전 세계 반도체 산업이 물리적인 "메모리 한계"에 부딪히면서, 빠르지만 휘발성이 강한 DRAM과 느리지만 영구적인 NAND 플래시라는 기존의 이분법적 방식만으로는 하이퍼스케일 AI의 폭발적인 데이터 수요를 맞추기에 더 이상 충분하지 않습니다. 이러한 중요한 공백을 메우기 위해 SK하이닉스는 차세대 기술인 MRAM(자기 메모리), PRAM(상변화 메모리), ReRAM(저항 메모리)을 기반으로 하는 혁신적인 "스토리지 클래스 메모리(SCM)" 레이어를 개발하고 있습니다. 속도와 데이터 보존 기간 사이의 절충이 불가피했던 기존 메모리와 달리, 이러한 혁신 기술은 두 가지 장점을 모두 제공하여 실시간 처리에 필요한 DRAM에 가까운 지연 시간과 플래시 스토리지의 비휘발성을 동시에 실현합니다. 더 나아가, 이 로드맵은 단순한 저장 장치를 넘어섭니다. 구체적으로, ReRAM은 미래의 "뉴로모픽 컴퓨팅"을 위한 시냅스 백본으로 자리매김하여, 인간 두뇌의 에너지 효율적인 구조를 모방함으로써 진정한 온디바이스 AI를 구현할 것입니다. 이 분석은 SK 하이닉스가 단순히 시장의 공백을 메우는 것을 넘어, 포스트 실리콘 시대의 근본적인 신경계를 설계하고 있음을 보여줍니다.
자성 활용해 반영구적 수명 자랑 MRAM
기존 NAND 플래시 메모리의 근본적인 한계는 "전하 트랩"이라는 물리적 원리에 의존한다는 점입니다. 데이터가 플래시 셀에 기록될 때마다 고전압 전자가 절연 산화막 층을 통과해야 하는데, 이 과정에서 시간이 지남에 따라 물질 구조가 물리적으로 손상됩니다. 이것이 바로 SSD가 일정 횟수(일반적으로 10만 회)의 쓰기 주기 후에 마모되는 이유입니다. SK하이닉스의 MRAM(자기 랜덤 액세스 메모리)은 전하 저장 방식이 아닌 전자스핀을 활용하여 물리적 열화를 완전히 해결합니다. 스핀 전달 토크(STT)라는 과정을 통해 자기 터널 접합(MTJ)에 스핀 편향 전류를 흘려 메모리 상태를 변경합니다. 이 전류는 터널 장벽을 훼손하지 않고 "자유층"의 자기 방향을 반전시키는 토크를 발생시킵니다. 이 스위칭 메커니즘은 절연체의 원자 구조를 영구적으로 변경하는 대신 나침반 바늘이 회전하는 것과 유사하게 자기 모멘트의 방향을 단순히 바꾸는 것이기 때문에 MRAM은 100조(10¹⁴) 사이클을 초과하는 내구성 등급을 갖춘 "준영구적인" 수명을 달성하여 플래시 메모리의 유한한 수명에 비해 사실상 불멸에 가깝습니다. SK하이닉스는 자체 개발한 22nm 임베디드 MRAM(eMRAM) 공정을 통해 이 기술을 개발 중이며, 특히 "쓰기 내구성"이 중요한 안전 요소인 IoT 및 자동차 분야를 겨냥하고 있습니다. 최신 자율주행 차량에서는 도메인 제어 장치(DCU)가 센서 데이터를 매 밀리초마다 지속적으로 기록해야 합니다. 기존의 플래시 메모리 버퍼는 이러한 끊임없는 쓰기 부하에서 빠르게 소손됩니다. SK 하이닉스의 eMRAM은 작업 메모리(RAM)와 저장 장치(플래시) 역할을 동시에 수행할 수 있는 통합 메모리 솔루션입니다. SK하이닉스는 MTJ를 로직 칩의 백엔드 인터커넥트(BEOL)에 직접 통합함으로써 메모리가 비휘발성일 뿐만 아니라 우주 방사선으로 인한 "소프트 오류"에도 영향받지 않는 "시스템 온 칩" 설계를 구현했습니다. 이러한 방사선 내성은 자성을 사용하는 자연스러운 부산물입니다. 고에너지 입자에 의해 교란될 수 있는 전기 전하와 달리, MTJ의 자기 상태는 매우 안정적이어서 자동차 제동 시스템을 구동하는 핵심 코드가 가혹한 전자기 환경에서도 손상되지 않도록 보장합니다. 또한, MRAM의 "반영구적" 특성은 "즉시 켜짐" 아키텍처를 통해 엣지 디바이스의 전력 관리 개념에 혁명을 일으킵니다. MRAM은 전원 없이도 데이터를 유지(비휘발성)하면서 SRAM과 유사한 속도로 작동하기 때문에, 디바이스는 유휴 상태일 때 메인 프로세서의 전원을 완전히 차단할 수 있으며, 시스템 상태를 속도가 느린 SSD에 저장할 필요가 없습니다. 기기가 깨어날 때 데이터는 이미 메모리 셀에 물리적으로 저장되어 있어 "부팅 시간 제로"를 구현할 수 있습니다. SK 하이닉스는 배터리 수명이 매우 중요한 차세대 AI 웨어러블 기기를 위해 이러한 특성을 최적화하고 있습니다. 기존의 "SRAM + NOR 플래시" 조합을 단일 MRAM 블록으로 대체함으로써, 시스템은 에너지 소모가 심한 "섀도잉" 프로세스(부팅 시 플래시에서 RAM으로 데이터를 복사하는 과정)를 제거합니다. 이러한 백그라운드 작업 감소와 사실상 무한대에 가까운 쓰기 내구성이 결합해 메모리 모듈을 장치에 영구적으로 납땜하는 새로운 제조 방식이 가능해지며, 제품의 수명보다 수십 년 더 오래 사용할 수 있게 됩니다.
