라즈베리 파이(RP2040) 칩이 나오기까지...

라즈베리 파이(RP2040) 칩이 나오기까지...

라즈베리 파이(RP2040) 칩 개발에 참여했던 소프트웨어 기술자가 들려주는 이야기 입니다.

The journey to Raspberry Silicon

https://www.raspberrypi.com/news/the-journey-to-raspberry-silicon/

  

[출처] https://x.com/johndmcmaster/status/1355092011829719046

라즈베리 파이의 개발은 2017년 여름에 시작되었습니다. 소프트웨어 개발자로 참여 했는데 합류할 당시 반도체 설계는 아무것도 몰랐습니다. 처음에 구조(architecture)를 잡고 어떤 기능들을 넣을지 정하고 베릴로그 하드웨어 언어로 모두 꿰맞추기 시작 했습니다. 소프트웨어 언어 C 와 하드웨어 언어 Verilog는 사뭇 다르군요. 카운터를 C 로 작성하면 이랬는데,

베릴로그는 클럭에 맞춰 작동합니다. 더구나 구문 실행의 병렬성이라니....

 시뮬레이터로 코드가 실행되는 모습을 디지털 파형으로 본다는 것이 재미(?)있습니다. 코어(ARM-M0 가 사용됨)가 "Hello World"를 출력하는 프로그램을 실행 하는 모습입니다.

시뮬레이터로 소프트웨어를 실행해보기에는 너무나 시간이 오래 걸렸습니다. 칩에서 1초도  안걸릴 내용을 시뮬레이터는 몇시간 씩 걸렸으니까요. 그래서 FPGA 를 동원 했습니다. 칩의 목표 속도가 133Mhz 였지만 48Mhz로 돌리는 것에 만족해야 했습니다. FPGA는 아날로그 회로를 구현할 수 없어서 동일한 기능을 하는 별도 부품(일테면 USB-PHY 같은)을 붙여서 에뮬레이션 보드를 만들었습니다. 에뮬레이션 보드는 속도가 빨랐지만 시뮬레이터 처럼 소스 코드가 내놓는 파형을 일일이 들여다 볼수 없어서 하드웨어 기술자들이 고생을 좀 했습니다.

이랬던 하드웨어 기술자의 책상이 급기야 이렇게 됐습니다.

USB 기능을 시험할 때는 아주 혼란의 도가니 입니다. 칩에 내장될 부트 롬 코드는 저 FPGA에서 개발 되었습니다.

소프트 엔지니어가 내장 롬 코드를 개발하는 것과 동시에 하드웨어 엔지니어는 베릴로그로 작성한 코드들을 합성하여 논리회로로 변환 했습니다. 받아든 테스트 칩은 이런 모습입니다.

반도체 공정은 완벽하지 않습니다. 웨이퍼에서 잘라낸 모든 칩이 모두 양품은 아닙니다. 하드웨어 기술자들은 양품을 골라낼 수 있도록 칩에 테스트 할 수 있도록 DFT(Design-for-Test) 기능을 넣어 두었습니다. 합성된 논리 회로도를 표준 셀에 매핑하여 반도체 제조가 가능한 GDS 파일을 샌산 했습니다. 공정은 TSMC에서 이뤄졌습니다.

양산 패키지 칩은 이제 시험 보드에 장착해 봅니다. 처음 전원을 넣을 때 칩에서 연기가 올라오지 않을까 조마조마합니다. 다행히 무사합니다. RP2040 칩이 보드 중앙에 소켓에 담겨 있군요.

내장 부트 롬도 이상 없이 작동하니 쁘듯 합니다.

실험실에서 좀더 가혹한 환경을 조성하여 테스트 합니다. 견디는 온도, 동작 전압 등등...

마침내 고객의 손에 넘기게 되었습니다.

문서가 부실한 칩은 아무짝에도 쓸모가 없습니다. RP2040이 양산에 들어가는 동안 수개월에 걸쳐 SDK(Software Development Kit, 소프트웨어 개발 킷)을 작성해야 했습니다. 완벽한 문서를 마련한 까닭에 오늘날의 라즈베리 파이가 있을 수 있었습니다.

IEEE 스팩트럼 잡지/기술 정보, 7월2일자, 컴퓨팅 산업에 혁명을 일으킬지도 모르는 실험실의 실수

IEEE 스팩트럼 잡지/기술 정보, 7월2일자 온-라인 판에 재미있는 기사가 실렸습니다.

