RnDCircle Logo
ASDCL
서울시립대학교 전자전기컴퓨터공학부 김윤 교수
인메모리 컴퓨팅
Processing In Memory
Compute-in-Memory
연구 영역
기본 정보
논문·특허
과제
구성원

ASDCL

서울시립대학교 전자전기컴퓨터공학부 김윤 교수

ASDCL(Advanced Semiconductor Device & Circuit Laboratory)은 차세대 반도체 소자 및 회로 기술을 선도하는 연구실로, 3차원 적층형 NAND 플래시 메모리, 신경모방 소자, 인메모리 컴퓨팅 등 첨단 반도체 분야의 핵심 원천기술을 개발하고 있습니다. 본 연구실은 반도체 소자의 설계, 공정, 해석, 그리고 회로 및 시스템 통합에 이르기까지 전주기적 연구를 수행하며, 실리콘 기반의 전통적 소자뿐만 아니라 다양한 신소재와 신구조를 도입하여 고집적, 고성능, 저전력 반도체 구현을 목표로 하고 있습니다. 특히, 3D NAND 플래시 메모리 분야에서는 채널 적층 구조, 고이동도 채널 및 유전막 신소재, AI 기반 해석 플랫폼 등 혁신적인 기술을 통해 메모리 소자의 집적도와 신뢰성을 극대화하고 있습니다. 또한, 플래시 메모리와 DRAM의 융합, RRAM, CTF 등 다양한 메모리 소자의 특성을 분석하고, 실제 반도체 제조 공정에 적용 가능한 최적화 기법을 개발하여 산업계와의 긴밀한 협력을 이어가고 있습니다. 뉴로모픽 및 인공지능 반도체 분야에서는 RRAM, a-IGZO TFT, 플래시 기반 시냅스 소자, 스토캐스틱 뉴런 회로 등 다양한 신경모방 소자 및 회로를 연구하고 있습니다. 이를 바탕으로 스파이킹 뉴럴 네트워크, 인메모리 컴퓨팅, 커패시티브 커플링 기반 행렬-벡터 곱 연산 가속기 등 차세대 AI 하드웨어 시스템을 구현하고, 실제 패턴 인식, 이미지 분류 등 다양한 응용 분야에 적용하고 있습니다. 본 연구실은 산업통상자원부, 과학기술정보통신부, 삼성전자, 하이닉스 등과의 산학협력 및 국가연구과제를 통해 실질적인 기술 이전과 상용화를 추진하고 있습니다. 또한, 다수의 우수 논문, 특허, 수상 실적을 바탕으로 국내외 반도체 학계 및 산업계에서 높은 평가를 받고 있습니다. ASDCL은 미래 반도체 산업을 선도할 창의적이고 도전적인 연구 인재를 양성하며, 첨단 반도체 소자 및 시스템 분야에서 세계적인 경쟁력을 갖춘 연구성과를 지속적으로 창출하고 있습니다. 앞으로도 차세대 메모리, 인공지능 반도체, 뉴로모픽 시스템 등 미래 지능형 반도체 기술의 혁신을 이끌어 나갈 것입니다.

