최근 인공지능 분야의 가장 주목할 만한 변화는 ‘AI 에이전트(AI Agent)’의 부상이다. AI 에이전트는 단순한 정보 처리 도구를 넘어, 스스로 목표를 설정하고 주변 상황을 인지한 뒤 계획을 수립해 과업을 수행하는 자율적 주체를 의미한다.

예를 들어, 단순히 이메일을 분류하는 데 그치지 않고, 특정 내용을 파악해 답장 초안을 작성하고, 사용자의 캘린더를 확인해 후속 미팅 일정을 제안하며, 나아가 고객관계관리(CRM) 시스템에 관련 내용을 자동 기록하는 복합 업무까지 수행할 수 있다. 이는 사용자의 의도를 깊이 이해하고 자율적으로 행동하는 지능형 비서의 등장을 예고한다. AI 에이전트는 소프트웨어에 국한되지 않는다. 공장의 생산 라인을 최적화하거나 복잡한 물류 시스템을 관리하는 물리적 로봇 형태로도 구현되며, 이는 AI가 다양한 산업 현장으로 확장되고 있음을 보여준다.

이러한 변화의 배경에는 거대 언어 모델(LLM)의 고도화와 이를 뒷받침하는 막대한 컴퓨팅 파워의 발전이 있다. 엔비디아(NVIDIA)의 젠슨 황 CEO는 “미래에는 모든 기업과 개인이 각자의 목적에 맞는 AI 에이전트를 보유하게 될 것”이라고 단언한 바 있다. 수십억 개의 AI 에이전트가 활동하는 시대가 도래한다면, 이는 컴퓨팅 패러다임의 근본적인 전환을 불러올 것이다. 10억 명의 사용자가 각자의 AI 에이전트와 시간당 몇 차례만 상호작용하더라도, 전 세계적으로 하루 수조 회에 달하는 추론(inference) 연산이 발생하기 때문이다.

하지만 현재의 데이터센터 구조는 이처럼 대규모의 실시간 추론 요청을 효율적으로 처리하도록 설계되지 않았다. 이처럼 기하급수적으로 증가하는 연산 수요를 감당하기 위해서는 새로운 인프라가 필수적이며, 그 해답이 바로 ‘AI 팩토리(AI Factory)’다.

‘지능’을 대량 생산하는 새로운 데이터센터의 탄생

AI 팩토리는 AI 시대에 최적화된 새로운 개념의 데이터센터다. 과거 데이터센터가 데이터를 저장하고 필요할 때 꺼내 쓰는 거대한 ‘디지털 창고’에 가까웠다면, AI 팩토리는 AI의 지능, 즉 ‘추론 토큰(Inference Token)’을 끊임없이 생산해내는 ‘지능 공장’으로 비유된다. 쉽게 말해, 기존 공장에서 제품을 만들 듯 AI 팩토리에서는 인공지능을 ‘생산’하는 것이다.

이 공장의 작동 방식을 들여다보면 개념이 더욱 명확해진다. 사용자의 질문, 실시간 데이터 스트림, 전기 등의 ‘원자재’가 투입되면, GPU와 NPU 등 AI 가속기로 구성된 ‘생산 설비’가 추론 연산을 수행한다. 그 결과 텍스트, 이미지, 코드, 로봇 제어 명령 등과 같은 ‘완제품(추론 토큰)’이 대량 생산된다. 이는 정적인 ‘저장된 데이터(Data-at-Rest)’를 관리하던 시대에서, 동적인 ‘움직이는 지능(Intelligence-in-Motion)’을 생성하고 유통하는 시대로 전환되고 있음을 의미한다. 이러한 변화는 AI 기술의 무게 중심이 ‘학습(Training)’에서 ‘추론(Inference)’ 단계로 빠르게 이동하고 있음을 보여준다.

지금까지는 방대한 데이터를 학습시켜 AI 모델을 구축하는 데 막대한 자원이 투입됐다. 하지만 이제는 잘 훈련된 AI 모델을 실제 서비스와 결합해, 끊임없이 가치를 창출하는 추론 단계의 중요성이 압도적으로 커지고 있다. 앞으로 자동차를 만든다고 가정해보면, 차량을 조립하는 기존 공장뿐 아니라 자율주행과 같은 AI 기능이 끊임없이 작동하도록 지원하는 AI 팩토리 또한 필수적인 인프라가 될 것이다.

물리적 공장이 대량 생산을 통해 산업 혁명을 견인했듯, AI 팩토리는 ‘지능의 대량 생산’을 통해 새로운 서비스와 비즈니스 모델을 창출하는 AI 혁명의 핵심 동력이 될 것으로 기대된다.

AI 팩토리가 대량으로 생산하는 추론 토큰의 효율성과 안정성은 미래 AI 서비스의 경쟁력을 결정짓는 핵심 지표가 된다. 더 빠르고, 더 정밀하며, 더 경제적으로 추론 토큰을 생산할 수 있는 인프라를 갖춘 기업이 AI 시대를 주도하게 될 것이다.

이 과정에서 ‘학습’과 ‘추론’의 컴퓨팅 요구 차이는 반도체 산업의 지형 변화를 촉진한다. 학습은 막대한 자본을 투입해 주기적으로 수행되는 오프라인 과정인 반면, 추론은 수백만 명의 요청을 실시간으로 처리해야 하는 24시간 온라인 과정이다. 이로 인해 추론에 필요한 연산 총량은 학습보다 훨씬 방대하며, 이는 곧 저지연·고효율 추론에 최적화된 반도체 인프라에 대한 폭발적인 수요 증가로 이어진다.

이 지점에서 ‘고대역폭 메모리(HBM)’의 역할은 절대적이다. AI 모델의 성능을 좌우하는 수천억 개의 매개변수(파라미터)는 추론 시 빠르게 접근 가능해야 한다. 전통적인 메모리 구조의 대역폭 한계, 이른바 ‘메모리 벽(Memory Wall)’ 문제에 부딪히면, AI 가속기의 성능은 무용지물이 된다. HBM은 여러 개의 D램을 수직으로 적층해 데이터 이동 경로를 획기적으로 단축함으로써 이 문제를 해결한다. 이는 AI 가속기가 방대한 데이터를 병렬로, 지연 없이 처리할 수 있도록 지원하는 핵심 기술이다.

AI 팩토리, 산업과 국가 경쟁력의 새로운 축이 되다

AI 팩토리의 영향력은 특정 기업의 데이터센터를 넘어, 국가 및 산업 전반의 경쟁력으로 확장되고 있다. 대표적인 사례가 ‘소버린 AI(Sovereign AI)’의 부상이다. 이는 각국 정부와 기업이 자국의 데이터 주권을 보호하고, 자국의 언어·문화·법률에 최적화된 AI를 개발하며, 기술 종속에서 벗어나기 위해 독자적인 AI 인프라를 구축하려는 흐름이다. 엔비디아가 독일, 스페인, 이탈리아 등 유럽 각국과 협력해 현지 수요에 맞는 AI 인프라 및 팩토리 구축을 확대하는 것도 이러한 변화의 일환이다. 이처럼 제조, 금융, 의료 등 특정 산업에 최적화된 ‘산업용 AI 클라우드’가 확산되면서, 반도체 수요 또한 더욱 다변화되고 고도화될 것으로 예상된다.

이러한 메가트렌드는 국내 AI 산업에도 중요한 기회를 제공한다. 최근 AI 에이전트 전문기업 와이즈넛(WISEnut)과 AI 반도체 팹리스 기업 퓨리오사AI(FuriosaAI)가 체결한 전략적 업무협약은 주목할 만한 사례이다. 양사는 통합형 ‘AI 에이전트 어플라이언스’를 공동 개발할 계획이다. 이는 하드웨어와 소프트웨어가 결합된 일체형 솔루션으로, AI 도입에 어려움을 겪는 기업들에게 보다 손쉽고 빠른 해결책을 제공할 것으로 보인다. 이러한 어플라이언스 모델의 확산은 시장 저변을 확대해, 공공·금융·이커머스를 넘어 제조, 의료, 국방, 물류 등 전방위 산업 전반으로 AI 도입을 가속화할 것이다.

AI 팩토리와 반도체 산업

AI 팩토리 트렌드는 반도체 기업에게 두 가지 측면에서 중요한 기회를 제공한다. 하나는 글로벌 빅테크 기업을 대상으로 HBM과 같은 최첨단 메모리 반도체를 공급할 수 있는 기회이고, 다른 하나는 팹리스 유망 기업들의 혁신적인 AI 반도체를 생산하는 파운드리 파트너로서의 역할을 수행하는 것이다.

다양한 AI 칩 설계 기업의 등장은 특정 기업에 대한 의존도를 낮추고, 시장을 더욱 건강하고 역동적으로 만든다. 이는 반도체 기업 입장에서 안정적인 수요처를 확보함과 동시에, 첨단 공정 기술에 대한 리더십을 강화할 수 있는 기회가 된다.

또한 산업 전반에서 AI 반도체 수요가 빠르게 증가하면서, 반도체 기업들은 보다 다양한 산업군에서 새로운 기회를 맞이할 것으로 보인다.

AI 에이전트가 촉발한 AI 팩토리 시대는 이제 막 개화하기 시작했다. 이는 단순한 기술 진보를 넘어, 컴퓨팅 인프라의 근본적인 혁신과 산업 지도의 재편을 의미한다. 그리고 이 거대한 변화의 중심에는 반도체가 존재한다.

AI 팩토리라는 ‘지능 공장’이 멈추지 않고 인류의 미래를 생산해내기 위해서는, 그 핵심 부품과 기반을 제공할 수 있는 인프라가 필요하다. 삼성전자가 앞으로 부품 공급자를 넘어, AI 시대의 인프라를 설계하고 지휘하는 ‘핵심 조력자(Enabler)’이자 ‘설계자(Architect)’로 자리매김하길 기대해 본다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 김덕진, 김덕진 소장

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] AI 에이전트가 불러온 AI 팩토리 시대의 개화 first appeared on 삼성전자 반도체 뉴스룸.

보통 세포 하나가 곧 개체인 미생물에게 자연 환경은, 다세포 생물을 이루는 개별 세포가 경험하는 조건과는 비교할 수 없을 만큼 가혹하다. 예를 들어, 인간을 비롯한 항온동물의 세포는 일정한 온도와 산도(pH), 그리고 안정적인 양분 공급이 유지되는 체내 환경 속에서 마치 온실 속 화초처럼 보호받으며 살아간다.

반면, 자연 속 미생물은 하루에도 여러 차례 변화하는 기온, 불규칙한 햇빛과 수분, 예측할 수 없는 영양분 공급 속에서 치열한 생존을 이어간다. 이들은 외부 자극에 실시간으로 반응하고, 스스로 먹이를 탐색하며, 유해 물질을 회피하는 등 치밀하고 능동적인 생존 전략을 구사한다. 결국, 거친 서식 환경이 미생물을 단련시켜 온 셈이다.

생물학적 관점에서 볼 때, 미생물이 지닌 정밀하고 민감한 감지 능력은 오랜 시간에 걸친 자연선택의 산물이다. 이는 변화무쌍한 환경 속에서 살아남기 위해 미생물이 스스로 진화시켜 온 정교한 생존 전략이다. 한때 하찮고 불쾌한 존재로 여겨졌던 미생물이 이제는 오염을 감지하고, 질병을 진단하는 첨단 센서로 주목 받는 이유도 바로 여기에 있다.

이른바 ‘미생물 바이오센서’란 세균과 같은 살아 있는 미생물 세포가 특정 화학 물질이나 생체 신호를 감지한 뒤, 형광, 색 변화, 전류와 같은 측정 가능한 신호로 변환하는 시스템을 의미한다. 현재 이 기술은 환경, 의료, 식품 안전 등 다양한 분야에서 실생활의 문제를 해결하기 위한 핵심 수단으로 활발히 연구되고 있다.

생명을 움직이는 전자, 전기를 만드는 세균

선뜻 믿기 어려울 수도 있지만, 인간을 포함한 모든 생명체는 전기를 만들어낸다고 할 수 있다. 호흡 자체가 전자의 흐름, 즉 일종의 전류이기 때문이다. ‘호흡’이란 날숨의 ‘호(呼)’와 들숨의 ‘흡(吸)’이 합쳐진 말이다. 생물학적으로는 산소가 풍부한 외부 공기를 들이마셔 기도를 거쳐 폐로 보내고, 이산화탄소가 많은 체내 공기를 배출하는 과정, 즉 기체 교환을 의미한다. 허파꽈리(폐포)에서 기체 교환을 마친 혈액은 심장을 통해 온몸으로 산소를 공급한다. 그런데 세포에 도달한 산소의 궁극적인 역할은 무엇일까? 그 답은 바로, 영양소에서 에너지를 얻기 위해서다. 세포에서 일어나는 이러한 에너지 획득 과정이 바로 ‘세포호흡’이다. 세포는 소화된 영양소를 산소와 반응시켜 에너지를 얻는다.

이 세포호흡은 사실상 연소와 같은 화학반응이다. 인공호흡이나 모닥불에 부채질을 하는 모습을 떠올려보자. 산소는 꺼져가는 생명이나 불씨에 다시 활력을 불어넣는 존재다. 우리 몸 역시 각 세포에서 영양분을 태우고 있으며, 체온이 그 증거다.

연소와 세포호흡은 본질적으로 산소와 결합해 에너지를 방출하는 산화 반응이며, 이때 최종적으로 생성되는 산물은 ‘물(H₂O)’이다. 참고로, 수소를 얻는 반응은 ‘환원’이라고 한다. 겨울철 자동차 배기구에서 나오는 흰 연기나 우리의 입김 역시 이 산화 반응으로 생성된 수증기다. 다만, 연소는 에너지를 빠르고 폭발적으로, 세포호흡은 여러 단계에 걸쳐 천천히 방출한다는 점이 다르다.

포도당(C₆H₁₂O₆)처럼 수소가 풍부한, 즉 환원된 물질은 많은 에너지를 저장하고 있다. 세포는 이를 서서히 산화시켜 전자와 수소이온(H⁺)을 분리해낸다. 이 전자와 양성자는 산소와 결합해 물이 되고, 그 과정에서 생명 활동에 필요한 에너지가 생성된다. 우리가 마시는 산소는 결국, 수많은 생화학 반응을 거쳐 나온 전자들의 최종 목적지이자 휴식처가 된다. 이를 두고 1937년 노벨 생리의학상 수상자 ‘얼베르트 센트죄르지(Albert Szent-Györgyi)’는 “생명이란 쉴 곳을 찾는 전자”라고 표현했다.

그런데, 자연에서는 전자를 마지막에 받아주는 역할을 꼭 산소만 하는 것은 아니다. 많은 세균은 산소 없이도 생존할 수 있으며, 일부는 주변의 금속 물질을 전자 수용체로 활용하는 독특한 전략을 진화시켜 왔다. 더 놀라운 것은, 어떤 세균은 세포 밖에 있는 전자 수용체에도 전자를 전달할 수 있다는 사실이다. 이들은 세포 표면의 특수 단백질이나 가느다란 실 같은 구조를 이용해, 전자를 세포 밖으로 내보낸다. 이렇게 세포 외부로 전자를 직접 전달하는 방식을 ‘세포외 전자 전달(Extracellular Electron Transfer, EET)’이라고 부른다.

