→ 자세히 보기

반도체 한계 뚫는 ‘AI for Science’… 머신러닝 기반 신소재 탐색 엔진🧪

미세 공정의 물리적 한계로 실리콘을 대체할 차세대 반도체 물질과 발열·전력 효율을 개선할 전자소재 수요가 급증하는 가운데, AI가 신소재 발굴 기간을 획기적으로 단축하고 있습니다. 호주 플린더스대와 UAE 칼리파대 공동 연구진은 천문학적인 경우의 수 중에서 원하는 전기적·물리적 특성을 갖춘 물질을 추려내 우선순위를 매기는 머신러닝 기반 ‘스마트 소재 탐색 엔진’을 개발했는데요. 전통적으로 수년이 걸리던 고비용 실험 과정을 데이터 기반 예측으로 미리 좁혀주는 기술로, 향후 양질의 실험 데이터 축적 및 실제 검증 프로세스와의 유기적 결합이 반도체 및 AI 가속기 성능 혁신의 핵심 열쇠가 될 전망입니다.

가트너, “GPU 증설이 전부가 아니다”… 데이터센터 성패는 전력과 냉각❄️

글로벌 시장조사기관 가트너는 AI 데이터센터 경쟁력이 단순한 인프라 증설이 아닌 ‘수요 불확실성 대응과 전력·냉각 제약의 해결 능력’에 달려 있다고 분석했습니다. AI 모델 구조의 빠른 변화로 정밀한 장기 예측이 어려워진 만큼, 한 번에 대규모 설비를 선투자하기보다 모듈형 인프라와 하이브리드 조달을 통한 단계별 투자 전략이 필요하다고 제언했는데요. 특히 전력 공급망 한계에 맞춰 대규모 학습은 중앙 클러스터에 두되 추론은 지역 거점으로 분산하는 입지 전략이 요구되며, 고밀도 AI 구역에 액체냉각을 도입하고 일반 워크로드에는 공랭식을 유지하는 ‘혼합 냉각 전략’이 현실적인 대안으로 부상하고 있습니다.