인메모리 컴퓨팅Processing In MemoryCompute-in-MemoryNeuromorphic engineeringResistive random-access memory
대표 연구 분야
연구 영역 전체보기
RRAM·memristor 기반 뉴로모픽 시냅스 소자 및 학습 회로 연구 thumbnail
RRAM·memristor 기반 뉴로모픽 시냅스 소자 및 학습 회로 연구
Neuromorphic Synaptic Devices and Learning Using RRAM/Memristors
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
4
논문 전체보기
1
Article
|
인용수 0
·
2026
Hydrogen‐Stabilized Self‐Rectifying Memristor Arrays for Reliable Multilevel Synapses in Transformer‐Based Keyword Spotting
Seonjeong Lee, Seohyeon Ju, Won Joo Lee, Myounggon Kang, Sungjun Kim, Yoon Kim
IF 14.1 (2026)
Advanced Science
ABSTRACT This study proposes a strategy to simultaneously improve conductance uniformity and data retention characteristics by introducing the incremental step pulse with verify algorithm (ISPVA) technique and hydrogen (H 2 ) annealing into a non‐filamentary TiN/Ti/HfO 2 /TiO x /TiN resistive switching memory device. The high Schottky barrier formed at the Ti/HfO 2 interface induces asymmetric electron injection and limits reverse current flow, resulting in a rectifying ratio of approximately 1442. This self‐rectifying characteristic provides an intrinsic advantage in suppressing sneak currents in crossbar arrays. The ISPVA technique improves the linearity and uniformity of conductance modulation, enabling the implementation of up to 6‐bit multilevel states within a few‐µA current range. In addition, H 2 annealing stabilized conduction by forming hydrogen bonds with oxygen vacancies in the oxide layer and suppressing oxygen ion–vacancy recombination. As a result, data retention over 10 4 s and endurance exceeding 10 4 cycles were achieved even under a low energy consumption of 36.3 pJ. Furthermore, the experimentally obtained long‐term potentiation and depression characteristics were implemented in a Transformer‐based keyword spotting (KWS) model, achieving a recognition accuracy of 92.5%. These results suggest that the proposed device enables controlled analog conductance modulation with improved stability, showing its potential for Transformer‐based neuromorphic computing applications.
https://doi.org/10.1002/advs.76640
Neuromorphic engineering
Memristor
Conductance
Resistive random-access memory
Crossbar switch
Oxide
Schottky barrier
Schottky diode
Annealing (glass)
2
Article
|
·
인용수 12
·
2025
Synaptic metaplasticity and associative learning in low-power neuromorphic computing using W-diffused BaTiO₃ memristors
Muhammad Ismail, Hyesung Na, Maria Rasheed, Chandreswar Mahata, Yoon Kim, Sungjun Kim
IF 16.7 (2025)
Nano Energy
https://doi.org/10.1016/j.nanoen.2025.111276
Neuromorphic engineering
Memristor
Metaplasticity
Materials science
Associative learning
Artificial neural network
Nanotechnology
Computer architecture
Neuroscience
Synaptic plasticity
3
Article
|
·
인용수 60
·
2023
Synaptic Characteristics and Vector‐Matrix Multiplication Operation in Highly Uniform and Cost‐Effective Four‐Layer Vertical RRAM Array
Jihyung Kim, Subaek Lee, Sungjoon Kim, Sungjoon Kim, Seyoung Yang, Jung‐Kyu Lee, Tae‐Hyeon Kim, Muhammad Ismail, Chandreswar Mahata, Yoon Kim, Woo Young Choi, Sungjun Kim, Sungjun Kim
IF 18.5 (2023)
Advanced Functional Materials