이 원리를 활용하면, 세균이 숨 쉬는 것만으로도 전류를 생성할 수 있으며, 실제로 이 능력은 미생물 연료전지(Microbial Fuel Cell)나 바이오센서 같은 다양한 생명공학 기술에 응용되고 있다. 미생물 연료전지는 미생물의 호흡 과정을 이용해 화학 에너지를 전기 에너지로 바꾸는 장치다. 쉽게 말해, 연료전지 안에 특정 미생물을 넣고, 수소 같은 연료 대신 유기물을 먹이로 주면, 미생물은 세포호흡 과정에서 전자를 배출하고, 이 전자가 전극을 따라 흐르며 전류를 발생시키는 방식이다.

세균이 전하는 수질 신호

2025년, 노르웨이 연구진이 생물학적 산소요구량(Biological Oxygen Demand, 이하 BOD)을 실시간으로 측정할 수 있는 미생물 바이오센서를 개발했다. 핵심 역할을 한 것은 헝가리 다뉴브 강 퇴적토에서 분리된 ‘슈와넬라 발티카 20(Shewanella baltica 20)’라는 세균이다. 이 세균은 세포 밖으로 전자를 효과적으로 전달하고, 전극 표면에 안정적으로 부착해 살아갈 수 있는 능력을 갖고 있다. 연구진은 이 세균을 미생물 연료전지의 한쪽 전극에 접종한 뒤 실험을 진행했다.

이 미생물 연료전지의 전극 크기는 가로와 세로가 각각 20mm이며, 두 전극은 5mm 간격으로 배치되었다. 연구진은 이 장치에 세균을 접종한 뒤, 포도당을 일정 농도로 공급하며 전류 반응을 관찰했다. 그 결과, 포도당 농도가 약 50~300mg/L 사이일 때 생성되는 전류의 세기가 농도에 비례해 증가하는 것을 확인했다. 즉, 이 범위 내에서는 전류 측정만으로도 BOD 값을 정확히 추정할 수 있다는 뜻이다.

또한, 외부 저항을 조절함으로써 센서의 감지 범위를 유연하게 조정할 수 있다는 점도 주목할 만하다. 저항을 낮출수록 더 높은 농도까지 반응을 감지할 수 있었는데, 이는 마치 현미경의 초점을 조절하듯 센서의 민감도를 조정하는 것과 같은 원리다. 이번 연구 결과는 슈와넬라 발티카 20이 폐수의 BOD를 실시간 온라인 모니터링하는 데 유용하게 활용될 수 있음을 시사한다.

생체 속으로 들어간 유익균, 암을 찾아내다

2015년, MIT와 UC 샌디에이고 공동 연구진은 특별한 대장균, ‘EcN(E. coli Nissle 1917)’에 아주 특별한 임무를 맡겼다. 사람에게 안전한 유익균(프로바이오틱스)으로 알려진 이 대장균을, 간에 전이된 암을 찾아내고 그 사실을 소변으로 알려주는 미생물 바이오센서로 만든 것이다. 연구진은 이 EcN을 실험용 쥐에게 경구 투여했다. 그러나 균은 장에만 머무르지 않고, 혈류를 따라 간으로 이동했다. 놀랍게도 건강한 간이나 다른 장기에는 거의 도달하지 않았고, 간에 전이된 암 조직에만 선택적으로 정착했다. 이는 암 조직이 정상 조직에 비해 면역 감시가 느슨하고, 죽은 세포 및 염증 반응이 많아 세균 증식에 유리한 환경이기 때문으로 추정된다.

연구진은 EcN이 종양 주변의 낮은 산소 농도, 염증 유발 물질, 산성 환경 등 정상 조직과 구별되는 조건에만 반응하도록 유전자 회로를 설계했다. 이 회로는 일종의 생물학적 스위치처럼 작동하며, 해당 조건이 감지되었을 때만 특정 신호 단백질 유전자가 켜지도록 되어 있다. 이 단백질은 별도로 주입한 물질을 분해해, 소변으로 배출되는 형태로 전환한다. 그 결과 생성된 물질은 소변 한 방울만으로도 감지될 정도로 민감하며, 실제로 연구진은 EcN을 섭취한 실험쥐가 단 하루 만에 암 유무를 신호로 알려준다는 사실을 확인했다.

또한 연구진은 EcN을 투여한 실험쥐를 1년 이상 장기 관찰한 끝에, 건강에 해로운 부작용은 전혀 발견되지 않았으며, 유전자 회로를 탑재한 EcN 역시 체내에서 안정적으로 작동한다는 점을 확인했다. 이 연구는 유익균을 이용해 체내 병든 조직 환경에 선택적으로 도달하고, 그 안에서 미생물 바이오센서 기능을 수행할 수 있음을 보여주는 중요한 성과였다. 그로부터 10년이 흐른 지금, 이 연구는 여러 갈래의 후속 성과로 이어지며 더욱 발전하고 있다. 무엇보다 주목할 점은, 사람을 대상으로 한 실제 적용 가능성이 점차 현실화되고 있다는 사실이다.

2024년, 미국과 호주의 공동 연구진은 EcN을 이용해 대장암을 조기에 발견하고 치료할 수 있는 새로운 기술을 개발했다. 연구진은 먼저 암 발생을 유도한 실험쥐와 암 조직을 이식한 쥐를 대상으로 실험을 진행했다. EcN이 실제로 암 부위에만 선택적으로 머무르는지를 확인하기 위해, 세균에 약한 빛을 내는 유전자 회로를 삽입해 몸 속 위치를 추적했다. 그 결과, EcN은 건강한 장에는 머무르지 않고, 암 조직에만 선택적으로 도달하는 경향을 보였다.

이러한 동물 실험 결과를 바탕으로, 연구진은 실제 환자를 대상으로 소규모 임상시험도 진행했다. 연구진은 대장암 환자들에게 2주 동안 EcN을 복용하게 한 뒤, 수술을 통해 암 부위와 정상 부위를 함께 떼어내 비교 분석했다. 그 결과, EcN은 대부분 암 조직에만 존재했고, 정상 조직에서는 거의 검출되지 않았다. 이는 곧, EcN이 인간의 체내에서도 암 부위를 인식하고 선택적으로 도달한다는 것을 보여준다.

연구진은 여기서 한 걸음 더 나아가, EcN이 단순히 암을 찾아내는 데 그치지 않고, 치료에도 활용될 수 있도록 기능을 추가했다. EcN이 암 조직에 도착하면 자가 파괴되며, 면역세포의 작용을 돕는 물질을 방출해 암세포를 공격하도록 유도하는 유전자 회로를 탑재한 것이다. 이렇게 설계된 EcN을 다시 실험쥐에게 투여한 결과, 암의 크기가 절반 가까이 줄어들었고, 면역세포들이 암 부위에 보다 밀집해 모여드는 현상이 관찰되었다. 즉, EcN이 단순한 바이오센서를 넘어 실제 암의 치료 도구로도 활용될 수 있음을 보여준 셈이다.

물론 이러한 기술이 실제로 사람에게 적용되기까지는 여전히 넘어야 할 과제들이 있다. 특히, 인체에 해를 끼칠 수 있는 유전자를 사전 제거하고, 유전체의 안정성을 확보하는 과정이 필수적이다. 또한, 생물안전성 확보와 관련된 법적·제도적 기준을 충족하는 절차도 함께 이루어져야 한다. 그럼에도 불구하고, 유익균 기반의 암 진단 및 치료 기술은 실용화에 성큼 다가서고 있으며, 전 세계 연구기관과 병원에서는 이 기술을 임상에 적용하기 위한 노력을 본격화하고 있다.

세균과 반도체의 만남, 생명 기술의 지평을 넓히다

바야흐로 미생물은 미래 바이오기술을 선도하는 주역으로 자리매김하고 있다. 미생물이 지닌 섬세한 반응성과 놀라운 적응 능력을 첨단 기술과 결합함으로써, 인간의 삶과 환경을 더욱 정밀하게 감시하고 대응할 수 있는 시대가 열리고 있다.

특히, 미생물 바이오센서 기술이 반도체 기술과 손을 맞잡을 때, 그 시너지는 더욱 강력해질 것이다. 미생물이 자연 환경이나 인체 내부에서 미세한 변화를 감지하면, 반도체는 그 신호를 정밀하게 포착하고 분석해 실시간 대응을 가능하게 만든다. 생물학적 ‘감각’과 전자기적 ‘두뇌’가 하나로 이어지는 셈이다. 예컨대, 특정 오염물질이나 중금속, 방사성 물질, 독성 화학물질 등에 민감하게 반응하는 미생물을 활용하면, 기존 분석 장비로는 실시간 측정이 어려운 미세 오염까지 빠르고 지속적으로 모니터링할 수 있다.

의료 분야에서도 이 기술은 강력한 가능성을 보여준다. 미생물이 질병의 분자적 징후를 감지하고, 이를 전자 신호로 전환해 웨어러블 기기, 스마트 화장실, 휴대용 분석 장치 등과 연동한다면, 질병의 조기 진단과 맞춤형 치료는 훨씬 더 가까운 미래가 될 것이다. 나아가, 진단을 넘어 치료로까지 확장된 미생물 바이오센서는 병든 조직에 선택적으로 작동하는 ‘살아있는 약물’로서의 잠재력도 함께 갖추고 있다.

이처럼 생명과 반도체, 감각과 연산이 융합되는 거대한 변화의 흐름 속에서, 미생물은 더 이상 현미경 속 존재에 머무르지 않는다. 그들은 스스로 반응하고 판단하며 정보를 전달하는 ‘살아있는 센서’로 우리 삶의 다양한 문제를 해결해나갈 차세대 생물학적 플랫폼으로 거듭나고 있다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 김응빈, 김응빈 교수

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 미생물 바이오센서: 생명과 반도체가 만나는 최전선 first appeared on 삼성전자 반도체 뉴스룸.

세계적인 베스트셀러 『사피엔스』의 저자 유발 하라리는 후속작 『호모 데우스』에서 인간과 기계의 경계가 모호해지는 인류의 미래상에 대해 이야기한다. 그는 궁극적으로 뇌만 인간의 것이고 나머지는 모두 기계로 이루어진 존재, 나아가 나의 기억과 사고방식을 그대로 지닌 ‘불멸의 디지털 존재’의 가능성을 언급한다. 챗GPT 등장 이전까지만 해도 이러한 예측이 허황된 이야기에 그치는 듯하였으나, 인간보다 더 뛰어난 언어 능력을 가진 AI 모델의 등장은 그의 예측이 단순한 공상이 아님을 시사한다.

장기와 기계의 필연적인 인터페이싱

유전자 가위 기술*인 CRISPR과 탁월한 단백질 구조 예측 능력을 보유한 알파폴드(AlphaFold)와 같은 AI 기술의 발전으로 인해 인류의 평균 수명은 점차 연장될 것으로 예상된다. 유전자를 수정하여 세포 복제가 지속될 수도 있고, 과거에는 상상하지 못했던 속도로 신약이 개발될 수도 있기 때문에 인류의 난제인 불치병 극복 가능성이 매우 높아질 테니까 말이다.

*유전자 가위 기술: 특정 DNA를 정밀하게 절단·편집해 유전 질환 치료 및 신약 개발 등에 활용되는 유전자 교정 기술

그러나 인간의 관절과 장기는 영원히 동작하도록 설계되지 않았다. 나이가 들면 시력은 감퇴하고, 관절은 마모되며, 심장은 그 구조가 변형되어 본연의 기능을 잃게 된다. 따라서 늘어나는 수명에 맞추어 관절, 뼈, 장기 등의 노화를 극복하는 기술 역시 병행되어야 한다. 이러한 문제를 해결하기 위한 하나의 방편으로 인공 근육, 관절, 뼈 등에 대한 연구가 진행되고 있으며, 심장과 같은 장기를 만드는 조직 공학 연구도 활발히 진행 중이다.

어쩌면 가까운 미래에는 인간의 근골격계나 장기를 넘어서는 기계적 구조물들이 개발되어, 이를 활용한 뼈·관절·장기 대체 수술이 보편화될지도 모른다. 그러나 이러한 기술이 보편화되기 이전에, 우리가 태어날 때부터 가지고 있는 신체를 보다 오래, 잘 관리할 수 있도록 돕는 기술도 필요할 것이다.

실시간으로 건강 상태를 모니터링할 수 있는 부착용, 착용형, 삽입형 센서 기술이 중요한 이유다. 이러한 형태의 센서 기술은 단순해 보일 수 있으나 전혀 그렇지 않다. 인간의 피부나 장기의 가장 큰 특징은 늘어나고 수축하는 움직임을 보이고, 표면에서 분비물이 발생할 수 있기 때문에 센서의 탈착 위험이 상존한다. 이러한 표면에서 센서가 원하는 기능을 수행하도록 하는 것이 중요한 기술적 과제다.

현대의 컴퓨터 기술은 실리콘 기판 위에 어떤 회로를 그리는가에 달려 있다고 해도 과언이 아니다. 그러나 현재 모든 스마트폰과 컴퓨터에 사용되는 실리콘 기판은 두껍고 딱딱한 특성을 지닌다. 이러한 재료를 수축과 팽창을 반복하는 생체 조직에 부착하는 것은 사실상 불가능하다.

이 같은 재료적 한계를 극복할 수 있는 방안을 제시한 인물이 바로  ‘존 A. 로저스(John A. Rogers)’ 교수다. 그는 실리콘이 벌크(bulk) 상태에서는 딱딱하고 휘어지지 않으나 두께가 100nm 정도가 되면 휘어지는 특성을 갖는다는 사실을 밝혔다. 놀랍게도 이 휘어지는 얇은 실리콘 판 위에 만들어진 트랜지스터와 같은 소자는 외부 압력이나 변형에도 그 소자 특성이 그대로 유지되었다. 피부나 동물의 심장에 이러한 타투 형태의 센서를 심고 원하는 신호를 측정하는 것이 이론적으로 가능해진 것이다.

다만 이 기술이 실용화되기까지는 여전히 많은 과제가 남아 있다. 생체 내에서 특정 신호를 측정하기 위해서는 에너지 원이 필요한데, 현재 심장박동기(pacemaker)와 같은 삽입형 배터리는 수술로만 삽입이 가능하며 교체 주기도 짧아서 환자의 고통이 적지 않다. 진동을 이용한 자가 발전기, 1회 시술로 영구 사용이 가능한 무선 충전 생체 삽입형 배터리 기술 등이 제안되고 있으나 이러한 기술들이 실용화되기 위해서는 해결해야 할 기술적 난제가 많다. 그럼에도 불구하고 이 기술은 인간과 기계간의 인터페이스 시작점이라는 점에서 의의가 크다고 할 수 있다.

뇌와 기계의 인터페이스

인간의 모든 장기가 기계로 바뀌는 순간이 온다면, 모든 장기의 작동에 관여하는 뇌와 기계 간의 인터페이스 구축은 필연적인 과제가 된다. 인간의 세포는 두 겹의 인지질 층으로 이루어진 이중막 구조를 가지고 있다. 세포 내에는 핵, 미토콘드리아, 소포체 등 다양한 세포 소기관이 존재한다. 세포 외부에는 콜라겐 등과 같은 섬유질로 이루어진 그물이 존재하여 조직의 구조를 유지하는데 이를 세포외기질(ECM, extracellular matrix)이라고 부른다. 세포의 안팎은 수분으로 채워져 있고, 세포막은 기름층이 있는 셈인데 세포 안과 밖이 서로 소통하려면 채널 형태의 막단백질을 통과하여야 한다. 이러한 채널을 통해 소듐, 포타슘, 칼슘 등의 이온들이 들락날락하면서 소위 막전위를 형성한다.

