전력 솔루션이 무어의 법칙을 따라갈 수 있도록 지원

전력 솔루션 및/또는 전력 소비, 에너지 효율성 또는 전체 에너지/탄소 발자국과 관련된 기타 분석 측면에서 시스템(또는 시스템 모음)을 평가할 때, 소스를 부하에서 분리하는 것이 도움이 됩니다. 가장 간단한 형태는 전원 공급 장치/솔루션을 이러한 소스가 제공하는 전력을 소비하는 최종 부하에서 분리하는 것입니다. 소스와 부하를 서로 "대화"하는 독립적인 블랙박스로 생각하십시오. 아래의 그림은 시스템을 블록 다이어그램 형식으로 임의로 분석한 것으로서, 시스템의 일반적인 소스와 일반적인 부하 간의 차이를 보여주기 위해 강조 표시된 컴퓨팅 또는 서버와 같은 아키텍처를 보여줍니다.


이와 같이 소스와 부하를 분리하여 구분하는 것은 수많은 엔지니어링, 제조, 공급망, 글로벌 경제 변수의 영향을 받는 다양한 구성요소가 포함된 복잡한 시스템(아마도 그 자체로 복잡한 각각의 시스템)에서 기술의 속도를 이해하려고 할 때 특히 중요합니다. 기하급수적인 개선의 흐름(트랜지스터 수, 피처 크기, 전력 밀도, 에너지 효율 등 특징 지표의 종류에 관계없이)이 사물의 소스 쪽보다 부하 쪽과 훨씬 더 관련이 있는 것은 우연이 아닙니다. 소스 측 구성요소는 자기, 전력 트랜지스터, 에너지 저장 장치가 주를 이루는 경향이 있습니다. 이러한 종류의 구성요소는 저전압 반도체처럼 매년보다 10년마다 주요 성능지수(FOM)가 두 배로 증가하는 경향이 있습니다.

전자 및 전기 장비에 대한 로드맵 개발 속도에 대한 고려는 일반적으로 무어의 법칙 [2]을 중심으로 수렴되며, 이는 모든 종류의 기술적 스케일링 규칙(Dennad 스케일링 [3] 참조) 또는 전통적인 의미의 물리적 법칙과 반대되는 트랜지스터 스케일링의 경제적 추세에 가깝습니다. 따라서 기술적으로 이러한 것들을 추적하지 않더라도 모든 것(예: 모든 구성요소, 공급망, 엔지니어링 노력)이 18~24개월마다 성능이 두 배로 증가하는 속도를 따른다는 일반적인 인식이 전자 산업에 있는 것 같습니다. 물론 "성능"의 의미론적 정의조차도 많은 논쟁의 대상이 될 수 있으므로 이 논의의 목적을 위해 잠시 미뤄둡니다.

집적회로(IC)의 트랜지스터 크기/개수에 대한 무어의 법칙의 영향 외에도 주요 시스템 전력 예산 감소를 주도하는 또 다른 추세가 있습니다. 무어의 법칙은 기하급수적인 속도로 계속해서 논리를 축소하고 미세전자기계시스템(MEMS [4])은 육안으로 거의 보이지 않을 정도로 센서를 축소하고 통합합니다. 하지만 여기서 명확히 구분해야 할 점이 있습니다. 무어의 법칙은 부하 전력을 크게 증가시키는 경향이 있지만(즉, 트랜지스터당 전력은 감소하지만 더 많은 트랜지스터를 집어넣으면 지정된 공간에서 전력 밀도 또는 소실된 전력이 지속적으로 증가함), MEMS는 개별 센서 전력이 기하급수적으로 감소하더라도 애플리케이션이 센서 수의 기하급수적 증가를 필요로 하지 않는 경향이 있기 때문에 부하 전력을 크게 감소시키는 경향이 있습니다. 한편, MEMS는 여러 센서의 통합(그리고 때로는 처리 및/또는 통신의 공동 패키징)을 주도하고 있습니다. 이에 대해서는 다음 섹션에서 자세히 설명합니다.