The Lab Mistake That Might Revolutionize Computing/The result is a simple and efficient neuromorphic device that mimics a brain cell
컴퓨팅 산업에 혁명을 일으킬지도 모르는 실험실의 실수/그 결과 뇌세포를 모방하는 간단하고 효율적인 뉴로모픽 장치가 탄생했습니다.
https://spectrum.ieee.org/artificial-neurons-on-silicon-chips

"인공지능"에서 GPU가 연상 될겁니다. 하지만 엄청난 연산량을 디지털 계산기로 수행하려면 에너지 소모가 너무 큽니다. 기초적인 인공신경망을 구현한 코드(파이썬 또는 C++)만 봐도 '닥치고' 곱하고 더하기가 얼마나 비효율적인지 알 수 있죠. (내 신경망 만들기)

이런 디지털 계산기들은 사실 두뇌를 구성하는 신경세포를 모방(Neuromorphic)했다고 할 수 없습니다. 그런데 어느 반도체 실험실에서 있었던 실수가 실리콘 반도체 트랜지스터 한개가 어쩌면 신경 세포를 모사할 수도 있다는 것을 알게 됐습니다. 트랜지스터의 채널(subtrate)를 전원에 직접 연결(탭, tap)하지 않고 조절하고 유지할 수 있다면(전압 분압기), 트랜지스터 한개가 신경세포가 된다는 겁니다( "멤리스터" ....) .

이 기사는 "MOSFET 시냅스와 MOSFET 뉴런을 합쳐 신경 시냅스 랜덤 액세스 메모리(NSRAM)라고 부르는데, 이들이 어떻게 함께 작동하여 간단한 신경 회로를 구현하는지" 이야기 해줍니다. 아직 먼 여정이 남아 있고 실용화가 불투명 하지만 연구 개발하는 이유를 이렇게 이야기 합니다.

"현재보다 에너지 효율이 훨씬 뛰어난, 뇌에서 영감을 받은 인공지능 마이크로칩을 개발할 수 있기 때문입니다. 이러한 칩은 처음에는 배터리 구동 시스템에 더 높은 지능을 부여하는 것과 같은 소규모의 "엣지 AI" 작업에 적합할 것입니다. 하지만 이러한 칩의 규모를 확장할 수 있다면, 장기적으로는 최첨단 GPU 와 경쟁할 수 있을 것입니다 .

----------------------------------------------------------------

What it Means to Be a Mathematician When AI Does the Math

Researchers debate motivation, purpose, and the field’s future

인공지능이 수학을 할 때 수학자가 된다는 것은 무엇을 의미할까요?

연구자들은 동기, 목적, 그리고 해당 분야의 미래에 대해 논쟁을 벌이고 있다.
https://spectrum.ieee.org/ai-in-mathematics

"인공 신경망"을 약간 맛본(내 신경망 만들기) 처지에 이렇다저렇다 할 처지는 아닙니다만, "인공지능"이라고 하는 것에 이제껏 알고 있던 수학고 알고리즘이 제대로 적용되는 것인지 의문이 들대 가 있습니다. 인공지능을 마주한 수학자들의 이야기를 들어봅니다.

"학생들이 인공지능을 이용해 바로 답을 찾을 수 있다면, 그렇게 할 가능성이 매우 높습니다. 하지만 학생들이 시행착오를 거치지 않고 문제를 해결할 때마다, 자신만의 독창적인 직관력을 키울 기회를 놓치게 됩니다. 시간이 흐르면서 차세대 수학자들이 일종의 지적 퇴보를 겪게 되어, 자신들을 훈련시킨 인공지능의 틀에서 벗어나 사고하지 못하게 될지도 모른다는 우려가 제기되고 있습니다."
......

"수학은 제 사고방식을 매우 논리적이고 합리적으로 만들어주기 때문에 일반적인 문제 해결 능력을 향상시켜 줍니다."라고 말하며, "삶의 모든 면에서 도움이 됩니다."라고 덧붙였습니다. 인공지능이 수학을 혁신적으로 변화시키면서, 많은 연구자들은 미래의 수학자들도 과연 같은 말을 할 수 있을지 궁금해하고 있습니다.

-----------------------------------------------------------------
Future Transistor Stacking Plans Start to Diverge

IBM chooses a different path from Intel, Samsung, and TSMC
미래 트랜지스터 적층 기술에 대한 계획이 점차 다양해지고 있다.

IBM은 인텔, 삼성, TSMC와는 다른 길을 택했다.
https://spectrum.ieee.org/cfet-ibm-plan

다음은 트랜지스터 적층 경쟁이라니! 선폭 경쟁은 이제 끝나나 봅니다.

[양평집] 2026년 5월....

[양평집] 2026년 5월....


일교차가 ㅎㄷㄷ....

먹을거......

볼거......






장미......

고양이......
 

 

"내 칩 제작 서비스"의 MPW 경험이 반도체 분야 취업에 도움이 될까?