또한 특정 분자가 세포 표면에 있는 막단백질에 결합·이탈하면서 세포막의 전위 변화가 유도되고, 이러한 신호는 세포 간 전달을 가능하게 한다. 이 같은 방식으로 우리의 뇌세포는 신호를 전달하고, 근육세포는 수축과 이완을 연쇄적으로 유도하여 심장도 뛸 수 있는 것이다. 따라서 세포 표면에 있는 막단백질들의 거동을 조절하는 화합물의 작용에 대한 이해와 세포들간의 신호 전달에 대한 면밀한 이해가 가능하다면, 인간의 뇌 속에서 일어나는 현상에 대해 보다 구체적으로 파악할 수 있게 될 것이다.

기억이 형성되는 메커니즘과 특정 사고 능력의 발현 과정에 대한 과학적 이해는 초기 단계에 머물러 있다. 그럼에도 불구하고, 뇌에 특정 자극을 주어 자극을 받은 개체의 행동 양상을 제어할 수 있다는 연구 결과들이 점차 발표되고 있다. 일론 머스크(Elon Musk)가 설립한 뉴럴링크(Neurallink)에서는 수천 개의 극미세전극을 뇌에 부착해 뇌의 전기적 신호를 읽거나 자극을 전달하는 실험을 진행하고 있으며, 뇌사 상태의 환자를 이 방법을 통해 깨운 임상 결과가 발표된 바도 있다.

기초과학연구원(IBS) 나노의학연구단 천진우 단장(연세대 언더우드 특훈교수)은 자성을 띠는 나노입자를 쥐의 뇌 신경세포에 부착한 뒤 원격으로 자기적 신호를 주어 쥐의 모성 행동을 자극하는 결과를 얻어 내었다. 이 방식은 비침습적으로 뇌 신경세포의 활동을 조절할 수 있어, 만성 신경질환 치료에 유망한 기술로 주목받고 있다.

스탠퍼드대학교 칼 다이로서스(Karl Deisseroth) 교수는 신경세포에 녹조류의 채널로돕신(Channelrhodopsin)* 단백질을 이식하여 빛에 감응하게 만드는 광유전학(optogenetics) 기술을 개척했다. 싱가포르국립대학교 류사오강(Xiaogang Liu) 교수는 근적외선을 가시광선으로 변환시킬 수 있는 업컨버전(Upconversion) 나노입자를 활용해 빛으로 특정 신경세포를 자극하여 쥐의 행동 변화를 유도하는 데 성공했다.

*채널로돕신(Channelrhodopsin): 빛을 받으면 세포막의 이온 통로를 열어 세포의 전기적 신호를 조절할 수 있도록 하는 광감응성 단백질

업컨버전 나노입자에 적용되는 근적외선은 가시광보다 생체 투과성이 뛰어나 보다 깊은 위치에 있는 뇌세포를 자극할 수 있다는 장점이 있다. 이처럼 천진우 교수나 류사오강 교수가 추구하는 나노입자 기반의 자기유전학(magnetogenetics)과 광유전학(optogenetics)은 뇌세포 단위의 조작이 가능하고, 심부 자극 미세전극이 가지는 치명적인 약점인 침습성에서도 자유롭다는 장점이 있다. 다만 이러한 기술들은 뇌 신호 자체를 정밀하게 측정하는 것은 불가능하여, 뇌-기계 인터페이스 구측 측면에서는 큰 단점이 있는 것은 사실이다.

이러한 문제를 해결하는 방법은 어쩌면 하버드대학교 박홍근 교수의 연구실에서 개발될지도 모른다. 뇌신경세포와 뉴로모픽 소자가 서로 소통하기 위해서는 ‘같은 언어’를 써야 하는데, 박홍근 교수는 신경세포와 유사하게 행동하는 뉴로모픽 소자를 개발하여 뇌와 기계의 소통 문제를 해결하고자 하고 있다.

미래에는 뉴로모픽 소자를 매개로 하여 컴퓨터와 뇌가 직접 정보를 주고받고, 사고와 연산 과정을 공유함으로써 인간의 인지와 사고 기능을 한층 더 높은 단계로 이끌 수 있지 않을까?

인공지능이 더욱 발전할 경우, 언젠가는 스스로 사고하고 자아를 형성하는 시점이 도래할 수 있다. 고등한 지능의 존재가 낮은 지능의 존재의 지배를 받은 역사는 없었기에, 그 시점에 인류에게는 위협이 될 수도 있다. 어쩌면 인간의 뇌를 고등 인공지능과 결합시켜 인간 자체를 보다 고차원적인 존재로 진화시키는 것이 인류의 멸망을 막는 유일한 해법일지도 모른다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 이광렬, 이광렬 교수

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 인간과 기계의 융합: 불멸을 향한 인터페이스의 진화 first appeared on 삼성전자 반도체 뉴스룸.

2025년 봄, ‘지브리’가 전 세계를 뒤흔들었다. 정확히 말하자면, 챗GPT가 그린 ‘지브리 스타일’ 이미지 생성 기능이 화제를 모은 것이다. 챗GPT에 새롭게 추가된 이미지 생성 기능은 다양한 스타일의 이미지를 생성할 수 있는데, 그중에서도 특히 지브리풍 이미지가 큰 인기를 끌었다. 많은 사람들이 SNS 프로필 사진을 지브리 스타일 이미지로 바꾸었고, 애니메이션에 관심이 없던 이들마저 ‘지브리’라는 이름에 익숙해질 정도로 지브리 스타일 열풍이 불었다.

이미지 생성 기능을 출시한 지 일주일 만에 총 1억 3,000만 명 이상의 이용자가 챗GPT로 7억 장 이상의 이미지를 생성한 것으로 나타났다. 이에 힘입어 챗GPT의 이용률도 폭증했다. 일주일 동안 앱을 사용한 주간 활성 이용자 수(WAU)는 5억 명을 돌파했으며, 이는 지난해 말 기준 3억 5,000만 명에서 약 30% 증가한 수치다.

같은 시기 유료 구독자 수도 450만 명이 증가해 누적 2,000만 명을 넘어섰다. 2022년 말 GPT-3.5 기반 챗GPT가 출시된 당시 5일 만에 100만 명의 사용자를 확보해 화제가 되었는데, 이번 이미지 생성 기능이 공개된 이후에는 불과 한 시간 동안 100만 명의 사용자가 새로 가입할 정도로 큰 반향을 일으켰다.

.

지브리 스타일이 던진 질문: 창작의 경계는 어디까지?

예상치 못한 인기에 놀란 것은 오픈AI의 CEO, 샘 알트먼(Sam Altman)도 마찬가지였다. 샘 알트먼은 자신의 SNS 계정을 통해 “지난 10년 동안 암을 치료할 수 있는 초지능을 개발하기 위해 노력했지만, 당시에는 아무도 신경 쓰지 않거나 반감을 드러냈다”는 말과 함께 “그런데 이미지 생성 기능 출시 하루 만에 사람들이 지브리 스타일 그림을 즐기고 있는 모습을 보게 됐다”며 허탈한 심경을 전하기도 했다.

또한 그는 이미지 생성 기능의 폭발적인 반응으로 인해 GPU가 ‘녹아내리고 있다’고 표현하며 서버 부담이 가중되고 있음을 언급했다. 얼마나 많은 사람들이 이미지 생성 기능을 통해 유입되었는지 가늠할 수 있는 대목이다.

한편, ‘지브리 스타일’ 등 유명 작가나 애니메이션 스튜디오의 화풍을 모방한 이미지 생성이 유행하면서 대두된 논란도 있다. 바로 상업적 이용과 저작권 문제다.

일부 중고 거래 플랫폼에서 원하는 사진을 지브리풍 이미지로 유료 변환해 주겠다는 상업성 글까지 등장하기 시작했다. 챗GPT의 이미지 생성 기능을 사용하기 위해서는 유료 구독이 필요한데, 구독은 하고 싶지 않지만 몇 장의 이미지만 생성하고자 하는 이용자들을 대상으로 ‘장사’에 나선 것이다.

해당 서비스는 “사진을 보내주면 지브리 스타일로 만들어 준다”는 홍보 문구와 함께 이미지 당 500~3,000원 수준의 가격을 제시했다. 이에 따라 중고 거래 플랫폼 기업들은 논란을 방지하기 위해 AI 생성 이미지의 저작권 및 소유권에 대한 법적 기준이 명확하지 않다는 이유로, AI 생성 이미지의 거래를 제한한다고 발표했다.

지브리 스튜디오 등 원작자의 저작권 침해 논란도 뜨겁다. 이를 지적하는 이들이 많아지자, 오픈AI는 “프롬프트에 특정 아티스트 이름이 포함될 경우 해당 작가의 미학에 유사한 이미지를 생성할 수 있다”고 설명했다. 다만 저작권 침해 논란을 고려해 “현존 아티스트의 작풍을 기반으로 한 이미지 생성은 제한하는 시스템을 적용했다”고 밝혔다. 지브리 스타일 이미지 생성이 가능했던 이유에 대해서는 “미야자키 하야오 감독 개인이 아닌 스튜디오 전체의 작풍을 참고했기 때문”이라고 설명했다.

.

AI가 창작을 대신하는 시대

AI의 콘텐츠 생성에 따른 사회적인 논란은 이번이 처음이 아니다. 지난해에는 유명 음악 프로듀서인 김형석 씨의 사례가 화제가 되었다. 그는 한 박람회의 주제가 공모전에서 심사위원으로 참가했는데, 이후 그가 올린 SNS 글이 주목을 받았다. 1등으로 선정한 곡이 완성도 높은 작품이라고 평가했지만, 며칠 후 주최 측으로부터 “AI로 만든 곡이라는데, 어떡하죠?”라는 연락을 받았다는 것이다. 상을 수여해야 할지, 말아야 할지, 그리고 앞으로 작곡가인 자신은 어떻게 살아야 하는지에 대한 고민을 담은 글이었다.

이때 사용된 툴은 ‘수노(SUNO)’라는 AI 작곡 프로그램이었다. 사용자가 곡의 내용을 설명하면 자동으로 가사를 써 주고, 스타일을 지정하면 2~3분짜리 분량의 노래를 두 곡씩 만들어 주는 서비스다. 누구나 무료로 사용할 수 있고, 유료 구독 시에는 상업적으로 사용해 수익을 창출할 수도 있다.

숙고 끝에, 주최 측은 해당 작품의 수상을 취소하지 않기로 결정했다. AI 사용에 대한 제한 조건이 없었고, 미래세대를 위한 박람회의 주제와 부합하기 때문에 최종 선정에는 문제가 없다는 입장이었다. 선정된 작품은 김형석 씨의 편곡을 거쳐 박람회 기간 사전 공연과 다양한 행사에서 활용되었다.

AI로 만든 음악은 이미 대중화되고 있다. AI 음악 공모전이 활발히 열리고 있고, 생성한 음악을 스트리밍 플랫폼에 등록하는 노하우도 널리 공유되고 있다. 국제저작권단체연맹(CISAC, International Confederation of Societies of Authors and Composers)의 연구에 따르면, 생성형 AI 음악의 시장 가치는 2028년 연간 160억 유로(약 24조 원), 향후 5년간 누적 400억 유로(약 59조 원)에 이를 것으로 예상된다. 2028년이면 생성형 AI 음악이 전체 스트리밍 플랫폼 수익의 약 20%를 차지할 것으로 전망하기도 했다.

그야말로 AI라는 도구만 있다면, 전문 지식 없이도 ‘딸깍’ 한 번에 80점짜리 결과물을 만들 수 있는 시대가 된 것이다. ‘창작의 대중화’가 현실화되고 있는 셈이다.

SF 작가 조안나 마체예브스카(Joanna Maciejewska)는 이러한 현상을 두고 쓴소리를 남기기도 했다.

“제가 미술과 글쓰기를 할 수 있도록 AI가 빨래, 설거지를 대신해 주기를 바라는 것이지, 제가 빨래와 설거지를 할 수 있도록 AI가 미술과 글쓰기를 대신해 주기를 바라는 것이 아닙니다.”

AI가 인간의 창작을 돕는 도구가 되기를 바랐지만, 실제로는 그 역할이 전도되고 있는 현실을 짚은 것이다.

그렇다면 우리는 AI의 ‘창작’을 어떻게 바라보아야 할까? 앞서 AI가 누구나 80점짜리 결과물을 만들 수 있는 도구라고 언급했다. 이 80점짜리 결과물을 ‘정말 쓸 만한’ 85점, 90점짜리로 만드는 것은 인간의 몫이다. AI가 낸 결과물을 개선하고 발전시키려면 해당 분야에 대한 기초 지식이 필수적이다. ‘딸깍’에서 끝나는 것이 아니라, 개인의 고유한 관점과 노력이 동반되어야 더 나은 결과물을 만들 수 있다.

앞으로 ‘일을 잘한다’는 것은 특정 분야에 대한 지식을 바탕으로 적절한 도구를 선택하고, 이를 효과적으로 조합해서 결과물을 만들어 내는 능력을 일컫게 될 것이다. 마치 유능한 음악 프로듀서가 음악의 주제와 방향성을 설정하고 다양한 소리를 믹싱해 최적의 결과를 만들어내듯이, 인간도 자기 일을 효과적으로 해내기 위해 다양한 도구를 오케스트라처럼 다루는 ‘오케스트레이션’ 능력이 중요해질 것이다. 우리는 이를 ‘프로듀서로서의 인간’이라 부를 수 있겠다.

AI가 창작까지 도맡아 할 수 있게 된 시대, 우리 모두가 ‘성공적인 프로듀서’로 설 수 있기를 바란다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 김덕진, 김덕진 소장

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 누구나 그림을 그리고 음악을 만드는 시대. 어디까지 가능할까? first appeared on 삼성전자 반도체 뉴스룸.

1994년, 컴퓨터 과학자인 레너드 애들먼(Leonard Adleman)은 컴퓨터가 아닌 작은 시험관을 이용해 수학 문제를 푸는 전례 없는 실험에 도전했다. 그가 선택한 문제는 ‘해밀턴 경로 문제(Hamiltonian Path Problem)’였다. 이 문제는 여러 도시(꼭짓점)와 도시 사이를 잇는 일방통행 도로(연결선)로 구성된 도표에서, 주어진 출발 도시에서 시작해 도착 도시까지 모든 도시를 단 한 번씩만 거치는 경로를 찾는 것이다. 도시의 수가 늘어날수록 가능한 경로의 수가 기하급수적으로 증가하기 때문에, 해밀턴 경로 문제는 기존 컴퓨터로는 효율적으로 해결하기 어려운 난제로 여겨져 왔다.

시험관 속 다양한 DNA 조각과 효소가 혼합된 액체로 이루어진 애들먼의 실험은 겉보기엔 단순한 생물학 실험처럼 보였지만, 실제로는 전통적인 계산 방식의 한계를 넘어서는 과감한 시도였다. 이후 ‘DNA 컴퓨팅(DNA computing)’이라는 새로운 연구 분야의 탄생을 알리는 획기적인 사건으로 평가받고 있다.