상변화물질로 데이터센터 혁신 PRAM
PRAM(상변화 랜덤 액세스 메모리)의 핵심 공학적 원리는 칼코게나이드 유리, 특히 게르마늄, 안티몬, 텔루륨 합금(Ge2Sb2Te5 또는 GST)의 가역적인 열역학적 특성에 있습니다. 전자를 저장하기 위해 커패시터를 사용하는 DRAM이나 플로팅 게이트에 전하를 가두는 NAND와 달리, PRAM은 제어된 줄 발열을 통해 재료 자체의 원자 구조를 물리적으로 변화시켜 데이터를 저장합니다. 짧고 높은 전류 펄스를 가하면 재료가 녹아 즉시 무질서한 "비정질" 상태로 변하며, 높은 전기 저항(논리 0)을 나타냅니다. 반대로, 길고 낮은 강도의 펄스를 가하면 재료가 어닐링 되어 낮은 저항(논리 1)을 갖는 규칙적인 "결정질" 상태로 변합니다. 이 저항 기반 스위칭 메커니즘 덕분에 PRAM은 플래시 저장 장치처럼 본질적으로 비휘발성이면서도 DRAM처럼 "비트 단위 주소 지정"이 가능합니다. 즉, CPU는 전체 블록을 지우지 않고도 단일 바이트의 데이터를 다시 쓸 수 있습니다. 이는 SSD 성능을 심각하게 저해하는 제약 조건입니다. 이러한 세밀한 제어 기능 덕분에 PRAM은 나노초 속도의 프로세서와 마이크로초 속도의 저장 장치 사이의 벌어지는 지연 시간 격차를 해소할 수 있는 유일한 현실적인 대안이 되었습니다. 최신 하이퍼스케일 데이터 센터 환경에서 PRAM은 "메모리 병목 현상" 문제를 해결하기 위해 설계된 새로운 계층인 스토리지 클래스 메모리(SCM)의 기반 기술 역할을 합니다. 현재 서버는 즉각적인 처리를 위한 "핫 데이터"를 저장하기 위해 대용량 DRAM에 의존하고 있지만, DRAM은 휘발성 메모리이며 가격이 매우 비쌉니다(GB당 가격). PRAM은 전략적인 절충안을 제시합니다. DRAM보다 속도는 약간 느리지만 NAND보다 훨씬 빠르고 내구성이 뛰어나며, 전원이 차단되어도 데이터를 보존합니다. 메인 메모리와 SSD 스토리지 사이에 PRAM 계층을 삽입함으로써 데이터 센터는 대규모 "영구 메모리" 풀을 구축할 수 있습니다. 이를 통해 SAP HANA나 Redis와 같은 대규모 인메모리 데이터베이스는 시스템 충돌 후 테라바이트 규모의 데이터를 속도가 느린 SSD에서 다시 로드하는 과정 없이 즉시 복구할 수 있습니다. 이전에는 이러한 작업에 몇 시간이 걸렸습니다. 또한 PRAM 셀은 복잡한 커패시터 없이 3D 크로스포인트 구조로 수직 적층할 수 있기 때문에 SK 하이닉스는 NAND에 필적하는 밀도로 PRAM을 제조할 수 있으며, 이를 통해 AI 학습 워크로드에 필요한 대규모 고속 메모리 버퍼가 있어야 하는 클라우드 제공업체의 총 소유비용(TCO)을 획기적으로 절감할 수 있습니다. SK하이닉스의 PRAM 기술은 향후 고밀도화 및 누설 전류 최소화를 위해 "셀렉터 온리 메모리(SOM)" 아키텍처로 진화할 전망입니다. 기존 PRAM 설계에서는 각 메모리 셀에 셀렉터 스위치 역할을 하는 트랜지스터 또는 다이오드가 필요하며, 이는 귀중한 실리콘 공간을 차지합니다. SK하이닉스는 상변화 물질 자체가 선택자 역할을 하는 이중 기능성 소재(Dual Functional Material)를 개발하여 어레이의 잠재적 밀도를 두 배로 높이는 획기적인 기술을 선도하고 있습니다. 이 혁신은 SRAM에 저장할 수 없지만 플래시 메모리에 저장하기에는 너무 빈번하게 접근되는 수십억 개의 파라미터에 대한 빠른 접근이 필요한 AI 추론 시장에 매우 중요합니다. SK하이닉스는 PRAM을 AI 가속기의 '작업 메모리'로 활용함으로써 프로세서가 데이터 대기 중에 멈추는 현상을 방지합니다. "스토리지"에서 "메모리-스토리지 하이브리드"로의 이러한 전환은 서버 아키텍처를 근본적으로 바꾸어, PRAM이 CXL(Compute Express Link) 인터페이스를 통해 여러 CPU에서 액세스할 수 있는 공유 고속 저장소 역할을 하는 "분리형 메모리" 풀을 가능하게 함으로써 데이터 센터를 마더보드 DIMM 슬롯의 물리적 제약에서 해방해 줍니다.