"내 칩 제작 서비스"의 MPW 경험이 반도체 분야 취업에 도움이 될까?

"대학교육의 목표"가 "교양을 갖춘 전문 인재의 양성"이라고 한다[구글 AI 링크]. 좋은 말이긴 하지만 당장 취업을 앞둔 마당에 "인격도야"보다 회사에서 요구하는 "전문성"이 앞선다. 학업 과정에서 칩을 직접 만들어본 경험이 반도체 산업에 취업의 가능성을 높이기 위한 중요 이력이 될 것이라는 생각에 "내 칩 제작 서비스"의 MPW 에 지원 했을텐데 과연 취업에 도움이 될까? 넘치는 취업 면접 요령을 찾아보면서 이 의문에 답을 찾아보자[유튜브 "반도체 취업"검색].

여기에 "인성"과 "전문성"을 엿볼 수 있는 재미있는 면접 후기가 있다. 취업 면접은 면접관의 성향에 따라 운이 많이 작용하므로 "인성"은 각자 판단하기로 하고 질문을 알아보자.

https://www.youtube.com/shorts/OdIuiuB6cx8

"지금까지 해온 공부가 우리회사 직무와 안맞는 것 같은데..."

https://youtu.be/dLtCsny0skQ?si=1-iqpiGhOfNV0h0L

"차량용 반도체와 일반 반도체의 차이는 무엇이라고 생각 하나요?"

https://www.youtube.com/watch?v=uiTwqRp-lUk

"반도체 산업의 다음은 반도체 공정(소자, 물질..등)인데 설계 경험은 안맞아..."

취업을 준비하는 입장에서 위의 질문에 내놓을 나는 어떤 답을 할 수 있을지 생각해보자.

반도체 설계의 실무 인력 양성을 목적으로 수행중인 "내 칩 제작 서비스"는 500nm 선폭의 실리콘 반도체 CMOS 공정으로 학생들의 칩을 무료로 제작해 준다. 이 서비스롤 통해 "내 칩"을 만들어 본 경력이 취업에 도움이 될 수 있을까? MPW를 통해 나름 차별성을 갖췄다며 준비한 자부심이 "시시한" 공정이라고 깍아내려지면 면접 현장에서 소위 "멘탈 붕괴"를 막아낼 대비가 있어야 한다. "한물간" 공정이라는 공격을 막아보려고 "설계"를 강변하고 싶지만 트랜지스터 몇개 규모의 '아날로그' 회로를 가지고 호소할 수 있을까? 전력 반도체, 센서 반도체도 분명 비 메모리 반도체이기는 하다. 하지만 현재 인공지능을 다루는 반도체는 디지털 계산기 반도체임은 부인할 수 없다. 너도나도 GPU 보다 우수하다고 주장하는 회사의 면접에서 '아날로그' 칩의 경험이 힘을 발휘할지 의문이다.

https://youtu.be/8UL6LvQp_DU?si=YumWScWxofYg91kn

"내 칩 제작 서비스"의 MPW를 통해 칩을 제작해 봤다는 것을 면접관에게 호소하는 전략이 필요해 보인다. 면접장에서 마주하게될 면접관은 대개 설계 업무에서 멀어진지 한참 지났을 관리자 급이다. 그래서 인성을 보게될 것이고 업무 적응 능력을 평가할 것이다. 우리 회사에서 사용하는 설계 소프트웨어의 사용경험 보다 반도체 설계에 필요한 기본적인 준비로서 반도체 산업의 생태계 이해도와 그중 어느 직무를 수행하더라도 빠르게 적응 할 수 있을지 평가할 것이다. 광활한 반도체 산업의 생태계를 감안하면 디지털과 아날로그를 구분할 필요 없이 소자, 공정, 회로, 설계, 검증, 측정은 물론 물류까지 직군 범위는 매우 넓다. 거의 모든 과정이 전산화,자동화 되어 있다. 특히 설계와 검증의 자동화 도구(EDA Tool)들의 발전이 눈부신 만큼 각 작업장 단위에 적용되려면 개별화(맞춤화)가 뒤따라야 한다. 반도체 산업 생태계 전반에 대한 이해를 갖춘 인재가 평가받을 것이다. 아래의 기사는 IEEE Spectrum에 게제된 것으로 학교와 산업계의 시각 차를 엿볼수 있다.

칩 설계자로서 산업계에서 성공하기: 학계와 산업계는 서로 다른 접근 방식을 필요로 합니다.