트랜지스터 피처 크기가 줄어들면 임계 전압도 감소하는데, 이는 사실상, IC가 지속적으로 감소하는 바이어스 전압 레일에서 작동할 수 있음을 의미합니다. 이것이 마이크로프로세서에 약 2.5/3.3V 레일을 요구하던 데서 약 1.2/1.5V 레일을 요구하는 데 이르렀다가 이제는 1.0V 미만의 전원 레일까지 요구하는 이유입니다. 언급한 바와 같이, 전력 밀도는 이러한 저전압 트랜지스터를 더 많이 패킹하여 여전히 증가하는 경향이 있으며, 이는 이러한 고밀도 부하에 필요한 입력 전류를 지속적으로 증가시키게 됩니다. 고밀도 부하는 또한 더 빠른 전압(약 100V/ns)과 전류(액 1,000A/µs) 전환 측면에서 과도 수요를 증가시켜 전원 공급 장치에 더 큰 부담을 줍니다.

전력 솔루션의 설계 및 최적화와 관련된 많은 리소스에서 강조한 바와 같이 시스템의 가장 일반적인 FOM은 크기, 무게 및 전력(일명 SWaP 요소) 특성입니다. 비용 지표와 결합하면 이를 SWaP-C 요소[5]로도 부를 수 있습니다. 감소하는 부하가 어떻게 정기적인 SWaP 개선을 이끄는지는 분명하지만 소스 쪽에서는 그렇지 않습니다.

좀 더 실용적인 의미에서는 어떻게 시스템이 시스템 구성요소, 특히 이 블로그의 맥락에서는 전력 솔루션을 통해 무어의 법칙과 같은 컴퓨팅 트랜지스터 밀도의 세대적 개선으로 인한 발전을 활용할 수 있는지를 중심으로 대화가 진행되어야 하는 것으로 보입니다. 전력 솔루션은 저전압 트랜지스터와 함께 축소되거나 1:1 비율로 전력 밀도를 충족할 필요가 없어 시스템이 부하의 점진적인 개선을 활용할 수 있습니다.

위에서 설명한 과도현상이 증가하면 전원 공급 장치를 높은 과도 부하에 더 가깝게 만들어야 할 필요성이 자연스럽게 발생합니다. 이는 더 높은 전류로 인해 더 어려워지는 열 방출(P=I2R) 및 전압 강하(V=IR)를 완화하여 효율성을 최적화할 뿐 아니라 이전 세대 시스템에서는 미미한 것으로 간주되는 기생 등가 직렬 인덕턴스(ESL, nH의 1s~10s)로 해 발생하는 심각한 전압 오버슈트를 방지하기 위한 것입니다. 이는 특히 질화갈륨(GaN), 탄화규소(SiC)), 갈륨비소(GaAs) 또는 질화알루미늄(AlN) [6]과 같은 와이드 밴드갭(WBG) 화학물질을 사용하여 더 빠른 전력 스위치를 활용하여 무어의 법칙 및 MEMS와 보조를 맞추기 위한 전력 솔루션의 주요 설계 과제를 강조합니다. 아래 그림은 구성요소 패키지의 이러한 작은 ESL만으로 어떻게 설계에 치명적인 영향을 미칠 수 있는지를 보여줍니다. 이는 이러한 전류 흐름을 가능한 한 잘 담은 매우 깔끔하고 빡빡한 레이아웃에 엄청난 시간과 노력을 쏟기도 전입니다. 고주파 자기 재료의 발전에 대한 R&D 부족이 현재 WBG 전원 스위치가 낼 수 있는 초고속 스위칭 속도의 잠재력을 최대한 활용할 때 최고의 장애물로 작용한다는 점에 유의해야 합니다.

소스(전력 솔루션) 가용성의 증가보다 훨씬 빠른 감소 추세에 놓인 부하(시스템) 전력 예산에 대해 앞서 언급한 점을 고려할 때, 더 큰 전원 공급 장치를 구현하는 데 대부분의 엔지니어링 주기를 투입하는 것보다 시스템 전력 예산을 절약하는 데 초점을 맞추면 무어의 법칙에 보조를 맞추는 것을 훨씬 더 쉽게 실현할 수 있습니다. 여기서 지능형 전원 관리(IPM) 기술이 빛을 발합니다. IPM은 "컴퓨터 시스템과 데이터 센터에서 전력의 분배와 사용을 최적화하는 하드웨어와 소프트웨어의 조합"입니다[9]. 이는 다른 어떤 것보다 설계에 접근하는 사고방식에 가깝기 때문에, 예를 들어 전력 서브시스템 아키텍처에 대한 접근 방식을 "항상 켜짐"에서 "항상 사용 가능" 사고방식으로 변경하면 최종 솔루션의 결과에 대해 패러다임의 변화를 가져올 수 있습니다.