인공지능 뉴로모픽 최적화 구조 ReRAM
SK하이닉스의 인공지능용 ReRAM(저항성 랜덤 액세스 메모리)의 구조적 우수성은 생물학적 뇌의 "시냅스 가중치"를 물리적으로 모방할 수 있다는 점에 있습니다. 이는 이진 DRAM이나 NAND로는 불가능한 기술입니다. 신경망에서 "가중치"는 두 뉴런 사이의 연결 강도를 결정합니다. 기존 컴퓨터는 메모리에서 디지털 숫자를 가져와 CPU에서 곱셈을 수행한 후 다시 전송하는 방식으로 이를 시뮬레이션하는데, 이 과정에서 전체 에너지의 90%가 소모됩니다. ReRAM은 "멤리스터"(메모리 저항기)처럼 작동함으로써 이 문제를 해결합니다. 금속 산화물 층 내부에 있는 미세한 전도성 필라멘트의 성장과 파괴를 제어함으로써 ReRAM 셀은 0 또는 1뿐만 아니라 여러 전도 상태(아날로그)를 가진 가변 저항기처럼 작동할 수 있습니다. 이를 통해 메모리 셀은 무게를 물리적 저항값으로 "저장"할 수 있습니다. 결과적으로 입력 전압(데이터)이 가해지면 출력 전류는 자동으로 전압과 전도도의 곱($I = V × G$)이 되며, 물리 법칙 자체를 통해 곱셈 연산을 효과적으로 수행합니다. 이러한 "아날로그 인메모리 컴퓨팅"은 데이터 이동의 필요성을 없애 AI 추론에 필요한 에너지 비용을 몇 배나 줄여줍니다. 뉴로모픽 컴퓨팅을 위한 특정 아키텍처 최적화는 "크로스바 어레이" 구조입니다. 이 구조에서는 복잡한 선택 트랜지스터(셀렉터 프리 또는 1S1R) 없이 ReRAM 셀이 수직 워드 라인과 비트 라인 사이에 배치됩니다. 이러한 고밀도 그리드 레이아웃은 모든 딥러닝 모델의 수학적 핵심인 "행렬-벡터 곱셈(MVM)"의 대규모 병렬 처리를 가능하게 합니다. 단일 클록 사이클 내에 전체 입력 데이터 벡터를 어레이의 행에 공급할 수 있으며, 모든 열에서 발생하는 전류를 즉시 합산하여 결과를 생성합니다. 이는 인간의 시신경이 시각 신호를 즉시 처리하는 방식과 유사하게 작동하는 대규모 병렬 컴퓨팅 엔진을 구현합니다. SK하이닉스는 정보를 연속적인 값이 아닌 전기적 스파이크의 타이밍에 인코딩하는 '스파이킹 신경망(SNN)'을 지원하도록 이 구조를 최적화하고 있습니다. 입력 펄스의 주파수에 따라 저항이 점진적으로 변화하는 ReRAM 필라멘트의 특성은 생물학적 학습 과정인 '시냅스 가소성'(히비안 학습)을 모방한 것으로, 자주 사용되는 연결을 강화하여 하드웨어가 실시간으로 '학습'할 수 있도록 합니다. 또한, 이 뉴로모픽 ReRAM 구조의 제조상 이점은 "후공정(BEOL)"과의 호환성에 있습니다. 논리 회로를 녹일 수 있는 고온 공정이 필요한 DRAM과 달리, ReRAM은 비교적 저온에서 제조할 수 있습니다. 이를 통해 SK하이닉스는 표준 CMOS 논리 칩(CPU 또는 NPU) 위에 ReRAM 어레이 레이어를 직접 증착하여 "모놀리식 3D" 방식으로 통합할 수 있습니다. 이러한 수직 적층 방식은 마더보드에서 메모리와 프로세서를 연결하는 데 일반적으로 사용되는 긴 구리선을 없애 "기생 정전 용량"을 줄이고 실시간 AI 에이전트에 필요한 초고속 통신 속도를 구현합니다. SK 하이닉스는 시냅스 메모리를 뉴런과 유사한 논리 회로에 직접 통합함으로써 저장 장치와 연산 장치의 경계를 허물어 통합된 초고효율 처리 장치를 만들어 배터리 구동 장치에서 생성형 AI 모델을 실행할 수 있는 "실리콘 브레인"을 효과적으로 구축하고 있습니다.