생명의 언어, 계산의 도구가 되다

DNA는 아데닌(Adenine), 티민(Thymine), 구아닌(Guanine), 시토신(Cytosine)이라는 네 가지 염기로 구성된 생명의 언어다. 이 염기들은 일정한 규칙에 따라 짝을 이루는데, 아데닌은 티민과, 구아닌은 시토신과 정확하게 결합한다. 퍼즐 조각처럼 맞물리는 이 구조는 단순히 정보를 저장하는 기능을 넘어, 생화학 반응을 통해 새로운 정보를 생성하는 연산 기능까지 가능하게 한다. 여기서 말하는 생화학 반응이란, 상보적인 염기쌍이 정해진 규칙에 따라 결합하고, 특정 효소가 DNA 조각을 잘라내거나 이어 붙이며 새로운 염기서열을 형성하는 과정을 말한다.

정보과학의 관점에서 보면 DNA는 정보를 표현하는 코드로 해석할 수 있다. DNA를 구성하는 네 가지 염기는 4진법의 기호처럼 작동하며, 길이가 n인 DNA 가닥은 4ⁿ개의 고유한 정보를 저장할 수 있다. 나아가, DNA는 연산 기능도 수행할 수 있다. 상보적인 염기서열 간의 결합, 효소에 의한 절단과 연결 등의 생화학 반응은 마치 논리 연산처럼 작동하기 때문이다. 애들먼은 이러한 DNA의 특성을 활용해 도표의 각 꼭짓점과 연결선을 특정 염기서열로 표현했다.

애들먼은 꼭짓점과 연결선을 모두 DNA로 변환한 후, 각각의 DNA 조각을 대량으로 합성해 하나의 시험관에 넣었다. 이들 사이에서는 상보적 염기끼리 결합하는 반응이 일어나며, 이 과정을 통해 다양한 꼭짓점의 조합, 즉 수많은 경로가 자발적으로 형성된다.

시험관 속 계산, 컴퓨터 개념을 재정하다

이론적으로, 시험관 내 DNA 조각들은 규칙에 따라 자발적으로 결합하면서 가능한 모든 경로가 한꺼번에 형성된다. 이후 애들먼은 이 중에서 문제의 정답이 될 수 없는 경로들을 단계적으로 걸러냈다. 먼저, DNA 조각의 길이를 기준으로 해밀턴 경로의 조건에 부합하는 가닥을 선별했다.

예를 들어, 도시가 7개일 경우, 해밀턴 경로를 나타내는 DNA는 7개의 꼭짓점과 6개의 연결선이 이어진 정확한 길이의 긴 DNA 가닥이어야 한다. 그는 ‘겔 전기영동’이라는 실험 기법을 이용해 DNA를 크기 별로 분리하고, 이 중에서 정해진 길이를 갖는 조각만 골라 다음 단계로 넘겼다.

하지만 길이가 맞는다고 해서 그것이 반드시 정답 경로는 아니다. 각 DNA 가닥이 모든 꼭짓점을 한 번씩 포함하고 있는지를 확인하기 위해, 애들먼은 각 꼭짓점에 해당하는 염기서열을 기준으로 하나씩 검증했다. 이때는 각 염기서열과 상보적인 DNA 조각을 자석 비드에 부착한 후, 해당 꼭짓점이 포함된 DNA 가닥만을 선택적으로 결합시켜 분리하는 방식을 사용했다.

이러한 과정을 반복하여 모든 꼭짓점이 포함된 경우만 남긴 뒤, 최종적으로 살아남은 DNA 가닥만이 해밀턴 경로의 조건을 모두 만족하는 정답 후보가 된다. 최종 단계에서는 남은 DNA를 PCR*로 증폭한 뒤, 염기서열을 분석해 실제로 어떤 경로를 나타내는지를 확인했다.

* PCR: 중합효소 연쇄 반응. 특정 DNA 서열을 대량으로 증폭하는 실험 기술

이 실험은 약 일주일에 걸쳐 진행되었으며, 반복적이고 세밀한 실험 절차가 요구되었다. 그러나 그 결과는 전 세계 과학계를 깜짝 놀라게 했다. DNA를 이용해 계산 문제를 해결할 수 있다는 사실을 직접 증명한 최초의 사례였기 때문이다.

이 실험이 갖는 의미는 단순히 문제를 풀었다는 데에 그치지 않는다. 애들먼이 보여준 가능성 자체가 하나의 혁명이었다. 단 하나의 시험관 안에는 수조 개에 달하는 DNA 분자가 존재할 수 있고, 이는 곧 그 안에서 수조 개의 계산이 동시에 이루어질 수 있음을 의미한다. 이는 기존 컴퓨터가 연산을 순차적으로 처리하는 방식과는 완전히 다른, 자연 기반의 병렬 처리 방식이다.

더욱이 DNA 연산은 에너지 효율 면에서도 탁월해, 일반 컴퓨터보다 훨씬 적은 에너지로 대량의 연산을 수행할 수 있다. 결국 애들먼의 실험은 단순한 수학 퍼즐을 해결한 사건이 아니라, 우리가 ‘컴퓨터’라고 여겨온 개념 자체에 근본적인 질문을 던진 사례였다. 정보가 저장되고, 정해진 규칙에 따라 조작될 수 있다면, 그것이 실리콘이든, DNA이든 그 자체로 계산을 수행하는 ‘컴퓨터’가 될 수 있음을 보여준 것이다.

DNA 컴퓨팅 연구 동향

애들먼이 일으킨 패러다임의 전환은 이후 생명 시스템의 원리를 공학적으로 활용하는 생체모방 기술(biomimicry)로 이어졌고, 기존의 실리콘 기반 반도체 설계에 새로운 방향을 제시하게 되었다. 특히 초고밀도 정보 저장과 초저전력 연산이라는 두 가지 기술적 과제를 동시에 수행할 수 있는 가능성에 이목이 집중되고 있다.

예컨대 DNA 기반 회로는 전통적인 ‘폰 노이만 아키텍처(Von Neumann Architecture)*’와 달리, 메모리와 연산 장치가 구분되어 있지 않다. 오히려 우리의 뇌처럼 데이터를 처리하면서 동시에 저장하는 구조를 갖는다. 이러한 방식은 복잡한 연산을 병렬로 수행하고, 다양한 입력 신호를 실시간으로 처리하는 데 있어 매우 효율적인 가능성을 열어준다.

* 폰 노이만 아키텍처(Von Neumann Architecture): 현대 컴퓨터의 기본 구조로, 메모리와 연산 장치가 분리되어 순차적으로 데이터를 처리하는 방식

또한 DNA는 실리콘 기반 반도체가 쉽게 따라갈 수 없는 압도적인 정보 밀도를 자랑한다. 예를 들어 DNA 1그램에는 최대 215페타바이트(PB), 즉 약 2억 1500만 기가바이트(GB)의 데이터를 저장할 수 있으며, 이는 DVD 약 8,600만 장에 해당하는 분량이다. 이처럼 DNA는 작은 부피에 방대한 정보를 담을 수 있을 뿐 아니라, 전력 소비 없이도 장기간 안정적으로 정보를 보존할 수 있어 친환경적이고 지속 가능한 미래 기술로 주목받고 있다.

2020년, 하버드대 조지 처치(George Church) 교수 연구진(고려대 천홍구 교수 공동 참여)은 효소와 자외선을 활용해 빛으로 DNA를 인쇄하듯 합성하는 새로운 기술을 개발했다. 이들이 사용한 TdT(Terminal deoxynucleotidyl Transferase)라는 DNA 합성 효소는 특정 금속 이온이 존재할 때에만 작동하는데, 연구진은 해당 이온을 ‘숨긴(caged)’ 상태로 보관하다가 자외선을 특정 위치에 조사함으로써 이온이 방출되고, 그에 따라 효소가 활성화되도록 설계했다.

이 방식은 기존의 생화학 반응 기반 DNA 합성과는 달리, 여러 가닥의 DNA를 동시에 병렬적으로 합성할 수 있다는 점에서 정밀성과 효율성 두 측면에서 획기적인 진보를 이룬 것으로 평가된다. DNA를 차세대 정보 저장 매체로 활용하려는 연구에 있어, 기술적 전환점을 마련한 성과라 할 수 있다.

이처럼 DNA를 초고밀도 디지털 저장 장치로 활용하려는 가능성은 점차 현실에 가까워지고 있다. 하지만 여전히 남아 있는 과제가 하나 있다. 바로, DNA에 저장된 정보를 얼마나 정확하게 복원할 수 있는가에 대한 문제다.

이에 대해 2025년, 중국 상하이 교통대학교 연구진은 핵심적인 해결책으로 ‘MPHAC-DIS(Massively Parallel Homogeneous Amplification of Chip-scale DNA for DNA Information Storage)’ 기술을 발표했다. 다소 복잡하게 느껴지는 이 명칭 속에는, 기술의 핵심 원리가 고스란히 담겨 있다.

기존의 PCR 기반 DNA 증폭 방식은 DNA 조각에 동일한 길이의 ‘프라이머(primer)’를 적용했지만, DNA 조각마다 상이한 열역학적 특성을 충분히 고려하지 못해 증폭 효율에 편차가 발생하고, 이로 인해 정보의 왜곡이나 손실이 초래되곤 했다.

이에 반해 ‘MPHAC-DIS’는 각 DNA 조각의 결합 특성과 자유 에너지(ΔG°)를 기반으로 정밀하게 설계된 맞춤형 프라이머를 적용함으로써, 모든 DNA 조각이 균일하게 증폭될 수 있도록 했다. 그 결과, 정보의 편중 없이 고르게 복원하는 것이 가능해졌으며, 이는 DNA 기반 저장 기술의 신뢰성과 정확성을 비약적으로 향상시켰다는 평가를 받고 있다.

실제로 연구진은 해당 기술을 활용해 텍스트, 이미지, 영상 등 다양한 디지털 파일을 DNA에 저장하고 이를 성공적으로 복원하는 데에 성공했다. 특히 일부 손상된 데이터에 대해서는 인공지능(AI) 기반의 이미지 복원 기술을 접목해 시각적으로도 고품질의 결과를 구현했다.

이러한 일련의 기술 발전은 머지않아 우리가 감상하는 영화, 촬영한 사진, 작성한 문서와 같은 디지털 자산들이 더 이상 실리콘 칩이 아닌, 수십억 년 동안 생명 정보를 품어온 DNA 분자 속에 저장되는 시대의 도래를 예고하고 있다.

DNA를 이용한 정보 저장 기술은 현재 암호화, 질병 진단, 데이터 분석 등 다양한 분야에서 빠르게 발전하고 있다. 예를 들어, DNA 서열을 무작위로 재배열하는 ‘DNA 셔플링(shuffling)’, 특정 정보를 서열 내에 삽입해 원본성과 출처를 증명하는 ‘DNA 워터마킹(watermarking)’ 기술은 높은 수준의 데이터 보안과 디지털 저작권 보호 수단으로도 주목받고 있다. 이처럼 생명의 언어인 DNA는 이제 연산, 저장, 보안까지 아우르는 차세대 정보 기술 매체로 진화하고 있다.

물론, 아직 극복해야 할 과제도 존재한다. DNA 컴퓨팅은 느린 연산 속도와 높은 비용이라는 두 가지 한계를 안고 있다. DNA의 생화학 반응은 실리콘 칩의 전자 신호만큼 빠르지 않고, 염기서열의 합성과 분석에도 상당한 시간과 자원이 소요된다. 그러나 지금까지의 연구는 그 한계 너머의 가능성을 끊임없이 증명해왔다. DNA는 단순한 저장 매체를 넘어, 임상 진단, 클라우드 시스템, 인공지능 회로와 같은 복합적인 정보 처리 기술로 진화하고 있으며, 그 응용 범위는 점점 더 넓어지고 있다.

우리는 지금, 생명의 언어가 기술의 언어로 새롭게 쓰이기 시작하는 전환점에 서 있다. 미래의 반도체가 반드시 실리콘일 필요는 없다. 생명 정보를 품고 있는 이 작은 분자가, 머지않아 인류의 기술까지 담아낼 준비를 하고 있다. 돌이켜보면, 인류의 삶을 한 단계 도약시킨 위대한 과학적 성취 대부분은 호기심에서 비롯된 자유로운 탐구에서 시작되었다. 알베르트 아인슈타인은 제약 없는 상상력의 가치를 강조하며 다음과 같은 말을 남겼다.

“상상력은 지식보다 중요하다. 지식은 우리가 아는 것에 머물지만, 상상력은 그 너머의 세상까지 펼쳐 보인다(Imagination is more important than knowledge. Knowledge is limited. Imagination encircles the world)”

DNA라는 생명의 언어를 향한 상상은 지금, 기술의 미래를 여는 또 하나의 언어로 번역되고 있다. 그 상상은 아직 낯설고 생소하지만, 언제나 그래왔듯 미래는 그런 낯선 질문에서부터 시작된다. 그리고 언젠가, 우리가 품었던 그 상상은 지식이 되고, 기술이 되고, 삶이 될 것이다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 김응빈, 김응빈 교수

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 생명에서 발견한 반도체의 미래, DNA 컴퓨팅 first appeared on 삼성전자 반도체 뉴스룸.

물속에 포함된 미세플라스틱과 과불화탄소화합물(PFAS)은 인체 건강에 점점 더 위협이 되고 있다. 일반적으로 지름 5mm 이하의 플라스틱을 미세플라스틱이라고 통칭하는데, 이 크기가 100나노미터(nm)보다 작아지면 나노플라스틱으로 분류된다.

대부분의 미세플라스틱은 장에서 흡수를 하지 못하고 배출되지만, 플라스틱 입자의 크기가 작아질수록 체내 흡수 가능성은 높아진다. 흡수된 일부 나노플라스틱 중 배출되지 못한 입자들은 혈액을 따라 돌다가 우리 몸 곳곳에 침투하게 된다. 미세플라스틱과 인지장애와의 높은 연관성은 이미 많은 연구에 의해 속속 밝혀지고 있으며, 미세플라스틱이 환경호르몬처럼 작용해 내분비계 교란을 초래할 수 있다는 것도 잘 알려진 사실이다.

또한 김 서림 방지 코팅 등에 사용되는 과불화탄소화합물은 한번 환경으로 흘러가면 영원히 분해되지 않기 때문에 ‘영원한 화합물’이라고도 불린다. 과불화탄소화합물은 테플론(PTFE)* 고분자를 합성할 때 사용되거나 산업 전반에서 광범위하게 활용되고 있지만, 이 물질 역시 내분비계에 영향을 끼친다. 이에 따라 플라스틱의 분해 및 재활용을 촉진하는 기술의 개발, 테플론을 대체하는 친환경 코팅 기술 개발이 큰 관심의 대상이다.

* 테플론(PTFE): 폴리테트라플루오로에틸렌(PTFE)으로 만든 비점착성 합성 고분자 물질로, 주로 조리기구 코팅과 산업용 부품에 사용된다.

화학 산업은 왜 ‘친환경’이 어려울까?

