반도체 산업 혁신 속도 힘입어 모든 산업 '디지털화' 추세

지멘스 EDA 포럼-기조연설 주요 내용
디지털화는 단순히 혁신적인 스마트 기기의 출현에 그치지 않고 이를 중심으로 디지털 인프라를 연결시켜 ‘대규모 에코시스템‘이 구축됨으로써, 다목적용 수단으로 만들어 준다.

분명해지고 있는 점은 이러한 추세가 수많은 산업 전반에 널리 퍼지고 있다는 사실이다.
산업용 사물인터넷(Industrial IOT)이라는 측면에서 살펴보면, 공장 전체, 그리고 해당 공장이 제공하는 데이터를 한데 결합해 그 실적과 신뢰성, 품질을 실시간으로 분석할 수 있다.

반도체 산업 자체를 예로 들어봐도 마찬가지다. 첨단 팹의 경우에는 한 달에 2천TB가 넘는 데이터를 생성해낼 수 있다. 이 모든 추세는 반도체 분야뿐만 아니라 전 세계의 모든 제조 환경 전반에서 일어나고 있다.

최근 비디오 연결 장치에서 데이터 트래픽이 폭발적인 증가를 보이고 있다. 반도체 분야에서 본다면 센서뿐만 아니라 에지 기반의 데이터 프로세싱, 네트워크 상의 통신, 무선 주파수 전송, 데이터 센터 등에 수많은 디바이스가 요구될 수밖에 없고, 결국, 폭발적인 성장을 할 수밖에 없다.

오는 2030년 경에는 반도체 시장의 규모가 1조 달러에 이를 것이라는 낙관적 전망이나오고 있는 상황에서 고객의 성공적인 비즈니스를 지원하기 위해선 세가지를 주의해야 한다.

기술 스케일링(technology scaling)을 통해 새로운 노드와 3D 통합을 실현하고, 설계 스케일링(design scaling)으로 기술 스케일링에 의해 제공되는 추가 기능을 활용하며, 시스템 스케일링(system scaling)으로 전체 시스템에 탑재돼 있는 칩들의 디지털 트윈을 효과적으로 검증할 수 있도록 하는 것이다. 이러한 시스템에는 전자 장치뿐만 아니라 감지와 작동도 포함된다.

기술 스케일링
노드 개발과 관련해 낙관적인 전망이 되돌아오기 시작하고 있다는 것은 매우 고무적인 일이다. 지난 10년~15년간, 무어의 법칙은 이제 종말을 맞았다. 새로운 노드가 그다지 유용하지 않은데다가 그 업데이트 마저 언제 끝날지 모른다는 얘기가 일반적이었다. 하지만 이제는 5nm에서 3.5nm로, 그리고 2nm를 거쳐 1.5nm로 분명하게 나아갈 수 있다는 얘기들을 하기 시작했다.

아키텍처와 설계 프로세스의 통합 최적화, 툴과 창의적인 설계 및 EDA 툴의 결합이 이루어짐에 따라, 노드 스케일링이 종말을 맞이하고 있음에도 불구하고 이러한 디바이스의 CPU 성능은 10배나 향상됐으며, GPU 성능은 23배나 향상됐다.

향후의 노드를 실현하고자 함에 있어서 강조하고 싶은 측면이 몇 가지 있는데, 그 중 하나가 프리 실리콘 분석 프로그램인 Calibre SONR이다. 이 프로그램의 기능은 모든 다이에 문자 그대로 수백억 내지 수천억 개의 뚜렷이 구별되는 패턴이 있으며 이들은 제조 공정 전반에 걸쳐 서로 다른 반응을 보이게 된다는 사실을 이용하는 것이다.

이는 설계가 진행되는 동안 문제를 야기하는 요인들을 결부시켜 예측하는데 도움을 주게 된다. 우리는 패턴을 분류하고 특성분석을 수행하며, 프로세스 모델을 이용해 피처 벡터를 조합하고, 그러한 패턴들이 어떤 모습을 보일지 알아내고, 파운드리로부터 패턴 매핑, 결함, 고장 분석 등과 같은 데이터를 가져와 확인한다. 그리고 이를 통해 특성분석과 머신러닝을 수행한다.

이어서 이 프로그램을 입수되는 설계에 대해 실행해, 불량 패턴이 어떤 영역에서 일어나고 있으며, 전에 본 적이 없던 패턴이 어디에서 발생하고 있는지 알아낼 수 있다. 이 모든 요소를 검사 루틴에 투입해 이들이 제품 생산 시의 수율 제한요소 중 일부가 되지 않도록 할 수 있다.

