차세대 3차원 적층형 NAND 플래시 메모리 소자 및 회로 설계는 고집적, 고성능, 저전력 메모리 시스템 구현을 위한 핵심 기술입니다. 본 연구실에서는 3D NAND 구조의 설계, 공정, 그리고 전기적 특성 분석을 통해 기존 평면형 메모리의 한계를 극복하고, 데이터 저장 용량과 신뢰성을 극대화하는 방법을 모색하고 있습니다. 특히, 채널 적층 구조, 고이동도 채널 소재, 그리고 고유전막 신소재의 도입을 통해 메모리 소자의 성능을 혁신적으로 향상시키고 있습니다. 이러한 연구는 실리콘 기반의 전통적 메모리 소자뿐만 아니라, HfO2, Al2O3 등 다양한 신소재를 활용한 새로운 소자 구조 개발로 확장되고 있습니다. 또한, 공정 미세화에 따른 셀 간 간섭, 프로그램/이레이즈 속도 저하, 데이터 유지 특성 저하 등 다양한 문제점에 대한 해석 및 최적화 기법을 개발하고 있습니다. 이를 위해 AI 기반 대규모 해석 플랫폼을 구축하여, 소자 및 회로의 동작 특성을 정밀하게 예측하고 최적화할 수 있도록 지원하고 있습니다. 본 연구실의 3D NAND 플래시 메모리 연구는 산업계와의 협력을 통해 실제 반도체 제조 공정에 적용되고 있으며, 삼성전자, 하이닉스 등 주요 반도체 기업과의 산학협력을 통해 실질적인 기술 이전과 상용화가 이루어지고 있습니다. 이러한 연구는 미래의 초고집적 메모리 시장을 선도할 수 있는 핵심 원천기술로 자리매김하고 있습니다.

인공지능 및 뉴로모픽 시스템을 위한 신경모방 소자와 인메모리 컴퓨팅 기술은 기존 폰 노이만 구조의 한계를 극복하고, 인간 두뇌와 유사한 병렬 연산 및 초저전력 연산을 구현하기 위한 차세대 반도체 기술입니다. 본 연구실에서는 RRAM, CTF(Charge Trap Flash), a-IGZO TFT 등 다양한 신소재 및 소자 구조를 기반으로 한 시냅스 소자와 뉴런 회로를 개발하고 있습니다. 이를 통해 스파이킹 뉴럴 네트워크(SNN), 인메모리 컴퓨팅(Processing-In-Memory, PIM) 등 첨단 AI 하드웨어 시스템의 구현을 목표로 하고 있습니다. 특히, 저항변화 메모리(RRAM)와 플래시 메모리 기반의 3차원 시냅스 어레이, 스토캐스틱 뉴런 회로, 커패시티브 커플링 기반의 행렬-벡터 곱 연산 가속기 등 다양한 하드웨어 아키텍처를 연구하고 있습니다. 이러한 소자 및 회로는 실제 패턴 인식, 이미지 분류, 음성 인식 등 다양한 AI 응용 분야에 적용되고 있으며, MNIST 등 공개 데이터셋을 활용한 시스템 레벨 시뮬레이션을 통해 우수한 성능을 입증하고 있습니다. 또한, 본 연구실은 AI 반도체의 신뢰성, 내구성, 에너지 효율성 향상을 위한 소자 물성 분석, 회로 최적화, 시스템 통합 기술을 함께 연구하고 있습니다. 이를 통해 차세대 인공지능 반도체 시장에서 요구되는 고성능, 저전력, 고신뢰성의 뉴로모픽 및 인메모리 컴퓨팅 솔루션을 제공하고, 미래 지능형 반도체 산업의 핵심 경쟁력을 확보하고자 합니다.