한편, 화학 산업은 환경에 악영향을 미칠 수 있는 유기 용매, 중금속 등의 폐기물에서 자유로워지지 않는 이상 친환경 산업으로 자리매김하기 어려울 것이다. 제약 산업을 예로 들자면, 약물을 합성하는 과정은 여러 단계를 거칠 수밖에 없다. 이 과정에서 최종 산물에는 유독한 물질이 포함되지 않더라도, 합성 과정에서 유기 용매나 중금속의 사용이 불가피할 수 있다. 따라서 특정 타깃 화합물이 정해진 경우, 공정의 단순화, 친환경적인 반응 조건의 채택, 반응 수율의 향상, 분리 및 정제 단계의 최소화 등을 통해 화학 폐기물의 양을 줄이는 것이 필수적이다. 

또한 사고를 실시간으로 감지하고 즉시 대응해 확산을 막는 ‘동적 감시체계(active surveillance system)’와 ‘포인트 오브 케어(point-of-care) 시스템’도 필요하다.

향후 우리나라를 포함한 대부분의 선진국은 초고령화 사회로 접어들게 되어 노인의 간병을 전담하는 직종이 사회 안전망 구축에 큰 역할을 하게 될 것이다. 최근 급속하게 발전하고 있는 휴머노이드 로봇 기술은 노인 및 환자 돌봄 서비스 분야로의 적용 가능성도 높이고 있다.

다만, 휴머노이드 로봇이 인간을 본격적으로 대체하기 위해서는 로봇의 피부(skin)가 인간과 유사한 촉감과 온도를 갖추고, 반복적인 접힘과 눌림 등의 자극에도 구조적인 안정성을 유지해야 할 것이다. 이와 더불어, 돌봄 대상의 신체 이상 징후를 바로 감지할 수 있는 센서 역할까지 수행할 수 있어야 한다. 이러한 특성을 충족하는 휴머노이드 로봇은 화학 공장에서도 센싱, 구동, 그리고 포인트 오브 케어 기능을 모두 수행할 수 있어 활용 가능성이 높을 것으로 기대된다.

인공지능에 의한 화학 분야 기술 혁신

2024년 노벨화학상은 단백질의 구조를 예측하는 AI 프로그램과 지금까지 세상에 존재하지 않았던 단백질을 합성하는 기술을 개발한 세 명의 연구자에게 돌아갔다. 모든 생명체는 체내에서 다양한 화합물을 합성하고 분해하며 살아가는데, 이 모든 과정을 가능하게 하는 것이 바로 효소 단백질이다. 이러한 효소 단백질 구조를 정확히 아는 것이 모든 신약 개발의 출발점이 된다. 인체에는 적어도 7만 5천 개 이상의 효소 단백질이 존재한다. 단백질 구조를 밝혀내기 위해서는 단백질의 결정을 기르고, X-ray 회절 패턴을 얻은 뒤, 이 데이터를 기반으로 계산을 거쳐야 하는데 이 과정은 매우 오랜 시간이 소요된다.

아미노산들이 연결되어 형성되는 펩타이드는 나선형, 판상형 등 다양한 구조를 가지는데, 이들 구조가 3차원적으로 조립되어 전체 효소 단백질 구조를 만든다. 흥미롭게도, 특정 아미노산 서열은 오직 하나의 구조만을 형성하기 때문에, 원칙적으로는 아미노산 서열만 알아도 단백질 구조를 예측할 수 있다.

이러한 아이디어에 기반해 전 세계 과학자들은 ‘단백질 구조 예측 경기(CASP)*’에서 각자가 개발한 프로그램의 정확도를 겨뤄 왔다. 구글 딥마인드 ‘데미스 하사비스(Demis Hassabis)’ CEO는 2018년 대회에 처음 참가해, 약 60% 정도의 예측 정확도를 지닌 ‘알파폴드(AlphaFold)’라는 프로그램으로 다른 경쟁자들을 압도해 버렸다. 당시 기존 최고 수준의 프로그램 예측 정확도가 40% 정도였음을 고려하면, 알파폴드를 가히 생태계 파괴자라고 불러도 과언이 아니다. 이후 알파폴드의 성능은 더욱 향상되어, 현재는 90%가 넘는 정확도로 단백질 구조를 예측할 수 있다. 이는 곧, 아미노산 서열만으로도 단백질 구조를 예측할 수 있어, 신약 개발을 위해 더 이상 단백질 결정학의 도움을 받을 필요가 없어진 것을 의미한다.

* 단백질 구조 예측 경기(CASP): Critical Assessment of Structure Prediction의 약자로, 단백질 3차원 구조 예측 기술의 정확도와 성능을 겨루는 국제 대회

데미스 하사비스 CEO와 함께 노벨상을 수상한 ‘데이비드 베이커(David Baker)’ 미국 워싱턴대 교수는 최근 자연에는 존재하지 않는 아미노산 서열을 이용해서 탁월한 촉매 활성을 지닌 효소 단백질을 합성하는 데 성공했다. 이제는 자연을 뛰어넘는 성능의 인공 단백질을 합성하는 것이 더 이상 낯설지 않은 시대가 된 것이다.

한편, 미세플라스틱의 위협이 커지면서 플라스틱을 분해하는 미생물의 활용 가능성에 대한 관심도 높아지고 있다. 인공지능 기술을 이용하면, 이러한 미생물에 존재하는 플라스틱 분해 효소의 구조를 밝혀내고, 이를 능가하는 효소 단백질을 개발할 수 있을 것이다. 이 효소 단백질의 아미노산 서열을 만들 수 있는 염기 서열을 미생물 유전자에 넣고, 이 미생물을 배양하면 플라스틱 생분해 기술의 상용화를 앞당길 수 있을지도 모른다.

AI와 함께하는 친환경 화학의 미래

2022년 울산과학기술원(UNIST)의 ‘바르토슈 그쥐보프스키(Bartosz Grzybowski)’ 특훈교수(IBS 첨단연성물질 연구단 단장)는 화학 공정에서 나오는 폐기 부산물을 활용해 상용 약물을 합성하는 경로를 제안하는 프로그램을 개발하고, 이를 『네이처(Nature)』에 발표했다. 이 프로그램은 천연물 합성에서 최적의 경로를 찾아내는 데 활용될 수 있다.

또한, 그쥐보프스키 교수는 서울대 현택환 석좌교수(IBS 나노입자 연구단 단장)와의 협업을 통해, 수전해 수소 생산에서 산소 발생 반응에 쓰이는 전극 촉매 물질의 성능을 예측하고 발굴하는 AI 프로그램을 개발했다. 이 연구를 통해 새로운 페로브스카이트(perovskite)* 기반 산화물 전극 물질도 설계해냈다.

* 페로브스카이트(perovskite): 특정 결정 구조를 갖는 무기화합물로, 태양전지나 촉매 등 다양한 소재로 활용됨

테플론을 대체하는 코팅 소재의 개발에도 인공지능 기술이 적용될 수 있음은 너무나 자명하다. 다양한 분야에서 물질 개발 속도를 획기적으로 향상시키고 최적의 합성 경로를 사용하며 화학 폐기물의 양을 줄이는 것이 가능해진 것이다. 이제 화학은 보다 친환경 산업에 가까워지고 있다.

더 나아가, 휴머노이드 로봇의 화학 산업 적용 및 돌봄 서비스에서의 실제 상황 학습을 통해, 보다 안전한 화학 공정을 설계하고 실시간 포인트 오브 케어 관리까지 가능한 미래가 머지않았다. 로봇이 자체적으로 스킨 소재를 개발하고 보수까지 수행하는 미래가 펼쳐질 수도 있다.

가까운 미래를 조망해 보자면, 화학 기술과 로봇·인공지능 기술은 한 몸이 되어 친환경 산업으로 변모해 갈 것이다. 또한 사람이 직접 투입하기 힘든 원전 폐기물 처리나 독성 화학물질의 합성 및 분리·정제·처리 과정에서도 로봇과 인공지능은 필수적인 산업 기술 요소가 될 것이다.

하지만 좀 더 먼 미래까지 이러한 장밋빛 전망이 유효할지는 확신하기 어렵다. 어쩌면 인간이 완전히 배제된 화학 산업에서, 인간을 넘어서는 지능과 자아를 지닌 인공지능이 초래할 수 있는 문제에 대한 대비가 필요할지 모른다. 인간의 건강에 지대한 영향을 끼치는 화학 산업에 한해서는 인공지능의 능력을 억제하여 적용하는 것이 현명하다는 생각이 든다.

비하인드 더 칩 시즌2, 비하인드더칩시즌2, Behind the CHIP, 비하인드더칩, 비하인드 더 칩, 이광렬, 이광렬 교수

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP 시즌2] 인공지능과 미래의 화학 산업 first appeared on 삼성전자 반도체 뉴스룸.

우리는 과연 소나 돼지의 췌장으로 무엇을 할 수 있을까? 지금은 독특한 요리 재료로 쓸 수 있을지 몰라도, 약 100년 전만 해도 이 장기들은 당뇨병 치료제인 ‘인슐린’을 얻는 유일한 방도였다.

인체에 인슐린을 투입하면 당뇨병을 치료할 수 있다는 사실이 밝혀진 이후, 수십 년 동안 인슐린의 상업적 생산은 주로 소와 돼지의 췌장을 이용해 진행되었다. 인슐린의 대량 생산에는 가축의 사용과 높은 생산 비용이라는 대가가 수반됐다. 일부 학자들은 인슐린 생산 관련 특허료를 단돈 1달러에 넘기며 당뇨병 환자들의 생명과도 같은 인슐린에 대한 과도한 상업화를 막고자 했지만, 당뇨병에 걸린 인간의 목숨이 여전히 소와 돼지의 췌장에 달려 있다는 사실은 바뀌지 않았다.

하지만 1970년대에 상황이 크게 변화했다. 1978년 제넨테크(Genentech)는 유전자 재조합 기술을 활용해 인간 인슐린을 최초로 생산했고, 1982년에는 일라이 릴리(Eli Lilly)가 ‘휴물린(Humulin)’이라는 제품명으로 상업화된 인간 인슐린을 출시했다. 학자들은 대장균에 인슐린 유전자를 삽입해 인슐린 단백질을 공장처럼 생산했다. 그 결과 인슐린 생산 비용은 급락하기 시작했고, 동물성 인슐린보다 대체로 부작용이 적어 환자들이 안심하고 사용할 수 있게 되었다.

인류는 이제 인슐린을 생산하기 위해 다른 포유류의 목숨을 담보로 잡을 필요가 없게 됐다. 아마 기술이 더 발전한다면 인슐린의 생산 가격은 향후 추가로 하락할 것이라는 전망도 제시되고 있다.

.

효율적 연구를 위한 혁신적 접근

그렇다면, 어떻게 이런 일이 가능해진 것일까? 이 질문의 핵심 열쇠는 바로 ‘합성 생물학(Synthetic Biology)’에서 찾을 수 있다. 합성 생물학은 세포나 유전체 등을 원하는 대로 재설계하여 새로운 기능을 만들어내고, 단백질 생산 효율을 극대화하는 방법을 연구하는 학문이다.

예를 들어, “이 유전자 조각을 A에 붙이고, 다른 대사 경로를 제거하면 단백질 생성량을 두 배로 늘릴 수 있지 않을까?” 같은 시나리오를 구체화하고, 이를 실험실에서 검증하며 개선해 나가는 방식이다. 그런데 여기서 문제가 발생한다. 시나리오 가짓수가 너무나 많고, 실험만으로는 너무 많은 시간과 비용이 든다. 예컨대 인슐린 생산 공정을 최적화하는 과정을 생각해 보자. 사람의 인슐린 유전자를 미생물에 삽입했을 때, 어떤 아미노산 변형이 대장균 생장에 부담을 덜 주면서도 인슐린 생산량을 높일 수 있을까? 이 질문에 답을 찾기 위해선 유전자 시퀀싱 데이터부터 단백질 구조 예측 데이터, 미생물 대사 경로 데이터까지 모두 통합해야 하는데, 그 데이터의 양은 실로 어마어마한 수준이다.

바로 이 지점에서 ‘딥러닝’과 ‘인공지능’이 등장한다. 앞서 언급한 예시로 돌아가 보자. 인슐린 생산량을 높이는 최적해를 찾는 과정에서, 인공지능 알고리즘은 수백만, 수천만 개의 가능성을 초고속으로 시뮬레이션하여 가장 유망한 몇 가지 조합을 연구자에게 제시한다.

이후 연구자는 이를 받아들여 최종 실험 단계를 수행한다. 이때는 이미 성공 확률이 높은 시나리오들만 선택해 실행하기 때문에, 시간과 비용을 크게 절약할 수 있다. 과거에는 1년이 걸리던 연구가 몇 달, 심하면 몇 주 안에 가능해진다. 이처럼 현대 합성 생물학 연구에서 인공지능(AI)을 활용한 방대한 데이터 분석 및 시뮬레이션 실행은 연구자가 반드시 익혀야 할 필수 과정이 되었다.

사실, 이러한 개념은 ‘디지털 트윈(Digital Twin)’과 유사하다. 디지털 트윈은 복잡한 실험을 실제로 진행하기 전에 가상의 모델을 무수히 돌려보고 최적의 경로를 찾기 위해 실제 환경과 아주 흡사하게 모사된 디지털 복제 환경을 의미한다. 주로 자율주행처럼 실제 환경에서 테스트하기 어렵거나 시행 시간과 비용이 많이 드는 분야에서 활용되는 기술인데, 합성 생물학 연구 역시 비슷한 방식으로 작동하는 셈이다.

.

AI 반도체의 중요성

다만 이런 연구는 기술의 발전에 매우 민감하다. 시뮬레이션이 원활하게 작동하려면, 분초 단위로 쏟아지는 유전자 정보와 단백질 구조 데이터를 누락 없이 처리할 수 있어야 한다.

바로 이 지점에서 삼성전자를 비롯한 반도체 기업들이 제공하는 ‘AI 반도체’가 중요한 역할을 한다. 합성 생물학 연구소에서는 대규모 유전자 분석 데이터를 지속적으로 생성하는데, 이를 고성능, 고용량 메모리 기술로 단숨에 처리할 수 있다면, 연구 속도가 상상 이상으로 빨라지기 때문이다.

이처럼 합성 생물학의 무수한 시뮬레이션이 가속화된다면, 특정 질환을 타깃으로 한 유전자 재설계, 신약 후보 물질 발굴, 미생물 대사 경로 최적화 등에서 이전에는 상상할 수 없을 정도로 빠른 성과가 나올 수 있다.

.

AI와 합성 생물학의 혁신, 맞춤형 치료 시대를 여는 기술

실제로 코로나19 팬데믹에서 모더나와 화이자-바이오엔테크가 mRNA 백신을 비교적 짧은 기간 내에 개발할 수 있었던 이유도, 오랜 연구 기반 위에 AI를 활용해 바이러스 유전자와 스파이크 단백질을 분석하고, 그 정보를 합성 생물학으로 빠르게 적용했기 때문이라는 의견이 많다. AI 알고리즘은 사스(SARS)나 메르스(MERS) 등 코로나 계열 바이러스 연구에서 축적된 데이터를 활용해 코로나19 바이러스의 스파이크 단백질 구조를 빠르게 해석했다. 그 후, 가장 유망한 후보 서열만을 추려내면, 연구자들은 그 소수 후보에 집중해 실험실 검증과 전임상 단계를 동시에 진행할 수 있었다. 전통적인 방식이라면 수백, 수천 개 후보를 하나씩 검증하는 데 오랜 기간이 걸렸겠지만, AI와 합성 생물학의 접목으로 시행착오를 디지털 시뮬레이션을 통해 대폭 줄일 수 있었다.

