확률연산 컴퓨팅을 위한 랜덤 자기 터널 접합 = Random Magnetic Tunnel Junctions for Probabilistic Computing

국문 초록 (Abstract)

무어의 법칙(Moore’s Law)에 따른 트랜지스터의 지속적인 스케일링에도 불구하고, 기존 폰 노이만(von Neumann) 구조에 기반한 범용 목적 컴퓨팅 방식은 인공지능(AI)과 같이 높은 에너지 효율성을 요구하는 계산 집약적 문제에 대응하는 데 한계에 직면하고 있다. 이러한 제약을 극복하기 위한 방안으로, 최근에는 특정 문제 해결에 최적화된 특수 목적 컴퓨팅(specialized computing) 기법에 대한 연구가 활발히 이루어지고 있다. 그 중에서도 확률 컴퓨팅(probabilistic computing)은 전통적인 결정론적 컴퓨팅과 양자 컴퓨팅(quantum computing) 사이의 중간 영역에 위치한 유망한 대안으로 주목받고 있다. 본 논문에서는 확률론적 컴퓨팅의 핵심 이론적 기반인 이징 모델(Ising model)을 소개하고, 이를 하드웨어적으로 구현하는 대표적 소자인 랜덤 자기 터널 접합소자(stochastic magnetic tunnel junction, s-MTJ)의 구조와 동작 원리를 상세히 설명한다. 아울러, 해당 기술이 적용될 수 있는 주요 응용 분야를 조망하고, 향후 연구에서 해결해야 할 기술적 과제와 발전 방향에 대해 논의한다.

다국어 초록 (Multilingual Abstract)

Despite continued transistor scaling in accordance with Moore’s Law, conventional general-purpose computing architectures based on the von Neumann model face significant limitations in addressing energy-intensive tasks such as artificial intelligence (AI). To overcome these challenges, increasing attention is being directed toward specialized computing paradigms optimized for specific problem domains. Among these, probabilistic computing has emerged as a promising alternative that lies between traditional deterministic computing and quantum computing. This paper presents a detailed overview of the theoretical foundation of probabilistic computing, centered on the Ising model, and describes its hardware implementation through a representative device: the stochastic magnetic tunnel junction (s-MTJ). Furthermore, the potential application areas of this technology are discussed, along with key research directions and technical challenges that must be addressed in future developments.