에너지 저장 구성요소에 대해 에너지 밀도와 주기 수명 FOM의 증가에 대한 수요와 사용이 항상 있습니다. 자기학 로드맵과 마찬가지로 (안전하고 실용적인) 에너지 저장의 점진적 개선은 무어의 법칙의 속도와는 한 자릿수만큼의 커다란 차이가 있습니다. 그럼에도 불구하고, 이는 전력이 시스템 개선(예: 대부분 SWaP-C) 목표의 속도를 유지하도록 돕는 데 치명적인 걸림돌이 된다는 것을 의미하지는 않습니다. 이것이 가장 명확하게 드러나는 영역은 전력 솔루션을 최악의 경우(수요, 과도현상, 온도, 제조 공차, 안전 마진 등의 관점에서)에 맞춰 사이징할 때 시스템/애플리케이션의 요구 사항을 충족하면서 과잉 설계로 나아가지 않는 것 사이의 균형을 찾는 측면에서 매우 광범위한 주관성이 개입될 수 있는 경우입니다.

이 점은 또한 각각의 전력 솔루션을 설계/구현하기 전에 부하를 신중하게 특성화하는 것의 중요성과 타당성을 강조합니다. 예를 들어, 대부분의 경우에는 훨씬 더 낮고 안정된 상태의 전력 소비 수준을 보이는 시스템에 드물게 높은 전력 소비 피크가 있을 수 있습니다. 일부 국지적인 에너지 저장 장치로 수요를 충족하여 시스템의 나머지 부분이 더 낮고 안정된 전력 소비 상태에 맞춰 최적화되도록 둘 수 있는 상황에서, 모든 시스템의 전원 공급 장치, 업스트림 분배/홀드업 등을 드문 피크에 맞추어 설계하는 것은 (자본 및 운영 지출, 일명 CAPEX/OPEX 측면에서) 커다란 낭비입니다. 이것이 마이크로 전력에서 매크로 전력 설치 공간에 이르기까지 모든 시스템에 적용할 수 있는 피크 셰이빙(peak shaving)의 개념입니다.

IPM의 또 다른 형태는 부하 차단/통합/할당 기술을 활용하는 것입니다. 전력 소비를 줄이려면 끄는 것이 가장 좋으며, 유효 전력을 더 효율적으로 사용하려면 업스트림 전력 솔루션의 부하 대 효율 곡선의 피크 지점에서 부하가 작동하는 것이 가장 좋습니다. 따라서 사용하지 않는 서브시스템의 전원을 끄든(예: 절전 상태의 라디오, IC의 어두운 실리콘 블록) 독립적인 전원 공급 장치가 필요할 수 있는 더 작은 부하를 통합하든, 이는 사실상 더 밀도가 높고 더 효율적인 전력 솔루션을 구현할 수 있도록 지원합니다. 지능형 전력 할당의 예시는 집계된 피크에서 더 많은 전력을 소싱할 수 있지만(즉, 모든 포트가 최대 전력에서 동시에 작동) 모두 동시에 작동하지는 않으므로 그러한 집계된 피크를 소싱하도록 설계된 업스트림 전원 공급 장치가 없어야 하는 USB(Universal Serial Bus) 또는 PoE(Power-over-Ethernet) 포트와 같은 외부 전력이 필요하다는 현실적인 시나리오를 이해하는 것입니다.

또한 모든 시스템 부하가 모두 동시에 최대값으로 작동하는 경우는 드물기 때문에 모든 부하의 최대값(예: 데이터 시트상 최악의 경우 최대값)을 합산하여 시스템 전력 예산을 수립하는 것은 거의 모든 사용 사례에서 매우 실행 불가능합니다. 가능한 경우 복잡한 시스템에서 부하를 분리하여 그룹화하면 특정 전력 서브시스템을 최적화할 수 있으므로 SWaP-C를 최적화할 수 있습니다. 그러면 설계 엔지니어가 두 세계의 장점(무어의 법칙/MEMS 및 무어의 법칙 이외의 법칙/MEMS의 직접적인 영향)을 모두 활용할 수 있습니다.