만약 이러한 원리가 인슐린 생산뿐만 아니라 암 면역치료, 유전 질환에 대한 CRISPR 유전자 치료, 알츠하이머·파킨슨·당뇨병 같은 대사 질환 연구 전반에 적용된다면 어떻게 될까? 앞으로는 과거에는 상상할 수 없었던 품질과 효율을 가진 의료 기술이 등장할 가능성이 크다.

아마 10년 후에는 “인슐린이 환자별 맞춤형으로 생산되어, 의료진이 개인별 유전자 특성에 꼭 맞는 약제를 손쉽게 처방한다”라는 뉴스를 들어도 우리는 크게 놀라지 않을 것이다. 과거에는 가축의 췌장에 의존했던 인슐린 생산이 대장균이나 효모를 활용한 생합성 기술로 발전한 데 이어, 이제는 CRISPR/Cas9 같은 유전자 편집 기법과 합성 생물학이 결합해 환자 맞춤형 인슐린 변형체(Variant)까지 만드는 시대를 준비 중이기 때문이다.

당뇨병 환자나 그 가족, 그리고 의료계를 포함해 인류 전반에 걸친 혜택은 지금부터가 진짜 시작이다. 한때 없어서 못 구하던 인슐린이 누구나 쉽게 구입할 수 있는 생명줄이 되어가는 과정은, 우리가 기술 혁신으로 얼마나 더 나은 미래를 만들 수 있는지를 잘 보여주는 대표 사례라 할 만하다.

.

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP] 소, 돼지, 췌장, 그리고 반도체: AI와 생명공학이 만든 의료 혁신 first appeared on 삼성전자 반도체 뉴스룸.

Behind the CHIP
삼성전자 반도체 뉴스룸에서 새롭게 진행하는 ‘Behind the CHIP’ 시리즈.
이번 시리즈는 9월부터 내년 1월까지 총 10회에 걸쳐 연재되며, 
5명의 IT/테크/지식 콘텐츠 전문 인플루언서가 직접 칼럼을 통해 반도체 생태계와
미래 산업을 통찰하는 흥미진진한 이야기를 전한다.
우리 일상과 밀접하게 맞닿아 있는 기술 트렌드를 인플루언서의 시선을 통해 알아보자.

인공지능(AI) 기술이 우리의 일상과 산업 전반에 큰 변화를 일으키고 있는 가운데 이 혁신의 중심에는 반도체 기술이 핵심으로 자리 잡고 있다. AI 연산을 최적화해 성능과 효율성을 극대화하는 데 반도체가 필수적인 요소이기 때문! 우리의 일상 속, 인공지능의 영향력이 커지는 만큼, 그 중심에 있는 AI 전용 반도체의 특징과 일반 CPU와의 차이점, 그리고 AI 학습과 추론 과정에서 반도체의 역할에 대해 자세히 알아보도록 하자.

AI 전용 반도체의 특징과 일반 CPU와의 차이점

CPU는 범용 프로세서로 다양한 작업을 처리할 수 있도록 설계되었지만, AI 연산은 주로 대규모 병렬 연산을 필요로 하기 때문에 AI 작업에는 비효율적이다. 이러한 한계를 보완하기 위해 만들어진 것이 바로 AI 전용 반도체인 NPU이다.

NPU는 AI 연산을 최적화한 프로세서로, 일반적인 중앙처리장치(CPU)와는 근본적으로 다른 설계와 기능을 가지고 있다. 인공 신경망 연산을 고속으로 처리할 수 있도록 설계되어 초당 1.9조 개의 연산(TOPS, Tera Operations Per Second)을 수행할 수 있음은 물론, 일반 CPU와 비교할 때 더 많은 병렬 처리 유닛을 가지고 있어 대량의 데이터를 동시에 처리할 수 있다.

이에 따라 AI 알고리즘의 실시간 처리가 가능해지며, 전력 효율성도 높아 실시간 AI 추론 작업을 처리하는 데 유용하다. 예를 들어, 삼성전자의 모바일 프로세서 ‘엑시노스’에 내장된 NPU는 이미지 인식과 품질 향상, 음성 인식 등의 AI 작업을 처리하는 데 활용되고 있다. 순차적인 명령을 실행하는 데 적합한 CPU와 데이터 중심의 구조로 설계되어 병렬 처리를 통해 대량의 데이터를 동시에 처리하는 NPU의 구조적 차이는 AI 연산의 속도와 효율성에 큰 영향을 미친다.

.

AI 반도체의 핵심: GPU와 NPU

병렬식 구조의 반도체 중에서 NPU보다 선행된 것이 바로 GPU(Graphics Processing Unit)이다. 1990년대 중반부터 본격적으로 개발되기 시작한 GPU는 처음에는 주로 그래픽 렌더링 작업을 가속화하기 위해 설계되었지만, 그래픽 연산뿐만 아니라 벡터와 행렬 연산에도 뛰어난 성능을 발휘하면서 병렬 처리의 가능성을 보여주게 되었다. 이후 2000년대 후반부터 AI 및 병렬 처리 활용에 적극적으로 사용되기 시작해 최근 인공지능 붐과 함께, GPU의 부가가치는 더욱 높아졌다. 대표적으로 엔비디아의 A100 GPU는 약 542억 개의 트랜지스터를 가지고 있으며, 정밀도와 유형에 따라 조금씩 차이가 있지만 초당 624 테라플롭스의 성능을 제공한다. 이러한 성능은 복잡한 신경망 모델을 빠르게 훈련시키고 추론하는 데 큰 도움이 되기 때문에 데이터센터와 클라우드 환경에서 대규모 딥러닝 모델의 학습에 사용되고 있다. 반면 NPU는 AI와 딥러닝의 발전에 맞추어 등장한 최근 기술로, 스마트폰, 태블릿, IoT 디바이스 등 엣지 디바이스에서 실시간 AI 추론 작업을 처리하는 데 사용된다.

그렇다면 GPU와 NPU 중 AI 반도체에서 우위를 따진다면 어떤 것이 더 우선적일까?

GPU와 NPU 엄밀히 따지면 그 역할에 조금씩 차이가 있다. GPU는 대규모 데이터셋을 사용한 모델 학습에 강점을 가지고 있으며, NPU는 학습된 모델을 바탕으로 실시간 추론 작업을 수행하는 데 최적화되어 있다. 그 때문에 두 반도체는 AI 작업에서 상호 보완적인 역할을 한다. 이처럼 AI 전용 반도체는 AI 연산을 위한 최적화된 설계와 구조를 통해 일반 CPU보다 뛰어난 성능과 효율성을 제공하며 앞으로 그 중요성은 점점 더 부각될 것으로 예측된다.

.

AI 시스템의 학습과 추론 과정에서 반도체의 역할은?

AI 시스템에서 반도체의 역할이 중요한 이유는 AI 시스템이 제대로 작동하기 위해 반드시 학습(Training)과 추론(Inference)이라는 두 가지 주요 과정을 거치기 때문이다.

학습 과정

AI 시스템의 학습 과정에서는 대량의 데이터를 사용해 AI 모델이 스스로 규칙과 패턴을 익혀야 한다. 예를 들어, 이미지 인식 AI 모델을 학습시키기 위해 수백만 장의 이미지를 모델에 입력하고, 각 이미지가 무엇을 나타내는지(예: 고양이, 개, 자동차 등)를 알려준다. 이 과정은 매우 많은 연산이 필요하며, 이때 중요한 역할을 하는 것이 바로 GPU이다.

추론 과정

반면 추론 과정에서는 학습된 AI 모델을 사용해 새로운 데이터를 분석하고 예측한다. 이는 학습한 내용을 실제로 적용하는 단계로, 예를 들어, 모델이 새로운 사진을 보고 그것이 고양이인지 개인지 판단하는 과정이다. 여기서 주목할 만한 것이 바로 NPU이다. NPU는 특히 추론 과정에서 빠른 반응 속도와 높은 에너지 효율성을 제공하기 때문에 실시간 데이터 처리를 할 수 있게 도와준다.

그러나 AI 연산에서 반도체의 역할이 중요해진 이유는 단순히 연산 속도를 높이는 것뿐만 아니라, 에너지 효율성을 극대화하는 것도 포함한다. AI 모델은 갈수록 복잡해지고, 처리해야 할 데이터가 증가함에 따라 연산량도 기하급수적으로 늘어나게 될 것이다. 이에 따라 전력 소모량이 매우 높아지는데, 이때 효율적인 반도체 설계는 AI 시스템의 성능을 높이는 동시에 에너지 소비를 줄이는 데 핵심적인 역할을 하게 된다.

.

엣지 AI를 위한 저전력 고성능 반도체 기술

엣지 AI는 데이터를 클라우드로 전송하지 않고 디바이스 자체에서 처리하는 기술을 의미한다. 데이터가 로컬에서 처리되기 때문에, 데이터 유출의 위험이 줄어들고 프라이버시가 강화된다는 장점이 있다. 엣지 AI 기술은 현재 스마트 홈, 자율주행차, 헬스케어 등 다양한 분야에서 응용되고 있다.  

스마트 홈에서는 IoT 디바이스가 엣지 AI를 통해 실시간으로 사용자 명령을 처리하고, 자율주행차는 주변 환경을 빠르게 인식해 안전한 주행을 가능하게 한다. 헬스케어 분야에서는 웨어러블 디바이스가 실시간으로 사용자 상태를 모니터링하고, 이상 징후를 감지해 경고를 보낼 수 있다.

반도체 기술은 엣지 AI 분야에서 실시간 AI 연산 처리와 보안을 강화하는 데 중요한 역할을 수행 중이다. 특히 모바일 프로세서는 사진이나 동영상의 화질을 개선하고, 실시간으로 텍스트 기반의 이미지를 생성하는 기능 등을 실현하면서, 전력 소모는 줄이고 성능은 향상시키는 방향으로 발전하고 있다. 엣지 AI를 위한 저전력, 고성능 반도체 기술은 우리의 일상과 다양한 산업 분야에 혁신을 가져올 것이다.

.

뇌를 모방한 새로운 반도체: 뉴로모픽 칩

뉴로모픽 칩은 인간의 뇌 구조와 신경망을 모방한 반도체이다. 이는 기존의 반도체 아키텍처와는 다른 접근 방식을 취해, 보다 효율적이고 자연스러운 AI 연산을 가능하게 한다. 뉴로모픽 칩은 전통적인 디지털 연산 방식 대신 아날로그 신호 처리를 활용해 에너지 효율성을 극대화한다. 이는 뇌의 뉴런과 시냅스의 작동 방식을 모방한 것으로, 뉴런의 발화 패턴을 흉내 내 데이터를 처리한다. 이러한 방식은 특히 비정형 데이터 처리에 강점을 가지고 있으며, 딥러닝 알고리즘의 효율성을 크게 향상시킬 수 있다.

또한, 뉴로모픽 칩은 학습과 추론을 동시에 수행할 수 있는 능력을 갖추고 있어, 실시간 적응과 자율적인 데이터 처리가 가능하다. 이는 자율주행차, 드론, 로봇 등 실시간 반응이 중요한 응용 분야에서 큰 잠재력을 가지고 있다.

.

AI 반도체 발전이 가져올 미래 변화

AI 반도체의 발전은 다양한 분야에서 혁신을 일으킬 것이며 특히 고성능 AI 반도체의 실시간 데이터 처리와 높은 연산 능력으로 많은 산업과 일상생활에 큰 변화를 불러올 것이다. 삼성전자 반도체의 기술력은 이러한 변화를 가속화하는 데 중요한 역할을 하고 있다.

자율주행차

자율주행차는 고성능 AI 반도체를 통해 실시간으로 주변 환경을 분석하고 안전한 주행을 가능하게 한다. 자율주행차의 센서와 카메라가 수집하는 대량의 데이터를 실시간으로 처리하기 위해서는 높은 연산 성능과 저전력 소비가 중요하다. 자율주행차에는 반도체 2~3천개 이상이 탑재되고 있으며, 극한 환경에서도 안정적으로 동작할 수 있는 높은 안전성 또한 요구된다.

삼성전자의 LPDDR(Low Power Double Data Rate) D램, GDDR(Graphics Double Data Rate) D램, AutoSSD(Solid State Drive), UFS(Universal Flash Storage) 등 차량용 반도체는 대량의 자율주행 데이터를 빠르게 처리하고, 저장해 보다 안전한 드라이빙 환경을 제공하고 있다. 또한 운전자에게 실시간 운행 정보와 고화질의 멀티미디어 재생, 고사양 게임 구동과 같이 엔터테인먼트적 요소를 지원해 최적의 모빌리티 경험을 제공한다.

의료 분야

우리는 AI 반도체를 통해 실시간으로 질병을 진단하고, 환자 데이터를 분석하여 맞춤형 치료를 제공받을 수 있다. 예를 들어, 웨어러블 디바이스에 탑재된 AI 반도체는 사용자의 건강 상태를 실시간으로 모니터링하고, 이상 징후를 감지하여 조기에 경고를 보낼 수 있다.

삼성전자는 헬스케어 분야에서도 AI 반도체 기술을 활용하고 있다. 삼성의 웨어러블 디바이스인 갤럭시 워치 시리즈는 심박수, 혈압, ECG(심전도) 등을 실시간으로 측정하고 분석할 수 있는 기능을 제공한다. 갤럭시 워치7은 3나노 공정을 적용한 엑시노스 W1000 탑재를 통해 빠르게 데이터를 처리한다.

스마트 홈과 IoT

삼성전자의 스마트싱스(SmartThings) 플랫폼은 가정 내 다양한 IoT 기기를 연결하고 제어하는 데 AI를 활용한다. 프로세서에 내장된 고성능 AI 엔진은 이러한 기기들이 실시간으로 데이터를 처리하고 사용자 명령에 즉각적으로 반응할 수 있게 한다.

예를 들어, 삼성전자의 패밀리 허브 냉장고는 내부 카메라로 음식물을 인식하고, AI를 통해 유통기한을 관리하거나 레시피를 추천할 수 있다. 또한, Neo QLED TV는 AI 업스케일링 기술을 사용하여 낮은 해상도의 콘텐츠를 선명하게 감상할 수 있도록 해주고, 사용자의 시청 습관을 분석하여 맞춤형 콘텐츠를 제공하는 등 이러한 기능은 고성능 반도체의 강력한 성능을 통해 가능해진 것이다.

‘Behind the CHIP’ ‘비하인드 더 칩’ Behind the CHIP

※ 본 칼럼은 외부 필진의 견해로, 삼성전자 DS부문의 공식 입장과 다를 수 있습니다.

The post [Behind the CHIP] AI와 반도체: 인공지능 시대를 여는 핵심 기술 first appeared on 삼성전자 반도체 뉴스룸.

The post [상상,오!Pinion] 단 음식은 건강에 좋은가 나쁜가? – 유준현 삼성서울병원 가정의학과 교수 first appeared on 삼성전자 반도체 뉴스룸.

삼성전자 건강연구소 홍기훈 직업환경의학 전문의가 알려 드리는 생활 속 올바른 환경안전 상식. 그 열두 번째 시간으로 중요 멸균제이자 페트병, 자동차 부동액 등의 기초 원료인 산화 에틸렌(Ethylene Oxide, C2H4O)에 대해 알아보겠습니다.

