트랜지스터와 부품의 축소만으로는 더 이상 반도체 성능을 발전시키기에 충분하지 않다. 인공지능과 관련된 컴퓨팅 역량에 대한 수요가 증가하면서 제조에 사용되는 재료는 단순히 칩 설계가 확정된 후 선택되는 투입 요소가 아니라, 일부 새로운 구조가 애초에 구현 가능한지를 결정하는 요인이 되었다.
이는 Mitsubishi Chemical Group의 차세대 사업개발 부문 이사인 Hideaki Okamoto가 작성하고 Semiconductor Engineering이 2026년 9월 17일 게재한 분석의 핵심 결론이다. Sponsor Blog 섹션에 실린 글인 만큼 이 글은 재료 산업과 관련된 산업적 관점도 반영하므로, 그 결론은 특정 제품에 대한 발표가 아니라 산업 동향에 관한 분석으로 읽어야 한다.
반복적인 실험에서 계산 연구로
전통적으로 재료 개발은 샘플을 제조한 다음 그 특성을 시험하고 결과를 분석한 뒤 이 과정을 반복하는 방식에 의존했다. 재료가 복잡한 경우 후보 하나를 제조하는 데 몇 주가 걸릴 수 있어 많은 대안을 탐색하는 일은 느리고 비용이 많이 든다.
컴퓨팅 역량의 증가는 이 과정의 순서를 바꾸고 있다. 시뮬레이션을 실제 제조에 앞서 수행하면 연구자들이 실험실에서 시험할 가치가 있는 후보를 선별하는 데 도움이 된다. 모델과 독점 데이터베이스, 컴퓨팅 자원이 개선되면서 더 넓은 범위의 선택지를 검토하고 전통적인 시도로는 드러나지 않을 수 있는 성능 영역을 파악할 수 있게 된다.
이 접근법의 가치는 기존 재료의 개선판을 찾는 데만 있지 않다. 점진적인 개선으로는 필요한 목표를 달성할 수 없다는 사실을 조기에 밝혀 생산적이지 않은 경로를 포기하고 자원을 근본적으로 다른 해결책에 투입할 수도 있다. 이 글은 계산을 보조 도구로 사용하는 단계에서 실험 전 선별, 대규모 선별을 거쳐 재료 개발에 인공지능을 활용하는 단계로 점진적으로 전환되고 있다고 설명한다.
문제는 재료만의 문제가 아니다
첨단 제조 노드용 재료는 전기적 성능, 열적 거동, 기계적 특성, 순도, 제조 공정과의 호환성, 대량 생산 가능성 등 여러 조건을 충족해야 하며, 이 조건들은 때때로 서로 상충한다. 따라서 분석은 가능성의 범위가 확대됨에 따라 시행착오만으로는 충분하지 않다고 본다.
그러나 계산만으로 문제를 해결할 수는 없다. 재료는 특정 증착 공정 안에서 작동해야 하고 인접한 층들과 올바르게 상호작용해야 하며 최종 소자의 특성에 기여해야 한다. 따라서 이 글에 따르면 반도체 개발은 공급업체와 고객 간의 선형적 관계에서 소자 제조업체, 장비 회사, 재료 공급업체 간의 더욱 긴밀한 협력으로 전환되고 있다.
조기 협력은 공동 작업 중 엔지니어들이 발견하는 공정 상호작용, 절충점, 제약 등 공식 사양에는 일반적으로 드러나지 않는 실무 지식에 접근할 수 있게 한다. 그러나 이 모델은 기술적 위험이 낮아짐에 따라 투자를 점진적으로 늘리는 대신 더 이른 시점에 더 많은 자원을 배분해야 한다.
새로운 재료의 필요성은 어디에서 나타나는가?
분석은 새로운 시스템의 요구사항이 재료의 전환을 이끌 수 있는 여러 분야를 제시한다. 미세한 간격을 가진 구조에서는 소자의 추가 축소를 위해 박막 증착용 새로운 전구체 재료의 개발이 필요할 수 있으며, 분자 설계와 계산 선별, 공정 전문성을 결합해야 한다. 습식 공정에서 건식 공정으로의 전환은 이러한 상호작용의 사례로 부각된다.
인공지능 시스템에서는 데이터 자체의 이동이 성능과 에너지 소비의 제약으로 바뀌고 있다. 전기 신호 속도가 높아짐에 따라 광 회로와 포토닉 인터커넥트를 포함한 광학 솔루션의 필요성이 커진다. 이 글은 높은 속도로 신호를 변환할 수 있는 투명한 광도파로 재료와 유기 전기광학 재료의 기회를 언급하면서, 광학 성능과 제조 가능성, 신뢰성 사이의 균형이 필요하다고 지적한다.
전력 전자 분야에서는 데이터센터의 에너지 소비 증가로 더 높은 효율의 전력 변환이 중요해지고 있다. 질화갈륨(GaN)은 기존 실리콘 기반 솔루션과 비교해 더 낮은 온저항, 고전압 작동, 더 낮은 전력 손실 등의 가능성을 제공한다. 그러나 이러한 이점을 대규모로 실현하려면 확장 가능한 공정과 함께 고품질이면서 비용 효율적인 GaN 기판이 필요하다.
실제로 무엇이 변하는가?
기술 독자에게 가장 중요한 메시지는 재료가 제조 사슬의 후속 요소에 불과한 것이 아니라 시스템 구조를 결정하는 단계에 점점 더 일찍 관여하고 있다는 점이다. 이는 축적된 실험 데이터의 중요성을 높인다. 계산 모델과 인공지능도 신뢰할 수 있는 데이터의 부족을 쉽게 보완할 수 없기 때문이다. 또한 가치사슬 참여자 간의 협력은 단순한 공급 arrangements가 아니라 기술적·전략적 역량의 일부가 된다.
그럼에도 출처는 이러한 방법론을 사용해 실제 상업 생산에 도달한 재료에 관한 정량적 결과나 사례를 제시하지 않는다. 또한 각 경로의 일정, 비용 또는 규제상의 장애물도 구체적으로 정하지 않는다. 따라서 확실한 결론은 시뮬레이션, 데이터, 조기 협력을 통합하는 방향으로 산업이 나아가고 있다는 점이며, 이러한 아이디어가 실험실에서 대규모 제조로 전환되는 속도는 여전히 열린 질문으로 남아 있다.
certi.news의 해석: 실제로 변하는 것은 실험실을 컴퓨터로 대체하는 것이 아니라 양자 간 업무를 재분배하는 것이다. 시뮬레이션은 가능성이 낮은 실험의 수를 줄일 수 있지만, 제조 가능성과 재료·장비·인접 층 간의 호환성은 여전히 실질적인 검증이 필요하다. 이 글의 논지가 옳다면 고품질 재료 데이터를 보유하고 칩 개발 로드맵에 조기에 참여하는 기업은 제약이 설계나 생산의 장애물로 변하기 전에 이를 발견하는 데 더 유리한 위치에 서게 될 것이다.