죄송합니다. 더 이상 지원되지 않는 웹 브라우저입니다.

우주로 나아가는 AI 기술

PDF 다운로드

글/켄 오닐(Ken O’Neill), AMD 우주 시스템 설계자

오늘날의 우주 임무는 기후연구와 기상예보, 지리정보 및 재해경감 등과 같은 활동에 정보를 제공하기 위해 지속적으로 증가하는 더 많은 규모와 더 나은 품질의 데이터에 대한 기대치를 충족해야 한다. 또한 인류의 장기적인 미래에 대한 해결책을 모색하고, 더 먼 우주까지 이해를 넓힐 수 있는 심우주(Deep Space) 임무에 대한 관심도 높아지고 있다. 

일반적으로 오늘날의 우주선은 더 높은 해상도와 더 빠른 프레임 전송속도로 사진과 비디오를 캡처하거나 더 많은 수의 다중 스펙트럼 및 초분광 이미징 채널을 샘플링할 수 있는 원격 감지 위성 등과 같은 고성능 시스템을 장착하고 있다. 이러한 감지 애플리케이션의 발전은 증가하는 데이터 수요에 대응하고 있지만, 일반적으로 데이터 다운링크 대역폭 측면의 요건에는 부합하지 못하는 실정이다. 이로 인해 데이터 세트가 클수록 지상 관제소와의 데이터 교환이 길어지게 된다. 

데이터 분석을 통한 의사결정은 보다 신속하게, 때로는 실시간으로 이뤄져야 하기 때문에 충분한 시간이 주어지지 않는다. 이러한 데이터 다운링크 대역폭의 느린 속도를 향상시키기 위해 더 많은 대규모 프로세싱 소자들이 우주 시스템에 탑재되고 있다. 그러나 이를 위해 요구되는 훨씬 더 강력한 온보드 컴퓨팅 페이로드는 에너지 및 전력 수요를 증가시키고, 페이로드 무게 또한 증가시키기 때문에 위성 및 우주선을 설계할 때 이러한 모든 문제들을 신중하게 관리해야 한다.

온보드 AI 엔진 

우주 등급 칩에 탑재된 AI 컴퓨팅 엔진은 센서 데이터를 필터링하여 저전력 로컬 추론 및 효율적인 컴퓨팅을 지원함으로써 다운링크를 오프로드할 수 있는 솔루션을 제공할 수 있다. 

우주에서 자율적인 의사결정이 가능하다면, 최소한 임무 수행을 향상시키거나 어떤 경우에는 임무 자체를 가능하게 만들 수도 있다. 예를 들어, 지구 관측 위성은 캡처된 시각적 이미지에서 구름의 유무를 감지하기 위해 AI를 사용하기 시작했다. 구름에 의해 지표면의 상세 정보가 가려진 이미지들은 사실상 이용가치가 없기 때문에 이러한 이미지들을 폐기함으로써 저장 메모리나 다운링크 대역폭 사용을 효과적으로 절감할 수 있다. 

지표면의 객체를 실시간으로 식별해야 하는 안보 애플리케이션의 경우에도 객체 인식 AI를 통해 상업용 선박과 군함을 신속하게 구별함으로써 인간 개입으로 인해 분석 기간이 늘어나는 것을 방지하고, 대응시간 또한 단축할 수 있다. 

특히 행성이나 소행성에 착륙하도록 설계된 우주선은 통신 지연이 발생하면 지구에서 원격으로 착륙을제어할 수 없게 된다. 온보드 AI는 우주선이 자율적으로 실행 가능한 착륙 지점을 실시간으로 감지할 수 있도록 해준다. 

또한 AI 기술을 이용하여 전류와 전압, 온도, 기계적 변형 및 진동 등과 같은 측정된 파라미터의 이상여부를 감지하여 위성 및 우주선에 탑재된 시스템의 전반적인 상태를 모니터링하는 작업에도 관심이 높아지고 있다. 이를 통해 인간이 개입해 며칠, 또는 몇 주를 소요해야 하는 분석 주기를 거치지 않고 실시간으로 오류 감지 및 조기 경고 등을 지원할 수 있다. 특히 복잡한 최신 위성은 수천 개의 원격 측정 채널을 가지고 있지만, 지상에서는 이러한 원격 측정 채널의 서브셋만 이용할 수 있는 반면, AI는 모든 채널에 대한 실시간 분석이 가능하다. 