■ 위 내시경 검사를 위한 멸균제로 쓰이는 산화 에틸렌

살면서 정기 건강 검진을 받아 본 경험이 있는 분이라면, 위 내시경 때문에 고통스러웠던 경험이 있을 것입니다. 일반적으로 입을 시작해서 위까지 들어가는 내시경을 견디는 과정이 상당히 힘들기 때문입니다. 하지만 위 내시경 검사는 위암을 조기 발견할 수 있기 때문에 꼭 받아야만 하는 중요한 검사입니다. 다행히 요즘에는 수면 유도제를 투여 받은 후, 검사를 받을 수 있어 예전보다는 덜 고통스러운 것 같습니다.

합병증 없이 안전하게 위 내시경을 받으려면 여러 조건들이 만족되어야 합니다. 그 중 하나는 위 내시경 기구가 깨끗해야 한다는 것입니다. 미국 질병관리본부에서 기술한 바에 따르면 위 내시경 검사는 약 180만 번의 검사에서 1번의 감염이 보고될 정도로 낮은 감염률을 보이고 있습니다. 이 같은 성과의 요인 중 하나는 위 내시경 소독에 적합한 효과적인 멸균제가 있기 때문입니다. 위 내시경뿐 아니라 기관지 내시경, 수술용 기구, 그 외 많은 의학 기구의 중요 멸균제로 쓰이고 있는 산화 에틸렌이 바로 그것입니다.

하지만 산화 에틸렌이 오늘날과 같이 많은 의학 기구의 멸균제로 널리 쓰이기 시작한 것은 그리 오래되지 않았습니다. 1859년 프랑스 화학자 샤를 아돌프 뷔르츠(Charles Adolphe Wurtz, 1817-1884)에 의해서 처음으로 산화 에틸렌이 보고됐지만, 1928년에 이르러서야 살충제의 효과를 발견해 훈증제(fumigant, 휘발성 살충제)로서 광범위하게 쓰였습니다.

이어서 1940년대에 미국 육군에서 산화 에틸렌이 멸균제로 쓰였으며, 1950년대 비로소 병원에서 의학 기구의 멸균제로 사용되며 오늘날과 같이 보편화되기 시작했습니다.

■ 현대 생활에 꼭 필요한 용기, 페트병의 기초 원료

한편, 현대인들이 일상 속에서 다양한 음료를 손쉽게 마실 수 있는 것에는 페트병이라는 발명품이 중요 역할을 하고 있습니다. 페트병은 현대의 일상에서 너무나 당연하게 사용되는 물건이지만, 이 역시 쉽게 탄생된 것은 아닙니다.

페트병의 발명은 20세기 최고의 발명품이라 일컬어지는 플라스틱의 역사와 함께 했습니다. 1862년 영국의 화학자 알렉산더 파크스(Alexander Parkes, 1813-1890)는 식물에서 셀룰로스를 추출해 파케신(Parkesine)이라는 플라스틱을 처음으로 만들었으며, 1909년 벨기에 화학자 리오 베이클랜드(Leo Baekeland, 1863-1944)는 페놀과 포름알데히드를 반응시켜 베이크라이트(Bakelite)라는 첫 합성 플라스틱을 만드는 데 성공합니다.

이후 1941년 윈필드(John Rex Whinfield, 1901-1966)와 딕슨(James Tennant Dickson)은 산화 에틸렌으로부터 생산된 에틸렌 글리콜(Ethylene Glycol, C2H6O2)을 이용해 신소재 PET(Polyethylene Terephthalate)를 발명했습니다. 1973년, 너세니얼 와이어스(Nathaniel Wyeth, 1911-1990)는 이 PET를 이용해 10년 간의 연구 끝에 탄산 음료를 담아도 폭발하지 않는 페트병을 탄생시켰습니다.

■ 동파를 막아 주는 부동액의 기초 원료

추운 겨울, 물이 얼음으로 변하는 0℃ 이하로 기온이 떨어지게 되면 간혹 보일러 배관이 동파되는 경우가 발생하곤 합니다. 심지어 때로는 보일러뿐 아니라 수도나 자동차 엔진이 동파되기도 하는데, 이러한 동파 문제를 해결하기 위해 필요한 것이 바로 부동액입니다.

부동액으로 많이 쓰이는 에틸렌 글리콜 60%와 물 40%를 섞으면 어는 점이 -45℃까지 내려가게 됩니다. 따라서 보일러와 자동차 엔진 등에 이 부동액을 사용하면 겨울에도 배관이 얼지 않는 효과를 볼 수 있는 것입니다. 특히 에틸렌 글리콜은 끊는 점이 197.3℃로 높기 때문에 이를 이용해 무더운 여름 자동차 엔진의 부동액으로 사용하기에도 적합합니다.

■ 현대인의 생활에 꼭 필요한 산화 에틸렌

앞서 얘기한 멸균제와 페트병 그리고 부동액의 생산 과정은 ‘석유’에서부터 시작됩니다. 석유의 정제를 통해 기본 물질인 나프타(Naphtha)를 추출하고 이 나프타에서 에틸렌(Ethylene, C2H4)을 비롯해 프로필렌(Propylene, C3H6), 벤젠(Benzene, C6H6), 톨루엔(Toluene, C7H8), 자일렌(Xylene, C8H10) 등의 다양한 물질을 얻어낼 수 있습니다.

그리고 에틸렌에서 ‘산화 에틸렌’을 얻어낸 후, 이 산화 에틸렌을 물과 반응시켜 ‘에틸렌 글리콜’을 생산합니다. 그리고 이 에틸렌 글리콜에 테레프탈릭산(PTA, Terephthalic acid, C6H4(COOH)2)이나 디메틸 테레프탈레이트(Dimethyl terephthalate, C6H4(CO2CH3)2)를 반응시켜 페트병을 만들고, 에틸렌 글리콜과 물을 혼합해 부동액으로 사용합니다.

한 조사에 따르면 전 세계적으로 산화 에틸렌의 수요는 한 해에 약 20메가톤(20,000,000,000kg)에 이르고, 최근 10년간 5.6~5.7%의 증가율을 보였다고 합니다. 그리고 생산된 산화 에틸렌의 약 0.05%는 멸균제와 같이 직접적으로 사용되고, 나머지 99.95%는 합성 화학 제품의 기초 원료로 간접적으로 사용되며 이 중 65%는 에틸렌 글리콜을 생산하는데 사용됩니다.

■ 산화 에틸렌의 노출

이처럼 광범위하게 산화 에틸렌이 사용되고 있지만 산화 에틸렌은 국제암연구소에서 지정한 1급 발암 물질입니다. 인류에게 암을 유발시키는 것은 논란의 여지가 있지만, 동물들과 인체에 미치는 영향을 고려해 혈액암의 1급 발암 물질로 지정되었습니다.

또한 산화 에틸렌은 짧은 시간 노출될 경우에 눈, 코, 피부 및 폐를 자극하고 심한 경우에 수포, 화상 등을 일으킬 수 있습니다. 또한 장시간 노출될 경우 중추신경계 억제, 알레르기 반응 등을 발생시킬 수 있습니다.

때문에 산화 에틸렌에 노출되지 않도록 각별히 주의해야합니다. 특히 전 세계적으로 많은 의료 기구와 물품을 소독하는 업무에 종사하고 있는 근로자들과 산화 에틸렌을 이용해 화학 제품을 생산하는 공정의 근로자들은 더욱 유념해야 하겠습니다.

국내에서도 산업안전보건법에 의해 8시간 근무환경에서 근로자가 산화 에틸렌에 1ppm 이상 노출되지 않도록 노력하고 있습니다. 2009년 안전보건공단의 한 조사에 따르면, 작업환경 측정 결과 국내 의료용기기 제조업의 살균 공정에서는 0.59ppm, 기타 기초 유기화합물 제조업 반응 공정에서 0.16ppm, 그리고 일반 병원 살균 공정에서는 0.13ppm으로 조사된 바 있습니다.

한편 일반 환경에서도 산화 에틸렌에 노출될 수 있습니다. 바로 담배의 수많은 유해 물질 중 산화 에틸렌이 포함되어 있기 때문입니다. 국제암연구소 보고서에 따르면, 담배 1개비 연기에 약 7mg의 산화 에틸렌이 포함되어 있다고 합니다. 일상 생활 속에서 산화 에틸렌에 노출되지 않기 위해서는 금연과 함께 간접 흡연에도 노출되지 않도록 해야 하겠습니다.

The post [홍기훈 직업환경의학 전문의 칼럼] 12탄. 산화 에틸렌 first appeared on 삼성전자 반도체 뉴스룸.

삼성전자 건강연구소 홍기훈 직업환경의학 전문의가 알려 드리는 생활 속 올바른 환경안전 상식. 그 열 번째 시간으로 인류가 살아가는데 있어서 필수 자원인 석유에 대해 알아보겠습니다.

■ 인류의 필수 자원, 석유

미국의 경제 주간지 포브스가 발표한 2013년 글로벌 기업 순위를 살펴보면, 은행들과 더불어 상위권에 자리잡고 있는 기업들이 있습니다. 바로 석유 기업인데요. 5위를 차지한 엑손 모빌(미국)과 7위의 로얄 더치 쉘(네덜란드) 등 7개의 석유 기업이 상위 20위 안에 포진해 있습니다. 이는 인류에게 석유가 얼마나 중요하고 영향력이 있는 자원인지 짐작하게 합니다.

석유는 우선 에너지원으로서 중요한 역할을 하고 있습니다. 인류가 애용하는 자동차와 항공기, 선박은 석유를 연료로 움직이며, 추운 겨울을 따뜻하게 보낼 수 있게 해주는 보일러 역시 석유가 없다면 작동되지 않습니다.

그리고 석유는 합성 화학 제품의 중요한 원료가 됩니다. 자동차 타이어에 사용되는 합성 고무부터 포장 도로에 필요한 아스팔트, 옷감에 사용되는 나일론, TV와 스마트폰 등의 원료인 플라스틱, 농산물 재배 시 사용되는 비료와 농약까지, 이 모든 것이 석유를 원료로 생산되고 있습니다. 이렇듯 일상 생활에서 석유가 이용되지 않는 분야를 찾는 것이 더 어려울 정도입니다.

■ 석유 산업의 팽창

석유의 광범위한 이용과 석유 산업의 성장을 생각할 때 지금으로부터 약 140여 년 전인 1870년, ‘석유왕’ 존 데이비슨 록펠러(John Davison Rockefeller, 1839~1937)가 창립한 ‘스탠다드 오일’을 생각하지 않을 수 없을 것입니다. 스탠다드 오일은 2013년 포브스 기업 순위 5위 엑손 모빌, 13위 쉐브론, 18위 비피의 모기업으로 당시에 미국 내 석유 시장의 90%에 가까운 점유율을 기록할 정도로 그 영향력이 매우 컸습니다.

스탠다드 오일을 비롯해 여러 석유 기업들이 비약적인 성장을 거둘 수 있었던 것에는 여러 요인이 뒷받침 되었습니다. 아마도 그 여러 요인 중에 하나는 석유 수요 증가로 생각할 수 있을 것입니다. 1883년 코틀리프 다임러(Gottlieb Daimler, 1834~1900)의 가솔린 기관 발명, 1892년 루돌프 디젤(Rudolf diesel, 1858~1913)의 디젤 기관 발명은 석탄을 태워 작동시키던 기존의 방식을 대체했습니다.

더불어 자동차의 대중화 역시 석유 시장의 성장을 촉진시켰습니다. 1908년 조립라인 혁신을 통해 생산된 포드 자동차 모델 T는 자동차 가격을 낮춰, 많은 사람들이 자동차를 소유할 수 있게 만들었습니다. 자동차 이용이 늘어나면서 아스팔트 도로의 수요가 늘어나게 되었고, 이 즈음 발발한 제1차 세계대전도 석유 수요의 증가를 가져왔습니다. 이렇게 19세기에 이르러 석유 수요 확대, 이와 더불어 석유의 생산 증가는 석유 사용량의 증가로 이어졌습니다.

■ 석유로 인한 인류의 고통

인류는 석유가 가져다 준 혜택을 마음껏 만끽했습니다. 그러나 그로 인한 부작용도 생겨나기 시작했습니다. 석유 노출은 많은 사람들에게 피로, 두통, 오심, 어지러움 등의 고통을 안겨 주었습니다. 또한 손과 발이 저리고 마비되는 증상이 나타났으며 심한 경우에는 폐렴이 발병하기도 했습니다.

또한 석유 노출은 임산부의 태아 건강에도 악영향을 미쳤고, 장기간 노출될 경우 암을 발병시키거나 심지어 인류가 사망하기도 했습니다. 1948년에 이르러 미국 석유 협회는 특정 석유 화합물의 노출이 전혀 없을 시에만 건강에 영향이 없다고 발표하기도 했습니다. 이로부터 현재까지 국제암연구소에서 지정한 113개의 1급 발암 물질 중 약 23개가 석유로부터 생산되는 것입니다.

■ 인류에게 선사한 석유의 혜택

석유가 건강에 좋지 않은 영향을 주는 것은 지난 100년간 많은 연구들로부터 확인됐습니다. 하지만 여전히 석유는 많은 곳에 사용되고 있습니다. 그것은 아마 석유가 상대적으로 저렴한 가격으로 인류에게 많은 혜택을 주기 때문일 것입니다.

앞서 언급한 것처럼 석유는 자동차를 움직이게 하는 주요 동력원으로, 석탄과 난방용 나무를 대체하였고 플라스틱의 발명으로 많은 목재 제품을 대체했습니다. 그리고 석유로부터 생산되는 나일론은 식물과 동물로부터 얻었던 옷감의 많은 부분을 대체했습니다. 1950년에 약 25억 명이던 세계 인구가 2010년에 약 70억 명으로 3배 가까이 증가한 것을 생각하면, 석유는 자연으로부터 얻는 제품의 생산량 한계를 극복하기 위해 필요한 인류에게 없어서는 안 되는 자원임을 부정하기 어려울 것입니다.

■ 석유 노출을 줄이기 위한 노력

이처럼 석유는 다양한 용도로 사용되며, 우리 생활 밀접한 곳에서 쉽게 접할 수 있는 물질입니다. 때문에 석유 사용을 금지하고 다른 물질로 완전히 대체하는 것은 힘들 것으로 보여집니다. 그렇기에 석유 이용으로부터 발생하는 석유 노출을 줄이기 위한 노력을 게을리 하지 말아야 하겠습니다.

역사적으로 앞서 언급했던 것과 같은 고통스런 경험을 통해 많은 국가에서 석유의 노출을 줄이기 위한 노력을 지속해 오고 있습니다. 하지만 여전히 세계적으로는 석유 관련 산업의 작업 환경이나 석유 제품을 사용하는 일상 생활에서 일부 석유 화학 물질에 노출될 수 있습니다.

일상 생활에서 석유 화학 물질의 노출을 줄이기 위한 가장 효과적인 방법은 “환기의 생활화”입니다. 예를 들어 새 가구나 목재는 사용 전, 충분히 통풍시키는 것이 좋으며, 드라이클리닝 한 옷은 석유계 용제를 제거하기 위해 비닐을 벗기고 2~3일 정도 충분히 통풍을 시킨 후에 입는 것이 좋습니다.

