KAIST 테라랩, 반도체 TSV→HBM·HBF서 이번엔 AI 에이전트 '선공'

KAIST 테라랩의 김정호 KAIST 전기및전자공학부 교수가 이번엔 반도체 AI 에이전트 적용 사례와 방향을 구체적으로 제시하는 자리를 마련했다.

실리콘관통전극(TSV)를 통한 반도체 칩 적층부터 고대역폭메모리 설계와 엔지지어링을 20여 넌 전부터 선도해온 테라랩이 AI에이전트를 테마로 한 ‘TERA AI 에이전트 데이'를 5일 KAIST 본원 테라랩에서 개최한다.

HBM에서 한단계 더 진화한 고대역폭플래시(HBF) 등 차세대 AI 반도체 분야에서 복잡한 설계와 시뮬레이션, 검증 과정을 지능화·자동화하는 AI 에이전트의 주요 구조와 기능, 그리고 실제 반도체 연구·설계 및 연구 생활에 적용한 사례를 전면 공개한다.

자료: 김정호 KAIST 교수(왼쪽에서 세 번째)와 테라랩 연구실 학생들.(사진=지디넷코리아)

행사는 오전 8시에 시작, 오후 4시 20분까지 8시간이 넘는 강행군으로 짜여졌다. 테라랩 연구생 15명이 참여한다.

AI 에이전트가 차세대 AI 반도체 설계와 연구 업무를 어떻게 지능화하고 자동화할 수 있는지 구체적인 개발 사례를 통해 제시한다. 반도체 설계 자동화뿐 아니라 논문 작성, 문헌 조사, 연구계획 수립, 자료 관리, 이메일 처리 등 연구자의 다양한 업무에 AI 에이전트를 적용한 사례도 함께 소개한다.

HBM·HBF 설계부터 시뮬레이션·검증까지…지능화·자동화·최적화된 AI 에이전트

통해 설계 시간 단축 등 AI 반도체 R&D 효율성 제고

행사 핵심은 AI를 활용하는 방식의 전환이다. 기존 생성형 AI가 주로 질문에 답하거나 정보를 제공하는 데 활용됐다면, AI 에이전트는 사용자가 설정한 목표를 바탕으로 작업을 계획하고, 필요한 도구와 소프트웨어를 활용해 여러 단계의 업무를 수행하도록 설계된다.

반도체 설계와 엔지니어링은 회로 설계, 패키징, 신호 무결성(SI), 전원 무결성(PI), 열 무결성(TI), 전자파 간섭(EMI) 분석 등 다양한 전문 분야가 유기적으로 연결되는 고난도 작업이다. 각 분야 설계 결과가 다른 분야 성능과 제약 조건에 영향을 미치기 때문에 전문적인 분석과 반복적인 검증이 필수다.

AI 에이전트를 이러한 업무에 적용하면 반복적인 분석과 데이터 처리, 시뮬레이션 실행 및 결과 정리를 자동화하고 여러 전문 도구를 연계해 복합적인 설계 문제를 해결하는 연구개발 환경을 구축할 수 있다. 이를 통해 설계 시간을 단축하고 분석의 일관성과 설계 품질을 높인다. 또 엔지니어링을 통해 핵심적인 기술 판단과 창의적인 문제 해결이 가능하다.

김정호 교수는 "테라랩은 반도체 설계와 분석업무를 AI 에이전트에 분담시키고, 여러 에이전트가 협업하도록 구성하는 방식에 주목하고 있다"며 "이는 개별 작업을 자동화하는 수준을 넘어 연구개발 프로세스 전체를 지능적으로 연결하는 접근"이라고 강조했다.

김 교수는 또 "반도체 설계와 연구개발은 회로, 패키징, 신호·전원·열 무결성 등 다양한 전문 분야가 복합적으로 연결된 고난도 엔지니어링 영역”이라며 “AI 에이전트가 이러한 전문 업무를 분담하고 협업하도록 만드는 흐름은 반도체 연구개발 방식의 근본적인 변화를 가져올 것”이라고 말했다.

행사는 4개 세션으로 나눠 온라인 화상회의 플랫폼 줌(Zoom)을 통해 진행한다.

세션에 들어가기 전, 김정호 교수가 ‘차세대 HBM·HBF 설계를 위한 지능형·자율형 AI 에이전트 아키텍처'를 주제로 차세대 반도체 연구개발 환경의 방향을 제시한다.

1인 다중 에이전트 시대…미래 연구개발 환경 선제적 제시

김 교수는 발표에서 HBM·HBF 설계 자동화를 위한 다층적 AI 에이전트 아키텍처를 중심으로 하네스(Harness) 구조, 작업 수행을 반복적으로 개선하는 루프(Loop) 구조, 에이전트 메모리 및 검색증강생성(RAG) 기반 데이터 구조 등을 설명할 예정이다. 또 확률론적 의사결정과 규칙 기반의 확정적 의사결정 구조를 결합하는 방법, 자동화와 인간의 개입을 조화시키는 설계 원칙도 소개한다.

