 혁신 예고

ARM과 PragmatIC이 손잡고 저렴하면서도 유연한 맞춤형 머신러닝(ML) 칩 개발에 박차를 가하고 있습니다. 이는 기존의 범용 하드웨어로는 충족시키기 어려웠던 초저가(10달러 이하) IoT 기기 시장의 가능성을 열 것으로 기대됩니다.

기존 공장 자동화 시스템은 고정된 센서와 전원 공급 장치를 갖추고 있어 비교적 구현이 용이했습니다. 하지만 '만물인터넷(Internet of Everything)' 시대에는 전자 부품 및 소프트웨어 비용을 획기적으로 낮추고 전력 제약을 극복하는 것이 필수적입니다. 특히 소비재(FMCG) 분야에서는 저렴하고 유연한 ML 기반 기기가 산업 전반에 혁신을 가져올 잠재력이 큽니다.

이러한 기술은 위조 방지, 물류 개선, 소비자 정보 강화 등 다양한 분야에 적용될 수 있습니다. 예를 들어, 유통기한이 임박한 신선식품 포장에 탑재된 ML 칩은 소비자가 직접 냄새를 맡아 확인하는 번거로움 없이 제품의 변질 여부를 알려줄 수 있습니다. 의약품이나 크림과 같이 인간이 육안이나 후각으로 효능 종료 시점을 판단하기 어려운 제품의 경우, 이러한 저비용 ML 칩은 혼란과 낭비를 줄여 막대한 경제적 가치를 창출할 수 있습니다.

일상적인 IoT 기기에서 초저가 구현은 기존 전자 부품 설계로는 어려운 과제입니다. 실리콘 기술은 비용 절감을 위해 계속해서 미세 공정을 발전시켜 왔지만, 이는 상대적으로 단순한 기능의 절대적인 비용 상승을 초래했습니다. 또한, 특정 애플리케이션에 최적화된 하드웨어를 설계하기보다 범용 하드웨어를 프로그래밍하는 방식(튜링세, Turing Tax)이 일반화되었습니다.

하지만 FMCG 제품은 유통기한이 짧고 저전력 소비가 필수적이므로, 이러한 제품에 사용되는 프로세서는 범용이 아닌 맞춤형으로 설계되어야 합니다. FMCG 시장의 높은 생산량과 PragmatIC의 저비용 FlexIC 제조 공정은 일상적인 IoT 애플리케이션을 위한 효율적이고 저렴한 맞춤형 ML 프로세서 개발 기회를 제공합니다. 이제는 복잡성보다는 단순성을 디자인의 핵심으로 삼아 처음부터 저비용 설계를 고려해야 할 때입니다.

ARM과 PragmatIC은 지난 몇 년간 두 회사의 기술을 결합한 실용적인 애플리케이션을 탐구해 왔습니다. 지난 7월, ARM, PragmatIC, 맨체스터 대학교는 제1회 IEEE 플렉서블 및 프린터블 센서 및 시스템 학회(FLEPS)에서 맞춤형 머신러닝(ML) 프로세서 개발 프레임워크를 발표했습니다. 이 논문은 애플리케이션을 가장 효율적인 방식으로 실행하고, 필요한 요소만 추가하여 도메인별 맞춤형 집적회로(IC)를 설계하는 방법을 제시합니다. 이러한 설계 철학은 설계 및 검증이 비교적 간단하면서도 저비용, 저전력 솔루션을 제공하며, 센서 데이터 수집부터 IC 제작까지 단 몇 주 만에 완료할 수 있습니다.

FLEPS 논문은 ML 소프트웨어 모델 알고리즘 개발, ML 하드웨어 모델 개발, 하드웨어 구현 및 제작을 포함하는 플렉서블 전자 제품 애플리케이션을 위한 맞춤형 ML 프로세서 생성 방법론을 제시합니다.

간단히 말해, 센서에서 수집된 데이터를 기반으로 ML 알고리즘의 소프트웨어 모델을 개발합니다. 주어진 데이터와 요구사항에 따라, ML 학습 및 추론 단계는 소프트웨어 ML 모델 라이브러리에서 가져온 여러 ML 알고리즘을 반복적으로 적용하여 센서 데이터에 각 모델을 적용합니다. 현재 소프트웨어 ML 모델 라이브러리에는 SVM, Naïve Bayes, 투표 분류기, 다층 신경망, 이진 신경망과 같은 지도 학습 모델이 포함되어 있습니다.

다음 단계는 Python의 MyHDL을 사용하여 작성된 Parametric ML Processor Model Library에서 선택된 소프트웨어 ML 모델의 고도로 매개변수화된 하드웨어 모델을 가져오는 것입니다.

플렉서블 맞춤형 ML 프로세서의 하드웨어 구현 흐름은 기존 실리콘 설계 흐름과 동일한 단계와 업계 표준 EDA 도구를 사용합니다. 플렉서블 기술별 표준 셀 라이브러리는 ARM에서 자체적으로 설계되었으며, PragmatIC의 생산 공정 및 관련 공정 설계 키트(PDK)를 기반으로 합니다.

마지막으로, 제작 단계에서는 PragmatIC의 'fab-in-a-box' 제조 라인인 FlexLogIC®을 활용합니다. 이 공정은 200mm 웨이퍼를 기반으로 하며, 반복적인 재료 증착, 패터닝 및 에칭 공정을 통해 GDSII 설계의 반복 인스턴스를 생성합니다. PragmatIC의 FlexLogIC® 공정은 24시간 이내에 우선순위 웨이퍼를 생산할 수 있어 맞춤형 설계의 신속한 검토 및 평가가 가능합니다. 이 모든 과정을 통해 맞춤형 ML 칩은 애플리케이션 개발부터 제작까지 4주 이내에 완료될 수 있습니다.

IoT 성장의 상당 부분은 저렴하고 유연하며 일상적인 애플리케이션을 위한 맞춤형 ML 기능을 요구하는 분야에서 나올 것입니다. 이는 범용 프로세서로는 동일한 폼팩터나 비용 목표를 달성하기 어려운 고객 기능을 제공하면서도 상당한 비용 절감을 달성할 수 있는 새로운 설계 사고방식을 요구합니다. 프로세서 설계 및 제조가 점점 더 복잡해지는 시대에, 단순성을 위한 디자인이 필요한 때입니다.