Finding Success in Industry as a Chip Designer: Academe and industry require different approaches

https://spectrum.ieee.org/chip-design-academic-vs-industry

기사에서 산업계와 학계의 차이는 목적의 차이에서 시작된다고 한다. 업계에서는 연구의 독창성이 아니라 "실리콘이 사양을 충족하고, 생산 과정에서 예상대로 수율을 내며, 정해진 일정에 맞춰 경쟁력 있는 제품을 출시"하는 것을 목표로 한다. 첨단 공정으로 연구 독창성을 얻을 수 있을지 모르지만 산업계에서 요구하는 "경쟁력"에 일치하는 것은 아니다. 산업계는 생태계 전반에서 이 "경쟁력"에 기여할 인재를 원한다.

대학에 들어와 전자회로, 신호처리, 알고리즘 따위의 '전문과목'들을 처음 배웠을 텐데 이때부터 어느 한 회사에 맞춰 진로를 정한다면 인생이 편협해진다. 크게는 하드웨어와 소프트웨어 뿐만 아니라 조금 구체적으로 소자, 아날로그 및 디지털 계산(처리)회로, 컴퓨터 구조, 프로그래밍, 시스템 반도체 등을 배웠을 것이다. 산업계에서 원하는 인재상에 비춰보면 많이 부족하다. 이 부족을 채운다며 "계약" 학과라는 것이 있다지만 전공 과목 몇을 더한다고 만족할 리가 없다. 그런줄 알면서 "대학에서 뭘 배웠냐"며 탓한다는 말을 듣는다. 초고도 기술 집약적 분야를 선택한 것이 실수라 치고 한귀로 흘려도 좋으리라.

"내 칩 제작 서비스"의 MPW는 반도체 산업의 광범위한 직무에 필요한 기본 소양을 구체적으로 섭렵했음을 주장할 수 있는 근거가 될 수 있다. 그러기 위해 내 칩을 온전히 이해해야 한다. 인공지능이 내뱉은 문장이 아닌 나의 언어로 설명할 수 있어야 한다. 그럴싸한 전문 용어 몇으로 포장해봐야 금방 탄로난다. 심지어 면접관도 모르는 말일 수도 있다. 나도 모를 말을 지껄이는 지원자를 뽑아줄 리가...!

내 신경망 만들기(Making My Own Neural Network)

내 신경망 만들기(Making My Own Neural Network)

온 세상이 "인공지능"으로 가득 합니다. "Make your own Neural Network" 은 인공지능의 시작이라고 하는 "신경망"을 쉽게 설명한 책입니다. 이 책은 한글 번역판도 있는데 부제에서 말한 "수포자도 이해하는 신경망 동작 원리와 딥러닝 기초"라는 문구에 동감할 만 합니다.


Make Your Own Neural Network                    신경망 첫걸음

1부와 2부로 나눠진 이 책은 1부에서 신경망의 작동 원리를 곱셈과 덧셈 만으로 설명합니다. 약간의 고등 수학 '처럼' 보이는 부분이 가미되어 있지만 1차 방정식과 인수분해 만으로도 충분히 이해할 수 있는 수준입니다. 2부는 '파이썬(Python)'으로 내 신경망을 제작 합니다. "DIY with Python"라는 장 제목부터 남다릅니다. '파이썬'이라는 컴퓨팅 언어를 모르는 입문자를 배려하여 "아주 부드럽게 시작(A Very Gentle Start with Python)"합니다. 1부가 '수포자' 였다면 2부는 '컴포자(컴퓨팅 언어를 포기한 자)'를 대상으로 쓰였다고 해줄 만 합니다. 텐서플로우니 파이토치니 하는 매우 추상적인 패키지(라이브러리)들을 사용하지 않고도 가장 기본적인 numpy, matplotlib 만 사용하여 MNIST 라는 손글씨 숫자 영상 인식을 수행하는 "내 신경망"을 충분히 코딩하고 실행할 수 있음을 보여주고 있습니다.

다만 '수포자', '컴포자'의 입문서 치고 두께가 만만치 않아서 요약글을 준비했습니다.

내 신경망 만들기(Making My Own Neural Network)
https://fun-teaching-goodkook.blogspot.com/2026/05/blog-post.html

원서의 제목을 빌어 "내 신경망(My Own Neural Network)" 제작이 목표입니다. "파이썬" 뿐만 아니라 C++ 언어로도 작성 했습니다. 파이썬과 C++ 언어를 공부하면서 학습 예제로도 유용할 것입니다. 소스 코드는 "내 칩 디자인 킷"의 깃허브 저장소에 올려 놓았습니다.

https://github.com/GoodKook/ETRI-0.5um-CMOS-MPW-Std-Cell-DK/tree/main/Projects/MYONN

----------------------------------

오픈-소스 "내 칩" 디자인 킷 사용자 그룹(Open-Source My-Chip Design Kit User Group)

https://groups.google.com/g/mychip-on-mydesk