AI & NEUROMORPHIC DEVICE LAB
포항공과대학교 반도체공학과
김세영 교수
Analog Deep Learning Accelerator
Electrochemical Memory
Neuromorphic Computing
홈
AI & NEUROMORPHIC DEVICE LAB
반도체공학과 김세영
AI & NEUROMORPHIC DEVICE LAB은 반도체공학과 내에서 AI 및 뉴로모픽 응용, AI를 위한 새로운 장치 및 소재 연구를 주도하고 있습니다. 최근 3년 동안 연구실은 뉴로모픽 컴퓨팅을 위한 전기화학 메모리와 관련된 여러 중요한 연구 성과를 발표하였으며, 특히 'Retention-aware Zero-shifting Technique for Tiki-Taka Algorithm-based Analog Deep Learning Accelerator'와 같은 아날로그 딥러닝 가속기 기술을 개발하였습니다. 또한, 'WOx channel engineering of Cu-ion-driven synaptic transistor array for low-power neuromorphic computing'와 같은 저전력 뉴로모픽 컴퓨팅을 위한 혁신적인 연구도 진행되었습니다. 이러한 연구 성과는 AI 및 뉴로모픽 장치 분야에서의 연구실의 강력한 역량을 보여주며, 다양한 산업체와의 협력 가능성을 높이고 있습니다.
Analog Deep Learning Accelerator
Electrochemical Memory
Neuromorphic Computing
대표 연구 분야
연구 영역 전체보기
저전력 뉴로모픽 컴퓨팅을 위한 고성능 전기화학 랜덤 접근 메모리
저전력 뉴로모픽 컴퓨팅을 위한 고성능 전기화학 랜덤 접근 메모리(ECRAM) 연구는 AI 및 뉴로모픽 응용을 위해 중요한 주제입니다. 이 연구는 신뢰성 높은 고정밀 전류 판독 기능을 갖춘 아날로그 인 메모리 연산 시스템을 개발하는 것을 목표로 합니다. 또한, 산화물 반도체와 같은 새로운 소재를 활용하여 높은 선형성과 대칭성을 갖춘 아날로그 뉴로모픽 시냅스를 구현하고, 높은 밀도의 시냅틱 배열을 통해 뉴로모픽 컴퓨팅 성능을 향상시킵니다. 나아가, 산소 결함 레벨을 조절하여 금속 산화물의 전도 특성을 최적화하고, 이온 이동을 가속화하여 시냅스 특성을 개선합니다. 이러한 연구는 전력 소모를 줄이면서도 높은 연산 성능을 제공하는 뉴로모픽 시스템 개발에 기여합니다.
주요 논문
73
발행물 전체보기
1
Verification of neuromorphic processing accuracy against non-ideal errors in synapse-based neural network systems
Jo Hwi Jeong, Kang Minil, Um Minseong, Kim Juhee, Kwon Kon-Woo, Kim Seyoung, Lee Hyung-Min
International Journal of Circuit Theory and Applications, 2025
2
Design Strategies of Capacitor-Based Synaptic Cell for High-Efficiency Analog Neural Network Training
Lee, B., Ji, W., Kim, H., Han, S., Park, G., Hur, P., Jeon, G., Lee, H.-M., Chung, Y., Son, J., Noh, Y.-Y., Kim, S.
Advanced Intelligent Systems, 2024
3
Attojoule Hexagonal Boron Nitride-Based Memristor for High-Performance Neuromorphic Computing
Kim, J, Song, J, Kwak, H, Choi, CW, Noh, K, Moon, S, Hwang, H, Hwang, I, Jeong, H, Choi, SY, Kim, S, Kim, JK
Small, 2024