전력 솔루션의 모든 측면이 무어의 법칙 및 MEMS(조만간 나노 전자 기계 시스템 또는 NEMS라고 더 많이 지칭하게 될 것) 장치의 발전과 직접 보조를 맞출 것이라고 과감하게 말하는 사람은 아무도 없습니다. 지난 몇 년간 업계 뉴스에서 흔히 묘사해 왔듯이, 무어의 법칙이 가까운 미래에도 (기존의 형태로든 그와 유사한 형태로든) 계속될지 여부조차 불투명합니다. 이로 인해 소스 가용 전력과 부하 전력 수요 사이에 격차가 생길 수 있지만, 이는 계속해서 기하급수적으로 증가하여 틈새를 더 벌려서 전력 서브시스템이 시스템 기능을 다시 축소해야 하는 이유가 될 정도의 격차는 아닙니다.

앞서 논의한 바와 같이 무어의 법칙과 MEMS가 정기적으로 제공하는 기술 향상을 계속 활용하기 위해 전력 솔루션 설계자와 시스템 엔지니어가 보조를 맞추기 위해 사용하는 창의적인 기술이 많이 있습니다. 그 핵심은 IPM 기술입니다. 이는 우리가 전통적인(예: 최악의 경우 피크) 의미에서 부하에 소스를 매칭하는 기초적인 방식보다 훨씬 더 스마트하게 매 와트에 접근하기 때문입니다. 에너지 저장 장치는 또한 시스템 크기 감소와 전력 밀도 증가라는 로드맵을 유지하면서 전체 시스템 성능 기대치를 안정적으로 충족하는 데 도움이 되는 툴박스 내에서 매우 과소평가되고 활용도가 낮았던 도구입니다.

결론적으로, 3DPP^® 및 기타 고급 패키징 기술은 자기학 또는 에너지 저장 장치에서만 볼 수 있는 것보다 주요 FOM을 더 크게 개선하기 때문에 소스와 부하 사이의 격차를 관리하는 선봉에 있습니다.

[1] B. Zahnstecher, “Best Practices for Low-Power (IoT/IIoT) Designs: SEPARATING THE SOURCE-SIDE & LOAD-SIDE ANALYSES,” ECCE 2022 자습서, 미시건주 디트로이트, 2022년 10월 9일.
[2] Wikipedia contributors, "Moore's law," 무료 백과사전 위키피디아, https://en.wikipedia.org/w/index.php?title=Moore%27s_law&oldid=1139518707 (2023년 2월 24일 접속).
[3] Wikipedia contributors, "Dennard scaling," 무료 백과사전 위키피디아, https://en.wikipedia.org/w/index.php?title=Dennard_scaling&oldid=1134445777 (2023년 2월 24일 접속).
[4] Wikipedia contributors, "Microelectromechanical systems," 무료 백과사전 위키피디아, https://en.wikipedia.org/w/index.php?title=Microelectromechanical_systems&oldid=1139870714 (2023년 2월 24일 접속).
[5] “Power Supply Design for maximum Performance,” RECOM 블로그, 2022년 10월 21일, https://recom-power.com/rec-n-power-supply-design-for-maximum-performance-229.html (2023년 2월 15일 접속).
[6] “DC/DC for GaN,” RECOM 블로그, 2022년 9월 16일, https://recom-power.com/rec-n-dc!sdc-for-gan-225.html (2023년 1월 23일 접속).
[7] E. Shelton, P. Palmer, A. Mantooth, B. Zahnstecher, G. Haynes, “WBG Devices, Circuits and Applications,” APEC 2018 단기 코스, 텍사스주 샌안토니오, 2018년 3월 4일.
[8] “Introducing RECOM 3D Power Packaging® (3DPP®),” RECOM 블로그, 2021년 2월 26일, https://recom-power.com/rec-n-introducing-recom-3d-power-packaging-%283dpp%29-145.html (2023년 1월 23일 접속).
[9] Data Center Facilities Definitions, "Intelligent Power Management (IPM)," TechTarget, https://www.techtarget.com/searchdatacenter/definitions/Data-center-design-and-facilities (2023년 2월 24일 접속).