머신 러닝이 이러한 환경에 부여하는 역량 때문에 현재 수많은 고객들이 이 중요한 기술을 채택하는 추세다.

포스트 실리콘 측면에서도 이와 비슷하게 지멘스 EDA는 지난 수년간의 연구를 통해 DFT(Design For Test)에서 얻은 실패 데이터를 활용해 해당 디바이스의 물리적 구조를 다시 살펴보고 그 예상 결함을 찾아냄으로써 본질적으로 그 실패 로그를 얻는 데 있어서 큰 성공을 거두고 있다.

이 실패 로그는 해당 칩이 불량임을 알려주며, 이를 파운드리에서 실행할 수 있는 데이터로 변환해 준다. 즉, 해당 칩에 문제가 있으며, 이 기계가 사양 내에서 실행되고 있지 않음을 알려주는 것이다. 이는 새로운 공정의 수율 향상을 위해서 뿐만 아니라, 칩 생산 라인에 도입되는 새로운 제품에도 유용한다.

지멘스 EDA는 또한 머신러닝을 이용함으로써 이전에는 불가능했던 통찰력을 제공할 수 있게 돼, 칩에 들어가는 스탠다드 셀과 아날로그 디바이스를 설계하고 분석하며 특성분석 하는 작업을 크게 변화시켰다.

여기에서 Solido 툴은 머신러닝을 이용해 예컨대 하이 시그마 검증을 수행한다. 사실상 이러한 새로운 프로세스는 역량은 매우 뛰어나지만 본질적으로 변동성이 기존의 성숙한 프로세스보다 크기 때문이다. 이러한 변동성이 존재하는 상태에서 설계할 수 있으려면 이러한 변동성을 인식하고 이해하며 특성분석을 수행한다.

머신러닝을 도입함으로써, 기본적으로 성능 타협 없이 정확성을 제공하거나 이를 달성하기 위해 필요한 실행 시간을 획기적으로 줄일 수 있게 됐다. 이것은 이러한 변동성이라는 측면을 관리하고 이 중요한 데이터를 디자이너에게 제공할 수 있게 해주는 매우 중요한 툴이다.

또한 3D 분야에서 지멘스 EDA는 전체론적인 솔루션을 적극적으로 모색하고 있다.
계획 및 프로토타이핑의 설계적 측면, 유기 인터포저나 실리콘 인터포저의 구현 측면, 패키지의 멀티 다이 통합 검증은 물론 설계의 열적, 기계적 및 신뢰성 측면과 같은 사항에 대한 분석 기법 등을 모두 다루는 것이다. 이는 전반적인 SiP(System in Package) 성능을 R&D 프로파일의 중요한 일부분으로서 구현하는 데 있어서 갈수록 더 중요한 요소가 될 것이라고 생각한다.

설계 스케일링
지난 수년간 일어난 가장 중요한 일 중 하나는 생산성 향상의 필요성과 함께 에지에서 인공지능(AI)의 이용이 증가한 점이다. 에지에 사용하는 인공지능(AI)는 매우 중요한 한 가지 요소로 특징할 수 있다. 달러 및 와트당 성능이 이러한 에지 기반 애플리케이션의 성공에 있어서 극히 중요한 요소라는 점이다.

상위수준 합성(HLS)을 통해 이러한 칩을 구조적으로 적절한 수준에서 설계할 수 있다.

즉, 구조를 기술하고 레지스터 간의 데이터 흐름 관리 방법을 기술하는 RTL을 설계하는 대신, 아키텍처 수준인 C, 시스템 C 및 C+ 수준에서 설계 작업을 수행한다.

Siemens EDA는 지난해 직접회로(IC) 설계를 위한 P&R(Place and Route, 배치 및 배선) 소프트웨어 개발 선두 업체인 ‘아바타 인터그레이티드 시스템(Avatar Integrated Systems Inc.)’을 인수해, 엔지니어들이 적은 자원으로 복잡한 칩의 전력, 성능, 면적(PPA)을 최적화하도록 도와준다.

물론, 지멘스 EDA가 처음에 반도체 회사에서 디지털 트윈에 대해 이야기하기 시작했을 때는 그들도 제가 그랬듯이 25년간 반도체 분야에서 디지털 트윈을 이용해 왔으며 설계를 시뮬레이션 하고 있다.