최근에는 기술 발전으로 인해 석유를 사용하지 않는 전기 자동차가 개발되고, 석유를 대체할 수 있는 셰일 가스가 시추되기도 했습니다. 하지만 현재 석유로부터 많은 제품들이 생산되고 있기 때문에, 우리는 일상 생활에서 그 노출을 줄이기 위한 노력을 게을리하지 말아야 하겠습니다.

The post [홍기훈 직업환경의학 전문의 칼럼] 10탄. 석유 first appeared on 삼성전자 반도체 뉴스룸.

The post [상상,오!Pinion] 반도체는 영화수집광의 친구다 – 김도훈 영화 칼럼니스트 first appeared on 삼성전자 반도체 뉴스룸.

삼성전자 건강연구소 홍기훈 직업환경의학 전문의가 알려 드리는 ‘생활 속 올바른 환경안전 상식’. 그 아홉 번째 시간으로 질병의 진단 등 현대 문명에 꼭 필요한 ‘방사선의 특징과 유해성, 생활 속 이용’ 등에 대해 알아보겠습니다.

■ 인류 최초의 X-선 사진

지금으로부터 약 100년도 더 지난 1895년 12월 22일, 독일 물리학자 빌헬름 콘라트 뢴트겐은 실험실에서 자신이 발견한 광선을 이용해 아내의 손 사진을 찍었습니다. 이 사진은 인류 역사상 최초의 X-선 사진으로 기록됩니다.

뢴트겐의 X-선 발견은 물리학뿐 아니라 의학에도 큰 영향을 미쳤습니다. 사람의 몸 속이 궁금하면, X-선을 발견하기 전에는 피부를 절개한 후 육안으로 그것을 확인해야 했습니다. 하지만 X-선의 발견으로 칼을 대지 않고도 사람의 몸 속에 대해 많은 부분을 알 수 있게 되었습니다.

그리고 이것은 컴퓨터 단층촬영(Computed Tomography, CT)의 발명으로 이어졌습니다. 과거, 두개골을 열어야만 볼 수 있었던 사람의 뇌를 1971년, 처음으로 컴퓨터 단층촬영을 통해 볼 수 있게 된 것입니다. 이는 질병의 진단과 치료에 큰 발전의 계기가 되어 인류의 삶에 지대한 영향을 미쳤습니다.

■ 또 하나의 위대한 발견, 라듐

또한 이 당시에는 X-선뿐 아니라, 우라늄에서 나오는 방사선과 같은 방사성 물질에 대한 연구가 폭 넓게 진행되었습니다. 당시의 사람들에게는 방사선이 암의 치료를 비롯한 다양한 분야에 이용될 수 있을 것이라는 믿음이 있었습니다.

우리가 잘 아는 퀴리 부인(마리 퀴리)도 남편인 피에르 퀴리와 함께 관련 연구를 진행하였습니다. 우라늄과 토륨을 분리 정제하는데 사용한 광석에서 방사선이 나온다는 것을 발견한 퀴리 부인은 광석에서 방사성 물질을 분리해내고자 했습니다. 그리하여 확인한 물질이 ‘라듐’이었는데 퀴리 부인은 이를 순수 화합물의 형태로 분리하고자 했습니다. 당시 퀴리 부인은 열악한 연구 환경에도 약 8톤의 우라늄 폐광석에서 수천번의 분리와 정제 과정을 거쳐 4년만에 0.1g의 라듐(염화라듐)을 얻는데 성공했습니다.

의학적으로 라듐은 발견 초기부터 암 치료에 사용되었고 이것이 오늘날 암 방사선 치료의 시작입니다. 그리고 라듐 발견은 현대 물리학에 큰 기여를 했습니다. 대표적인 것이 1909년 러더퍼드(Ernest Rutherford, 1871~1937)가 라듐에서 나오는 알파선을 활용해 현대의 원자 모델을 제시하고, 관련 연구들이 진행되어 현대의 원자물리학과 핵물리학 분야를 발전시킨 것입니다. 화학 분야에서 라듐의 발견은 방사성 물질을 연구하는 새로운 화학 분야를 열었고, 여러 방사성 동위원소들을 발견하는 계기를 마련했습니다.

퀴리 부인은 라듐의 발견으로 1903년에 남편과 함께 노벨 물리학상을 수상했으며, 1911년에는 라듐의 화학 물질 연구로 노벨 화학상을 받았습니다. 퀴리 부인은 여성 최초의 노벨상 수상자이면서 과학의 두 분야에서 노벨상을 받은 유일한 수상자입니다.

■ 방사선의 유해성

라듐을 발견한 초기에는 라듐이 암 치료에 사용되면서 건강에 좋은 원소로만 여겨졌습니다. 그래서 식품에 라듐을 첨가하기까지 했습니다. 이런 인식은 야광 페인트칠을 하던 여공 100여명이 사망하면서 일대 전환기를 맞이합니다.

라듐을 인광체와 섞으면 스스로 빛을 내는 야광 페인트가 만들어집니다. 여공들이 이것을 시계나 각종 기기의 계기판에 바르는 작업을 하면서 붓을 입술로 가다듬곤 하였는데, 이 때에 많은 양의 방사선에 노출된 것이 집단 사망의 원인이었습니다. 이때부터 사람들은 방사선의 유해성을 인지하게 되었습니다. 그리고 라듐을 처음 발견했던 퀴리 부인도 연구 중에 노출된 방사선에 의해 재생 불량성 빈혈로 사망하게 됩니다.

이후 방사선의 유해성에 대한 많은 연구들을 통해 방사선이 암을 일으킬 수 있다는 것을 확인했습니다. 국제암연구소에서도 방사능이 있는 물질들을 1급 발암 물질로 규정하였습니다. 방사선이 폐암, 간암, 골암, 갑상선암, 백혈병을 발병시킬 수 있음을 확인하였기 때문입니다.

■ 방사선의 이용

방사선은 그 유해성에도 불구하고 다양한 특성 때문에 일상 생활에서 폭 넓게 이용되고 있습니다. 앞에서 언급한대로 방사선은 X-선, CT(컴퓨터 단층촬영)를 비롯해 양전자 단층촬영(Positron Emission Tomography, PET)과 같은 의료용 진단 장비에 이용됩니다. 암 치료에 있어서도 방사선 치료는 수술, 항암제 치료와 함께 중요한 암 치료 방법 중 하나입니다. 또한 방사선은 의료용 기구의 소독에도 이용됩니다.

농업 분야에서 방사선은 돌연변이를 발생시켜 농작물의 품종 개발에 이용됩니다. 또한 식품의 멸균에도 이용됩니다. 공업 분야에서는 방사선을 발생시키는 장치를 활용해 금속 구조물의 결함을 검사하는 비파괴 검사, 물질의 두께 측정, 보안 검색기, 항공 화물 검사 등에 이용되고 있습니다. 또한 기초 과학 분야에서는 생물학적 대사 과정의 규명, 신소재 연구, 물질 구조 해석, 재료 물성 등에 방사선이 활용되고 있습니다. 이처럼 방사선은 다양한 분야에 이용되어 우리에게 많은 혜택을 주고 있습니다.

■ 방사선의 노출

퀴리 부인이 분리해낸 라듐은 우라늄의 자연(스스로) 방사성 붕괴로 자연에서 끊임없이 생성됩니다. 그리고 라듐도 자연에서 끊임없이 분해되고 방사성 붕괴가 일어납니다. 이로 인해 생성되는 무거운 방사성 비활성 기체가 있습니다. 이 비활성 기체를 라돈이라고 하는데 이 원소는 지각 중의 토양, 모래 및 이들을 재료로 하는 건축 자재 등에 함유되어 있고, 마시는 물과 심지어 공기 중에서도 검출됩니다. 그렇기 때문에 지구 상에 살아가는 한 인류는 라돈에서 방출하고 있는 방사선에 노출될 수 밖에 없습니다.

최근 연구에 의하면 일상적인 생활에서 인류에게 노출되는 방사선의 약 1/2은 라돈에 의한 것이며, 약 1/3은 질병의 진단과 치료를 위해 병원에서 사용하는 방사선에 의한 것입니다. 그리고 나머지 약 1/6이 우주와 담배, 그리고 기타 다른 물질들로 인한 것입니다. 이 중에서 담배를 제외하면 방사선 노출을 완전히 피하기는 어려운 상황입니다.

■ 인류의 발전을 위한 한 걸음

역사적으로 방사선으로 인해 많은 사람들에게 암이 발병했습니다. 하지만 방사선이 인류에게 준 혜택 또한 매우 값집니다. 대표적인 것은 앞서 얘기한 의학의 발달로 인해 기대 수명이 45세에서 80세로 증가한 것입니다.

그리고 농산물의 품종 개량과 식품의 장기 보관이 가능해져 보릿고개를 걱정하던 시대에서 소아 비만을 걱정해야 하는 시대로 변할 만큼, 식량이 증가한 것에도 방사선이 기여한 바가 있습니다. 또한 방사선으로 정교한 계측이 가능해져 과거에는 왕조차도 꿈꾸지 못했던 수준 높은 품질의 다양한 제품들을 인류가 향유할 수 있게 되었습니다.

우리는 방사선 노출을 줄여 이로 인한 질병의 발병을 줄이기 위한 노력을 게을리하지 않아야 합니다. 그리고 다른 한편으로는 방사선의 활용성을 높여 인류의 혜택을 지속적으로 늘릴 수 있도록 해야 하겠습니다. 이를 통하여 인류는 발전을 위한 또 한 걸음을 내딛을 수 있을 것입니다.

The post [홍기훈 직업환경의학 전문의 칼럼] 9탄. 방사선 first appeared on 삼성전자 반도체 뉴스룸.

The post [상상,오!Pinion] IT와 반도체로 무장한 첨단 안전장비 – 김우성 월간 편집주간 first appeared on 삼성전자 반도체 뉴스룸.

The post [상상,오!Pinion] 우리 모두는 로봇이 될 것이다 – 김도훈 영화 칼럼니스트 first appeared on 삼성전자 반도체 뉴스룸.

삼성전자 건강연구소 홍기훈 직업환경의학 전문의가 알려 드리는 생활 속 올바른 환경안전 상식. 그 여덟 번째 시간으로, 다양한 생활 제품의 원료 중 하나인 포름알데히드의 특징과 유해성, 피해 예방 방법 등에 대해 알아보겠습니다.

■ 집과 사무실, 생활 주변에 흔히 존재하는 화학 물질

포름알데히드(CAS NO. 50-00-0, HCHO)는 무색 투명한 기체로, 자극적인 냄새가 나며 상온에서 강한 휘발성을 띄는 휘발성 유기화합물입니다. 포름알데히드는 메탄올(메틸 알코올)과 공기의 화학 반응을 통해 제조하게 됩니다.

포름알데히드는 우리 주변에서 흔히 볼 수 있는 플라스틱 제품, 페인트, 전자 부품 등에 사용되는 수지의 원료입니다. 특히 수지는 목재에 대한 접착력이 매우 우수해 합판이나 가구를 제작할 때 접착제로 다량 사용되고 있습니다. 또한 접착성뿐 아니라 내열성도 뛰어나기 때문에 유리 섬유나 석면 섬유의 단열재용 결합제와 건물의 단열재, 바닥재로도 사용됩니다.

포름알데히드는 수증기나 산소의 투과율이 낮고 내약품성이 뛰어나 프린터 인쇄 잉크와 금속 제품의 부식 방지용 도료(자동차, 선박, 금속 용기 도료)에도 사용됩니다. 때문에 집과 사무실을 비롯한 우리 생활 주변에서 쉽게 포름알데히드를 접할 수 있습니다.

포름알데히드는 물에 잘 녹는 성질이 있습니다. 35~38% 포름알데히드 수용액을 포르말린이라고 하는데, 포르말린은 대부분의 미생물에 독성이 있기 때문에 살충제, 살균제로 사용되며, 화장품 및 가정용 가구와 같은 소비재의 방부제로도 사용됩니다. 또한 식품 가공 과정에서 항균제와 방부제로 사용되기도 합니다.

■ 포름알데히드의 노출과 건강 영향

이처럼 가구, 카펫, 바닥재, 페인트 접착제 등에서 포름알데히드가 배출되기 때문에 집과 사무실에는 높은 농도의 포름알데히드가 있습니다. 특히 새 가구, 새 제품에서는 더 많은 양의 포름알데히드가 배출되기 때문에 새 건물에는 더 높은 농도의 포름알데히드가 존재합니다.

포름알데히드는 불완전 연소로도 쉽게 생성되기 때문에 자동차 배기가스, 발전소, 소각로 주위에서 높은 농도로 존재하며, 교통 혼잡 시 자동차 배기가스로 인해 대기 중 농도가 급격히 증가하게 됩니다.

집과 사무실에는 많은 제품으로부터 포름알데히드가 배출되지만, 환기가 잘 되지 않기 때문에 실외보다 높은 농도로 존재합니다. 특히 가족 및 동료가 흡연자인 경우 실내 포름알데히드 농도는 더욱 높아질 수 있습니다. 실내 흡연은 실내 포름알데히드 농도의 약 10%~25% 정도까지 차지할 수 있어 주위 사람의 노출 위험을 더 증가시킵니다.

실제 여러 연구들에 따르면 일반 대기의 포름알데히드 농도는 약 0.0008ppm 이하, 도시 지역은 약 0.016ppm 이하, 실내는 약 0.016~3.68ppm 수준으로 존재하며, 새 집은 농도가 더 높은 것으로 조사됐습니다. 국립환경과학원의 한 연구에서도 주택은 0.04ppm, 사무실은 0.02ppm 정도인 것으로 조사됐습니다.

포름알데히드는 공기를 통해 호흡기와 피부에 노출되는 경우가 대부분입니다. 그런데, 포름알데히드는 그 유해성 때문에 국제암연구소(IARC)에서 1급 발암 물질로 규정한 물질입니다. 높은 농도의 포름알데히드에 지속적으로 노출되면 비인두암과 백혈병이 발병할 수 있습니다. 또한 포름알데히드는 눈, 코, 목 등에 자극을 주어 불쾌감, 눈물, 재체기 등을 일으킬 수 있습니다.

■ 포름알데히드 노출을 줄이기 위한 노력

그렇다면 일상 생활에서 포름알데히드에 대한 노출을 줄이기 위해서는 어떻게 해야 될까요? 특히, 성장하고 있는 아이들과 천식이 있는 어른은 아래 사항을 더욱 유념해야 하겠습니다.

1. 실내 환기가 무엇보다 중요합니다.

실내 공기 중 포름알데히드의 농도를 줄이기 위해서는 충분한 환기가 매우 중요합니다. 쾌적한 실내 공기를 유지하는 것이 좋으므로 만약 충분한 환기가 되지 않는다면 공기청정기를 사용하는 것도 한 방법이 될 수 있습니다.

2. 실내에서 흡연은 절대 하지 않도록 합니다.

흡연 구역과 담배 연기가 많이 발생하는 곳에는 가까이 가지 않도록 합니다. 특히 실내 흡연은 집 안의 포름알데히드 농도를 더욱 높일 수 있으므로 반드시 금해야 합니다.

The post [홍기훈 직업환경의학 전문의 칼럼] 8탄. 포름알데히드 first appeared on 삼성전자 반도체 뉴스룸.