Abstract This study implements a highly uniform 3D vertically stack resistive random‐access memory (VRRAM) with a four‐layer contact hole structure. The fabrication process of a four‐layer VRRAM is demonstrated, and its physical and electrical properties are thoroughly examined. X‐ray photoelectron spectroscopy and transmission electron microscopy are employed to analyze the chemical distribution and physical structure of the VRRAM device. Multilevel capability, reliable endurance (>10 4 cycles), and retention (10 4 s) are successfully obtained. Synaptic memory plasticity, such as spike time‐dependent plasticity, spike rate‐dependent plasticity, excitatory post‐synaptic current, paired‐pulse facilitation, and long‐term potentiation and depression is presented. Finally, the vector‐matrix multiplication (VMM) operation is conducted on a 4 × 12 VRRAM array, according to the low resistance state ratio. It is ascertained that the accuracy drop, which can occur due to VMM error, can be limited to a decrease of less than 0.44% point. Utilizing the high‐density, multilevel, and biological characteristics of VRRAM, it is possible to implement high‐performance neuromorphic systems that require densely integrated synaptic devices.
https://doi.org/10.1002/adfm.202310193
Materials science
Resistive random-access memory
Neuromorphic engineering
Stack (abstract data type)
Optoelectronics
Computer science
Voltage
Electrical engineering
Artificial neural network
최신 정부 과제
15
과제 전체보기
1
2025년 9월-2028년 8월
|196,139,000
신경 매니폴드 학습 기반 신경전극-PIM 프로세서 통합형 뇌-컴퓨터 인터페이스 시스템 개발
본 연구는 뇌-컴퓨터 인터페이스(BCI) 기술의 핵심 원천 기술 개발을 목표로 한다.○ 핵심 기술 1: PIM Neural Processor 기술 개발- 세계 최초로 휘발성 메모리 SRAM 어레이와 Mask ROM(Read Only Memory) 어레이가 융합 집적된 Neural Manifolrd Learning PIM 회로 및 시스템 기술 개발○ 핵심 기...
뇌-컴퓨터 인터페이스
신경전극
프로세스-인-메모리
물리적 인공지능
초저전력 시스템
2
2023년 4월-2027년 12월
|339,594,000
초고층 3D NAND 메모리를 위한 고이동도 채널/유전막 신소재 개발 및 AI 기반 대규모 해석 플랫폼 구축
[최종목표]o 500단 이상 3D NAND 메모리 셀 고성능/고집적화 기술 개발[1차년도 목표]o 차세대 유전막/채널 구조의 게이트 스택 공정, 동작 기법 개발 및 변동성 분석[2차년도 목표]o 차세대 유전막/채널 구조의 3D 집적 모듈 공정 개발 및 기존 3D NAND 플래시와 비교[3차년도 목표]o 3D 집적 모듈 공정 개선 및 셀 스케일링을 위한 공정...
고이동도 채널 물질
메모리 스케일링 기술
초고층 3D NAND 메모리 집적 모듈 공정
메모리 동작 기법 최적화
AI 기반 변동성 컴팩트 모델링 해석 플랫폼
3
2023년 4월-2027년 12월
|329,743,000
초고층 3D NAND 메모리를 위한 고이동도 채널/유전막 신소재 개발 및 AI 기반 대규모 해석 플랫폼 구축
본 과제는 500단 이상 3D NAND 메모리 셀을 더 고성능·고집적으로 만드는 기술 개발 연구임. 연구 목표는 차세대 유전막/채널 구조의 게이트 스택·동작 기법을 개발하고, 3D 집적 모듈 공정 및 셀 스케일링 공정을 개선하며, AI 기반 어레이 동작 기법 최적화와 신뢰성 실증을 수행하는 데 있음. ALD, VHF-PEALD 공정과 고이동도 채널, 유전막 특성 추출 및 변동성 분석, DTCO향 모델링, 머신러닝 기반 산포 최소화, AI 메모리 통합 플랫폼 구축을 핵심 연구 내용으로 함. 기대 효과는 변동성 감소와 신뢰성 향상, 시간 단축과 정확성 향상, 강유전체 기반 3D NAND 기술 선점 및 국내 반도체 산업 경쟁력 강화임.
고이동도 채널 물질
메모리 스케일링 기술
초고층 3D NAND 메모리 집적 모듈 공정
메모리 동작 기법 최적화
AI 기반 변동성 컴팩트 모델링 해석 플랫폼
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2024커패시터 기반 아날로그 ReLU 회로 및 그 동작방법1020240161675-
등록2024낸드 플래시 메모리 어레이를 활용한 부울 로직 연산 구현 방법1020240029760
공개2024Embedded NAND Flash 메모리와 Embedded DRAM이 융합된 하이브리드 메모리 장치1020240029747
전체 특허

커패시터 기반 아날로그 ReLU 회로 및 그 동작방법

상태
공개
출원연도
2024
출원번호
1020240161675

낸드 플래시 메모리 어레이를 활용한 부울 로직 연산 구현 방법

상태
등록
출원연도
2024
출원번호
1020240029760

Embedded NAND Flash 메모리와 Embedded DRAM이 융합된 하이브리드 메모리 장치

상태
공개
출원연도
2024
출원번호
1020240029747
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
세계최초
전압 합산(Voltage-Summation) 기반 CIM: AI 반도체 패러다임 전환
AI 요약 확인하기
기업협력
삼성전자·SK하이닉스가 인정한 미래 반도체 핵심 연구실
AI 요약 확인하기
AI하드웨어
소자부터 시스템까지, AI 반도체 Full-Stack 솔루션 역량
AI 요약 확인하기
산업핵심
초고집적 3D NAND 플래시 메모리 핵심 기술력
AI 요약 확인하기
신소재
차세대 뉴로모픽 시스템을 위한 3D 및 플렉서블 RRAM 소자
AI 요약 확인하기
융합기술
NAND와 DRAM의 장점을 결합한 혁신적 하이브리드 'NAD 메모리'
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
무료 리포트 확인하기