서로 다른 전문 에이전트와 설계 소프트웨어를 연결하기 위한 기술도 발표의 주요 내용이다. 응용프로그램 인터페이스(API), 모델 컨텍스트 프로토콜(MCP), 에이전트 간 통신 및 협업을 위한 A2A(Agent2Agent) 등과 같은 연계 기술을 통해 개별 에이전트와 전문 도구를 하나의 협업 체계로 구성하는 방향을 제시한다.

이는 반도체 설계에 필요한 다양한 전문 기능을 하나의 AI 모델에 의존하기보다, 각 업무에 특화된 에이전트와 소프트웨어를 연결해 복합적인 엔지니어링 문제 해결을 위한 접근 방식이다. 설계 목표와 작업의 복잡도에 따라 각 에이전트의 역할을 나누고 실행 결과를 검토·개선하며, 필요한 단계에서는 인간 전문가가 판단에 개입하도록 구성하는 것이 김 교수가 제시하는 방향의 핵심이다.

김 교수의 주제발표에 이어 연구생들이 파트별로 나눠 HBM·HBF 등 AI 반도체 설계 자동화와 연구·일상 생활의 업무 자동화 사례를 소개한다. 석사와 박사과정 연구생들이 직접 AI 에이전트를 기획하고 개발해 자신의 연구와 업무에 적용하는 과정을 공유하게 된다.

단순히 기존 상용 AI 도구를 사용하는 데 그치지 않고 각자의 연구 분야에 필요한 에이전트를 설계하고 여러 에이전트를 연결해 실제 업무에 적용한 사례와 경험을 공유한다.

PCB 전문 설계에 AI에이전트 적용

테라랩 연구진은 현재 시놉시스(Synopsys)의 3차원 전자기장(EM) 시뮬레이션 소프트웨어를 활용한 인쇄회로기판(PCB) 설계 및 임피던스 자동 매칭 등 전문적인 설계 업무에 AI 에이전트를 적용하고 있다.

오전에 진행되는 1부 1~2세션에서는 HBM·HBF 채널 분석, 신호 무결성(SI)·전원 무결성(PI), TSV, 전력 분배망(PDN) 등 반도체 설계와 엔지니어링에 특화된 AI 에이전트를 집중 소개한다.

HBM·HBF 채널에서 발생하는 전력 잡음 요소를 반영해 신호 품질을 분석하는 AI 에이전트와 전력과 열 특성을 고려해 TSV 배치를 최적화하는 대규모언어모델(LLM) 기반 멀티 에이전트 협업 아키텍처 등이다.

이 밖에도 신호 무결성 모델의 검증과 복구, 인터포저 채널 최적화, 범프의 산란 파라미터(S-parameter) 자동 추출, 전력 분배망 모델링 등 반도체 설계 현장의 구체적인 문제를 다루는 기술이 공개된다.

2부 3~4세션에서는 논문 작성, 문헌 조사, 연구계획 수립, 이메일 관리 등 학술연구와 일상 업무를 자동화하는 AI 에이전트의 적용 사례가 발표된다. 라텍(LaTeX) 기반 학술 논문 작성과 편집을 지원하는 AI 에이전트, 관련 문헌과 시뮬레이션 결과를 바탕으로 연구 방향과 계획을 수립하는 AI 에이전트 등이 대표적이다.

자료: KAIST 테라랩 연구원들 사진을 지브리풍으로 변환했다.(사진=KAIST 테라랩)

이 외에도 논문과 문헌 관리, 학회 일정 관리, 이메일 답변 자동화, PC 상태 진단 등 연구자의 업무 효율을 높이기 위한 다양한 적용 사례가 소개된다.

김정호 교수는 "테라랩에서는 개인별 연구와 업무에 맞춰 AI 에이전트를 개발하고 지속적으로 기능을 개선하는 방식으로 활용 역량을 높이고 있다"며 "학생 1인당 2개 이상의 에이전트를 구축하는 것을 목표로, 전문 연구 업무와 일상 업무를 지원하는 에이전트들을 직접 개발하고 운용하는 경험을 축적하고 있다"고 말했다.

김 교수는 “앞으로 공학자와 개발자의 경쟁력은 AI를 단순히 사용하는 능력을 넘어 다양한 전문 AI 에이전트를 직접 설계하고 이들이 유기적으로 협력하도록 만드는 능력에서 결정될 것"이라며 "미래의 연구자는 AI와 함께 연구하는 단계를 넘어 AI 에이전트 생태계를 설계하고 운영하는 ‘AI 에이전트 아키텍트’로 진화할 것"이라고 덧붙였다.