AI와 과학 연산이 요구하는 계산량이 급증하면서 아날로그 컴퓨팅이 다음 세대 연산 기술의 후보로 다시 주목받고 있다. arXiv에 게재된 최근 논문은 현대 아날로그 컴퓨팅의 전체 지형을 조망하며, 미분방정식 풀이, 행렬방정식 풀이, 행렬-벡터 곱셈이라는 세 가지 핵심 연산 기본 단위와 이들 간의 수학적 연결 관계를 체계적으로 정리했다.
논문은 이산 소자, 집적회로, 저항성 메모리 소자 등 다양한 하드웨어 구현 방식을 검토하며, 이 중 저항성 메모리 어레이가 구현 효율 면에서 특히 유망하다고 평가했다. 저항성 메모리 소자는 메모리 셀 자체에서 연산을 수행하는 인메모리 컴퓨팅(in-memory computing) 패러다임과도 맞닿아 있어, 데이터를 메모리와 연산 장치 사이에서 반복적으로 이동시키는 기존 폰 노이만 구조의 병목을 원천적으로 줄일 수 있다. 아날로그 CMOS 회로와 저항성 메모리 어레이를 활용한 최근 연구 성과들도 폭넓게 수록했다.
논문은 아날로그 컴퓨팅이 지닌 잠재력과 함께 정밀도 및 확장성 문제도 솔직하게 다뤘다. 아날로그 방식은 디지털 시스템에 비해 노이즈와 소자 변동성에 민감하며, 대규모 시스템으로 확장할 때의 정확도 유지가 여전히 과제로 남아 있다. 논문은 이런 한계에 대한 잠재적 해결책을 함께 논의하며, 아날로그 컴퓨팅 고유의 계산 복잡도 특성과 인메모리 컴퓨팅과의 관계도 분석했다. 데이터 집약적 응용의 연산 수요가 디지털 반도체의 물리적 한계에 점점 가까워지는 가운데, 이 논문은 아날로그 컴퓨팅을 차세대 연산 한계를 돌파할 핵심 기술로 자리매김하는 통합적 관점을 제시한다.
이번 논문이 정리한 미분방정식 풀이, 행렬방정식 풀이, 행렬-벡터 곱셈은 과학 시뮬레이션과 AI 추론·학습 연산의 바탕을 이루는 기본 단위다. 세 연산이 서로 수학적으로 연결돼 있다는 점은, 하나의 아날로그 회로 구조로 다양한 계산 작업을 포괄적으로 가속할 수 있는 가능성을 시사한다. 메모리에서 직접 연산을 수행하는 인메모리 컴퓨팅 접근은 데이터 이동에 드는 전력과 지연을 줄여, 대규모 행렬 연산이 반복되는 AI 워크로드에서 에너지 효율을 끌어올릴 잠재력이 있다. 다만 논문이 함께 지적한 정밀도와 확장성 문제가 해소돼야 실제 상용 시스템으로 이어질 수 있다는 점에서, 아날로그 컴퓨팅의 부상은 디지털 가속기를 대체하기보다 보완하는 방향으로 전개될 가능성이 크다.
