통합 TDA 플랫폼의 고도화: GAA NSFET의 noise 및 self-heating 특성 예측을 통한 TDA 플랫폼의 적용 분야 확대 및 정확성/신속성 고도화o TDA 플랫폼의 추정치와 TCAD 결과의 교차검증을 통한 플랫폼의 정확도 향상 o AI 기반 실시간 auto calibration 및 compact 모델링 시스템의 확장성 검증o Noise 및 ...

본 과제는 반도체 소자 개발에서 TCAD/EDA처럼 시간이 많이 걸리는 구조·물성·전기특성(IV,CV) 분석을 AI 기반 통합 TDA 플랫폼으로 단축하려는 연구임. 연구 목표는 2D 구조 FDSOI 소자 구조-전기적 특성 curve 사이 양방향 신경망을 통합 TDA 플랫폼으로 완성하고, sub 3 nm node GAA NSFET으로 확장성 검증하며 fully calibrated TCAD 구조·process mesh/physics 최적화로 IV,CV 빅데이터 및 BSIM CMG 모델 파라미터 빅데이터 생성에 있음. 기대 효과는 팹리스-파운드리의 compact 모델을 실시간 업데이트해 회로 검증·공정 맞춤화를 지원하고, AI 인력 양성 및 TCAD/EDA tool 독과점 완화에 기여함.

본 과제는 2D 구조 (FDSOI) 소자의 전기적 특성 curve (IV,CV)를 빠르게 예측·보정하는 TCAD/BSIM 예측 자동화 플랫폼 개발임. 연구 목표는 TCAD 구조/물성, BSIM 모델 파라미터의 빅데이터 확보와 실시간 auto calibration 및 compact model링 플랫폼 구축임. 핵심 연구내용은 14nm FDSOI의 2D TCAD 시뮬레이션 및 TEM 기반 공정·구조 고려로 빅데이터를 양산하고, IV,CV-curve와 TCAD/BSIM-IMG 구조·물성의 비선형 관계를 신경망으로 학습하는 예측 모델과 웹기반 플랫폼 및 API 구축임. 기대효과는 팹리스·파운드리 간 TDA 플랫폼 기반의 실시간 업데이트로 회로 검증 및 PDK 맞춤화가 가능해짐과 AI 인력 양성 및 기술 표준 제시에 기여함.

(1) 1차년도: 미술과 음악 작품 데이터베이스 구축 및 미학적/음향학적 cross-domain 특징 분석 ▶ 연구내용 ● 미술과 음악의 사조 중에 각 분야에서 컨텐츠와 스타일 분석이 비교적 명확하여 두 분야의 공통된 특징을 추출할 수 있을 것으로 예상되는 인상주의와 비교적 모호한 현대의 미니멀리즘에 해당하는 작품 데이터베이스를 구축한다. 이를 위해, 검색과 조회가 가능한 웹인터페이스의 데이터베이스 서버를 구축하고, 19세기 후반 ~ 20세기 초반의 인상주의 사조의 작품들과 20세기 중후반의 미니멀리즘 작품들을 작가와 미학적/음향학적 분류에 따라 구분하여 저장한다. ● 인공지능으로 미술(CNN 과 GAN 기반)과 음악(RNN 과 Transformer 기반) 작품의 single-domain generation 과 style transfer 를 구현 [25, 26] 하고, 데이터베이스의 작품들에 대한 공학적인 특징을 추출한다. ● 인상주의 미술과 음악의 컨텐츠와 스타일에 대한 공학적 특징들의 미학적/음향학적 의미를 연구하고, 이를 통해 두 예술 간의 공통된 특징과 구별된 특징을 구분하는 cross-domain 분석을 수행한다. (2) 2,3차년도: 예술적 분석과 개념을 적용한 cross-domain 생성과 변환 인공지능 개발 ▶ 연구내용: ● 인상주의 작품의 미학적/음향학적 cross-domain 분석 결과를 인공지능의 학습에 필요한 손실함수와 네트워크 구조에 적용하여, 미술작품에서 음악을, 음악에서 미술작품을 생성할 수 있는 cross-domain 창작 generator를 개발한다. 이 때, 규모가 작은 예술작품 데이터베이스로 인한 학습 성능 저하를 방지하기 위해, 큰 규모의 동영상 데이터베이스인 VGG-SOUND[27]를 pre-train 에 활용한다. ● 인상주의 미술과 음악의 cross-domain 분석 결과를 Encoder-Transformer-Decoder 구조의 인공지능에 적용하여, 정적 2차원 영상과 동적 1차원 소리 신호의 공통 특징을 찾는 encoder, 공통 특징 공간에서 변환을 수행하는 transformer, 변환된 특징을 음악 또는 미술로 복원하는 decoder를 가지는 music/image cross-domain style transfer를 개발한다. ● 개발된 인공지능을 통해 데이터베이스의 작품들 간의 cross-domain 생성과 변환을 통한 인공지능 창작품을 생성하고 수학적 관점에서 컨텐츠와 스타일의 유사 및 차이를 평가한다. ● 창작된 작품과 데이터베이스의 작품을 미학적/음향학적 관점에서 컨텐츠와 스타일의 유사 및 차이를 평가할 수 있는 기준을 마련하고, 작품을 평가 한다. ● 인상주의 미술과 음악에 대한 인공지능 창작품을 전시회 또는 연주회에 적용하고 참가 전문가들의 평가와 피드백을 수집한다. (3) 3,4차년도: 미술과 음악의 모호한 cross-domain 분석과 해석에의 인공지능 활용 ▶ 연구내용: ● 인상주의 미술과 음악의 cross-domain 생성 및 변환이 가능하도록 pre-train 된 인공지능을 공학적인 관점에서 미니멀리즘 미술과 음악까지 확장한다. 이 때, 스타일의 구분이 모호한 미니멀리즘의 특성을 고려하여 작품 간의 특징을 구분할 수 있도록 fine-grained learning 과정 [28] 을 추가하고, 성능의 일반화 가능성을 검증한다. ● 기 학습된 cross-domain 생성/변환 인공지능이 추출하는 작품의 특징 (encoding), 변환 방법 (transformer) 등을 활용하여 컨텐츠와 스타일 분석이 모호한 미니멀리즘 미술과 음악에 대해 미학적/음향학적인 공통점과 차이점, 특징을 분석학는 cross-domain 분석을 수행한다. ● 인공지능/예술 융합 교과목을 개발하여 적용하고, 인공지능을 이용한 미니멀리즘 트랜스아트 창작물을 전시회 또는 연ek.