기본 콘텐츠로 건너뛰기

약간의 카페인이 운동 선수의 성적을 높인다.

  (AI 생성 이미지) ​ ​ 카페인 섭취는 일부 운동 경기에서 더 좋은 성적과 연관이 있습니다. 특히 사이클링, 달리기, 수영 경기 기록에서 도움이 되서 실제로 많이 사용되고 있습니다. 이와 관련해서 스포츠 의학에서 여러 연구가 이뤄졌는데, 결론적으로 적당한 수준으로 섭취할 경우 실제 기록 단축으로 이어질 수 있지만, 너무 많은 경우 역효과가 날 수 있습니다. ​ 최근 저널 영양학 (Nutrients)에 발표된 메타 분석에 따르면 운동 전 저용량 카페인 섭취(1.3~3mg·kg⁻¹)나 6mg/kg 정도까지 중간 용량 섭취가 전반적인 유산소 운동 능력을 향상시킬 수 있지만, 이보다 더 고용량으로 갈수록 오히려 운동 능력을 줄어드는 역효과가 나타날 수 있습니다. ​ 연구팀은 48개의 개별 임상 시험을 면밀히 조사하여 카페인이 사이클링, 달리기, 수영 경기 기록에 정확히 어떤 영향을 미치는지 밝혀냈습니다. 연구 결과 눈에 띄는 속도 향상(약 2% 증가)을 위한 최소 섭취량이 많은 사람들이 생각하는 것보다 훨씬 적다는 것을 확인했습니다. ​ 흥미로운 대목은 운동 종류도 영향을 받는다는 것입니다. 메타분석에 포함된 48개 연구의 운동 종류별 분포를 보면 사이클링이 가장 많은 연구(33개, 68.8%)를 차지했으며, 그 다음으로 달리기(13개, 27.1%)가 많았습니다. 조정(1개, 2.1%)과 기타 운동(1개, 2.1%)은 매우 적은 비중을 차지했습니다. ​ 사이클링 기반 연구가 압도적으로 많은 것은 카페인이 경기력에 미치는 영향에 대한 현재의 근거가 주로 사이클링 연구에서 비롯되었으며, 다른 지구력 스포츠에 대한 데이터는 상대적으로 제한적이라는 점을 보여주고 있습니다. ​ 카페인의 효과는 중추신경계 자극, 즉 각성도 증가에 기인하는 것으로 보입니다. 참고로 카페인은 스포츠에서 금지 약물이 아닌데, 일반적으로 음용하는 커피, 차는 물론 콜라에도 포함되어 있을 뿐 아니라 연구에서 볼 수 있듯이 과량 복용 시 오히려 가슴 두근거림 등 부작용으로 과량 ...
최근 글

서브 1nm (0.7nm) 공정 기술을 공개한 IBM

  (출처 : IBM) ​ ​ IBM이 세계 최초의 sub-1nm 공정인 0.7nm (7 angstrom, 7Å) 노드를 공개했습니다. 물론 이는 과거처럼 게이트 길이(물리적 치수)를 정확히 나타내는 숫자가 아니라, 제조 공정 세대와 밀도를 상징하는 마케팅/산업 명칭입니다. ​ 실제로는 회로 어디에도 0.7nm인 부분이 없기 때문에 잘못된 명칭이고 이에 대한 지적도 끊이지 않고 있는데, 일론 머스크도 원자 수로 최소 피처 크기를 명명해야 한다고 지적했습니다. 이는 일견 타당한 주장이지만, 크기로 노드 명을 정하는 관행 때문에 이를 쉽게 바꿀 것 같지는 않아 보입니다. ​ 아무튼 0.7nm와는 거리가 멀긴 해도 IBM의 0.7nm 기술 자체는 놀라운 성과입니다. 가잘 중요한 혁신은 나노스택 (Nanostack) 아키텍처 입니다. 이는 IBM이 개발한 새로운 3D 트랜지스터 구조로 기존 나노시트 (nanosheet) GAA(Gate-All-Around) 기술을 한 단계 더 발전시켜 트랜지스터를 수직으로 쌓으면서(stacking) 서로 어긋나게 (stagger) 배치한 것입니다. ​ 하나의 기본 트랜지스터 단위가 3개의 나노시트를 쌓은 것인데, 각 나노시트의 두께는 약 5nm로 실리콘 원자 15줄 정도에 불과합니다. IBM에 따르면 트랜지스터 밀도는 손톱 크기칩에 거의 1,000억 개 수준으로 IBM의 2021년 2nm 공정 대비 거의 2배입니다. 또 2nm 대비 최대 50% 더 높은 성능 또는 70% 더 높은 에너지 효율을 달성했다고 합니다. ​ 다만 현재는 실험적 검증 완료 (functional CMOS inverter 등) 단계로 상용 생산까지 최소 5년 정도 소요될 것으로 보입니다. 새로운 공정 노드로 전환하는 데는 적합한 재료를 찾는 것부터 새로운 리소그래피 장비를 설계하고 조립 라인에서 사용 가능한 칩을 충분히 생산하는 것까지 많은 노력이 필요합니다. ​ 참고로 IBM 자체는 과거 글로벌 파운드리에 반도체 생산 시설을 매각한 후 현재는 ...

차세대 AI 스토리지 - HBF 메모리에 승부 건 샌디스크

  (출처 : 샌디스크) ​ ​ AI 연산에서 중요한 것은 대용량의 데이터를 빠르게 불러오는 일입니다. 현재의 낸드 플래시 스토리지 (SSD 같은)는 CPU와 GPU와 멀리 떨어져 있어 대규모 AI 데이터 처리에 사실 적합한 형태가 아닙니다. 스토리지 전문 제조사인 샌디스크는 이 병목 문제를 해소하기 위해 2025년부터 고대역폭 플래시 (High Bandwidth Flash (HBF)) 기술에 투자하고 있습니다. SK 하이닉스 역시 HBF에 관심이 있어 샌디스크와 협력 중입니다. ​ 이전 포스트: https://blog.naver.com/jjy0501/223760693153 ​ https://blog.naver.com/jjy0501/224057373483 ​ HBF는 HBM과 유사한 스택킹 아키텍처를 낸드 플래시 메모리에 적용한 기술이라고 할 수 있습니다. HBM이 D램을 여러 층으로 쌓아(Stacking) TSV(Through Silicon Vias)로 연결한 것과 달리 HBF는 플래시 메모리를 TSV로 쌓아 적층한 구조입니다. HBM이 현재 스택당 32~64GB 정도의 용량을 지닌 데 비해 HBF의 목표 용량은 최대 4TB 수준으로 매우 높기 때문에 대규모 데이터 학습 및 추론에 적합합니다. ​ 다만 기본적으로 낸드 플래시 메모리는 비휘발성인 대신 D램과 비교해서 속도가 느리고 지연 시간이 길다는 문제점이 있었습니다. HBF는 이러한 낸드 플래시 메모리의 단점을 스택킹과 고대역폭 인터페이스로 보완합니다. 특히 핵심은 샌디스크의 최근 특허 (US 12,430,274 B2)에 있습니다. 이 특허는 단순한 적층을 넘어 Compute(연산)와 낸드 다이를 하나의 칩/패키지에 통합하는 방법입니다. (사진 참조) ​ 궁극적으로 CBA (CMOS Bonded Array) 기술을 통해 낸드 메모리 타일과 CMOS 로직 회로 타일을 결합하고 3D 적층으로 이 타일을 컴퓨트 타일 (GPU 또는 AI 가속기) 바로 아래/위에 ...