전자 대신 빛-물질 결합 입자로 AI 연산 — 펜실베이니아大 돌파구
연구 배경
AI 모델이 커질수록 GPU 클러스터의 전력 소모와 발열은 한계에 가까워지고 있다. 펜실베이니아대(University of Pennsylvania) 물리학자 Bo Zhen 교수팀은 5월 18일 Science Daily를 통해, 전자(electron) 대신 빛-물질 결합 입자인 엑시톤-폴라리톤(exciton-polariton)을 이용한 광학 신호 스위칭 기술을 공개했다.
핵심 원리
빛을 나노 규모 공동(cavity)에 가두어 원자 두께 소재와 결합하면, 빛의 속도와 물질의 상호작용 능력을 동시에 갖는 엑시톤-폴라리톤이 형성된다. 이 입자를 이용한 광학 신호 스위칭 에너지는 약 4 펨토줄(4×10-15J)로, 소형 LED를 순간 점등하는 데 필요한 에너지보다 훨씬 작다. 전자 기반 회로가 열을 발생시키면서 에너지를 낭비하는 것과 달리, 광자(photon)는 열 손실 없이 장거리를 이동할 수 있어 냉각 비용도 대폭 줄일 수 있다.
AI 연산에서의 의미
연구팀은 이 플랫폼을 확장하면 카메라에서 들어오는 빛을 직접 처리하는 포토닉 칩, 대형 AI 시스템의 전력 수요 감축, 칩 상에서의 기초 양자 연산 구현이 가능하다고 본다. 현재는 연구실 수준의 검증 단계로, 상용화까지는 추가적인 소재·제조 공정 개발이 필요하다. 그럼에도 이번 결과는 AI 하드웨어의 에너지 효율 문제를 해결할 수 있는 중요한 개념 증명이다.
출처: ScienceDaily, Penn Today
Related Articles
Penn researchers demonstrated optical signal switching using exciton-polaritons — hybrid light-matter particles — consuming roughly 4 femtojoules per operation. The breakthrough removes a key obstacle to fully optical AI inference hardware.
Google-backed UC San Diego researchers plan to build a low-carbon cloud platform from 2,000 retired Pixel phones. The design strips devices to motherboards, groups 25-50 phones into Kubernetes-managed clusters, and targets teaching, grading, and research workloads.
Google Research is framing dermatology AI around user understanding, not just condition labels. A JAMA Dermatology study with 2,345 participants tested whether an AI-powered informational tool helped people identify skin concerns and choose better next steps.