하지만 시스템 자체가 훨씬 더 복잡해지면서 예전보다 커다란 문제가 됐다. 그것이 관련 코어의 수이든 혹은 특정 애플리케이션이나 특정 분야용 서브시스템의 수이든, 또는 메모리의 복잡성과 캐시 일관성 같은 문제를 처리해야 하는 것이든, 단일 칩에서 볼 수 있는 이 모든 전자장치 통합의 복잡성으로 인해 검증 문제는 매우 까다로워졌다.

검증에서 검증 확인으로 넘어가는 과정에서 실제세계의 소프트웨어 스택을 한데 결합해 이를 통합 모델링 된 CPU 환경에서 실행한다. 이를 한데 묶어 특정 애플리케이션용의 프로세싱 요소를 만든 뒤, 이를 에뮬레이트 해 소프트웨어가 실행되고 있는 상태에서 디버깅을 수행할 수 있는 코드 환경을 갖춘다. 이어, 모니터링 및 평가 소프트웨어를 통해 동적 전력, 버스 경합 등의 모든 측면을 기술한 뒤, 예를 들어 안드로이드를 부팅하거나 이러한 전체 시스템에서 모델링 된 실제 칩에 대해 AI를 이용해 피처를 파악할 수 있어야 한다. 이는 해당 칩에서 위상을 찾아낼 수 있는지 여부뿐만 아니라 그 전력이 처리되지 않은 시스템 제약사항과 일치할 것인지 여부까지도 알려주아야 한다.

이러한 안전성 및 보안은 지멘스 EDA가 지난 수년간 연구해 온 분야다. 지멘스 EDA는 이를 더욱 확장해 감지 및 작동 분야와 결합시키는 방안을 적극 모색하고 있다.

그 좋은 예로써 지멘스 EDA가 일 년쯤 전에 발표한 PAVE360이라는 프로그램을 들 수 있다.

PAVE360은 자동차 제조업체와 1차 OEM 공급사가 가상화된 환경에서 모델링 할 수 있도록 설정된 환경이다. 여기에서 정지 신호, 침범, 자전거 주행자 등이 있는 모의 도로 환경을 생성해 해당 시나리오를 실행하고, 칩의 디지털 트윈과 소프트웨어 스택으로 가져와 사용할 수 있는 센서 데이터를 제공한 뒤 이를 자동차 자체에 입력해 그것이 자동차의 제어 장치이든 그 제동 장치나 서스펜션 시스템이든 이를 작동시킬 수 있다. 그리고 이러한 ADAS 전자장치를 탑재한 자동차가 이 환경에서 주행하는 것을 모델링 할 수 있다.

이처럼 설계 측면을 넘어서는 역량을 잘 살펴보면, 이는 우리 모두에게 있어서 반도체 자체의 디지털화를 실현할 수 있는 기회다.

아날로그로 하던 일을 지금은 DFT라는 것으로 하고 있다. DFT는 구조적 모니터를 강화해 설계 단계에 집어 넣은 것으로써, 이를 실제 제조 단계에 이용해임의의 디바이스가 출하 가능하며 제대로 기능하는지 여부를 신속하게 알아낸다.

지멘스 EDA는 지난 수년간 동일한 회로를 이용해 구조 설계에 대한 내장형 자체 테스트(BIST)를 수행해 해당 칩이 여전히 정확하게 기능하고 있는지 확인할 수 있도록 확장해 왔다.

이는 자동차의 ADAS 환경과 같은 영역뿐만 아니라 안전과 신뢰성이 극히 중요한 다른 응용 분야에서도 채택되고 있다. 우리가 이를 통해 모색하고 있는 확장은 매우 중요하다.

지멘스 EDA의 비즈니스 기반 최적화는 칩이 시간이 지남에 따라 어떻게 동작하는지 그 데이터 유형을 모니터링 한다. 칩이 자신을 교체할 필요성이 있는지 여부를 다시 보고하도록 할 수도 있다. 이를 통해 고객에게 새로운 가치라는 면에서 무엇을 제공할 수 있을지 생각해 보자. 이는 핸드폰을 이용해 슈퍼마켓을 찾아가는 경우와 비슷하게, 우리가 시장에 가치를 제시할 수 있는 그야말로 새로운 기회를 제공한다.

이는 매우 강력한 추세다. 매출과 작업 방식을 견인하고 이 산업 분야에 활력을 가져올 것이라 생각한다.