우주용 시스템의 과제

‘우주 AI’가 더욱 보편화됨에 따라 업계에서는 추론 작업부하를 호스팅할 수 있는 비용 효율적인 솔루션을 필요로 하고 있다. 임베디드 시스템에서 AI 추론을 구현하는 방법은 다양하다. 일반적인 접근방식은 FPGA나 GPU, TPU 및 특수 ASIC과 같은 컴퓨팅 디바이스에 통합된 전용 DSP 리소스를 이용하는 것이다. AI 엔진을 통합하고 있는 AMD 버설 AI 코어(Versal™ AI Core) 적응형 SoC와 같은 디바이스는 신경망에 필요한 MAC(Multiply-Accumulate) 연산을 훨씬 더 효율적으로 구현할 수 있도록 설계되었다.

그러나 이외에도 우주에서 운용되는 시스템이 갖춰야 할 여러 도전과제들 또한 고려해야 한다. 우주 시스템은 비용이 고가인데다, 일단 발사되면 수리가 불가능하다. 따라서 품질 및 신뢰성 보장이 매우 중요하다. 또한 이미 잘 알려진 바와 같이, 우주의 방사선 환경은 마이크로 전자장치에 매우 혹독한 영향을 미치기 때문에 상업용 등급의 부품들은 성능 및 누설전류가 점진적으로 저하(총 이온화 선량(Total Ionizing Dose, TID) 효과)되는 것은 물론, 갑작스러운 파괴적 방사선 효과(단일 이벤트 래치업(Single Event Latch-up, SEL) 효과)가 나타날 수도 있다. 

AMD의 클래스 B 품질 인증 및 제조 테스트 플로우는 모놀리식 IC의 품질 인증 및 테스트에 대한 미국 국방부 MIL-PRF-38535 클래스 B 사양에 기반하고 있다. 이러한 품질 인증은 AMD XQR 버설 AI 코어 적응형 SoC와 같은 우주 등급 제품에서 요구되는 첨단 유기 패키징에도 적용되었으며, 이미 극한의 온도 환경에서 수집한 이러한 부품에 대한 방대한 양의 품질 및 신뢰성 정보와 함께 제공된다. 또한 이러한 디바이스는 양성자와 중이온 및 감마 방사선에 노출되는 다양한 테스트를 통해 방사선 효과에 대한 특성 분석이 완료되었다. 이를 통해 이러한 디바이스를 사용하는 우주 시스템의 지속성을 보호하는 것은 물론, 기업들이 시스템을 구축한 후에도 하드웨어를 재프로그래밍하고, 필요한 OTA(Over-The-Air) 업데이트를 수행할 수 있도록 지원한다. 

마지막으로 중요한 부분은 장기간 지원 가능한 제품의 수명이다. 위성 제조업체들은 발사 후 몇 년이 지난 다음에도 지원이 필요한 경우가 있는데, 대부분의 상업용 마이크로 전자 부품들은 시간이 지나면서 노후화되거나 단종될 가능성이 크다. AMD는 전문적인 품질 및 신뢰성 엔지니어 팀을 비롯해 방사선 효과에 대한 테스트 및 특성화가 완료된 적응형 SOC와 출시 후 수 년간 지속되는 우주 등급 컴포넌트의 생산 및 지원을 통해 이러한 요구에 대응하고 있다. 

우주 임무 강화 

위성 및 우주선 센서의 성능은 급속도로 향상되었지만, 다운링크 대역폭은 이에 대응하지 못하고 있다. AI는 제한된 다운링크 대역폭 사용을 줄이는 동시에, 위성 센서에서 수집한 데이터를 사용하여 훨씬 더 빠른 또는 실시간 의사결정을 지원할 수 있는 가장 효과적인 방법이다. 전용 적응형 AI 엔진을 제공하는 적응형 SoC는 이를 보다 효율적으로 구현할 수 있다.