본 연구실은 차세대 반도체 소자, 특히 Gate-All-Around(GAA) 구조와 Complementary FET(CFET) 등 첨단 트랜지스터의 소형화 및 집적화에 대응하기 위한 시뮬레이션 및 공정 에뮬레이션 기술을 중점적으로 연구합니다. 최근 반도체 산업에서는 1nm 이하 노드의 극한 미세화가 요구되고 있으며, 이에 따라 GAA 및 CFET와 같은 새로운 소자 구조가 도입되고 있습니다. 본 연구실은 이러한 소자 구조의 전기적 특성, 신뢰성, 그리고 공정 변동성에 대한 심층적인 시뮬레이션을 수행하여, 차세대 반도체 소자의 설계 및 최적화에 기여하고 있습니다. 특히, Backside Power Delivery Network(BSPDN)와 같은 혁신적인 전력 공급 구조와의 결합을 통해 셀 면적의 최소화와 전력 효율의 극대화를 달성하는 연구를 진행하고 있습니다. 자체 개발한 공정 에뮬레이션 및 소자 시뮬레이션 코드를 활용하여, 실제 반도체 제조 공정에서 발생할 수 있는 스트레스 분포, 기생 소자, 그리고 다양한 공정 변수에 따른 소자 특성 변화를 정밀하게 분석합니다. 이를 통해 실리콘 기반뿐만 아니라 산화갈륨(Ga2O3) 등 새로운 소재 기반 소자에 대한 시뮬레이션도 폭넓게 수행하고 있습니다. 이러한 연구는 반도체 소자의 성능 향상뿐만 아니라, 신뢰성 확보 및 제조 공정의 효율화에도 큰 기여를 하고 있습니다. 또한, 시뮬레이션 결과를 바탕으로 실제 소자 설계에 필요한 피드백을 제공함으로써, 산업계와의 협력 및 기술 이전에도 적극적으로 참여하고 있습니다.

본 연구실은 나노스케일 반도체 소자에서 발생하는 양자 효과와 비평형 수송 현상을 정밀하게 해석하기 위해, Non-Equilibrium Green Function(NEGF) 및 결정론적 볼츠만 수송 방정식(BTE) 기반의 시뮬레이션 기법을 개발하고 있습니다. 10nm 이하의 초미세 채널 길이를 가지는 소자에서는 터널링, 양자 구속, 산란 등 다양한 양자 현상이 지배적으로 작용하므로, 기존의 준고전적 모델로는 한계가 있습니다. 이에 따라 본 연구실은 NEGF를 활용한 탄도 수송 및 산란 효과를 포함한 양자 수송 시뮬레이션을 통해, 실제 소자의 전류-전압 특성, 잡음, 고주파 응답 등을 예측하고 있습니다. 또한, 볼츠만 방정식의 결정론적 해석을 위한 구면 조화 함수 전개법, H-변환 등 첨단 수치 해석 기법을 도입하여, 소자의 소신호 해석, 잡음 분석, 그리고 시간 영역 및 주파수 영역에서의 동작 특성을 체계적으로 분석합니다. 이러한 시뮬레이션은 실험적으로 접근하기 어려운 나노스케일 소자의 내부 물리 현상을 규명하는 데 매우 중요한 역할을 하며, 소자 설계의 정확도를 크게 향상시킵니다. 특히, 본 연구실은 양자 수송 시뮬레이션의 효율성 향상을 위해 컴팩트 모델, 하이브리드 2D/3D 메쉬, 그리고 인공지능 기반의 초기해 생성 기법 등 다양한 혁신적 방법론을 개발하고 있습니다. 이를 통해 복잡한 소자 구조와 다양한 물리적 효과를 동시에 고려할 수 있는 고성능 시뮬레이션 플랫폼을 구축하고 있습니다.

최근 반도체 소자 시뮬레이션의 복잡성과 계산량이 급격히 증가함에 따라, 본 연구실은 인공지능(AI) 및 신경망(Neural Network) 기반의 시뮬레이션 가속화 기술을 적극적으로 도입하고 있습니다. 특히, Graph Neural Network(GNN)와 Convolutional Neural Network(CNN) 등 다양한 딥러닝 모델을 활용하여, 반도체 소자 구조의 자동 분류, 초기해 예측, 그리고 시뮬레이션 결과의 신속한 도출을 실현하고 있습니다. 이러한 AI 기반 접근법은 기존의 수치 해석 방식에 비해 계산 시간을 획기적으로 단축시키며, 복잡한 3차원 소자 구조나 비정형 데이터에 대해서도 높은 정확도를 유지할 수 있습니다. 예를 들어, 소자 구조 파일로부터 서브그래프 추출 및 분류를 통해 NMOS, PMOS 등 소자 종류를 자동으로 판별하고, 신경망이 예측한 초기 전위 분포를 활용하여 시뮬레이션의 수렴 속도를 크게 높이고 있습니다. 이와 같은 연구는 반도체 설계 및 검증 과정의 효율성을 극대화할 뿐만 아니라, 미래의 지능형 반도체 설계 자동화 및 최적화에도 중요한 기반 기술로 활용될 수 있습니다. 또한, AI와 물리 기반 시뮬레이션의 융합을 통해 새로운 연구 패러다임을 제시하고 있습니다.