김형진 연구실
한양대학교 신소재공학부
김형진 교수
멤리스터 크로스바 어레이
뉴로모픽 컴퓨팅
인메모리 컴퓨팅
홈
김형진 연구실
한양대학교 신소재공학부 김형진 교수
김형진 연구실은 멤리스터/멤캐패시터 크로스바 어레이와 비휘발성 메모리 소자를 기반으로 인메모리 연산을 구현하는 연구를 수행합니다. 뉴로모픽 관점에서 VMM과 가중치 미세 조정, 바이너리 양자화와 활성 함수 매핑을 하드웨어 추론으로 연결하는 구조를 검토합니다. 또한 임계 논리, 연관 메모리, 조합 최적화, 하드웨어 보안용 PUF처럼 로직과 메모리 기능을 통합하는 방향의 크로스바 논리도 연구합니다. 시냅스 트랜지스터 및 RRAM에서는 리튬이온 전해질 기반 LATP 소자, Cs2SnI6 납-프리 페로브스카이트, 수직 SiN RRAM 등 재료 특성에 따른 학습 가중치 업데이트 거동을 분석하고, 강유전체 메모리의 in-memory computing 적용 과제를 재료-소자 공동 설계 관점에서 정리합니다.
멤리스터 크로스바 어레이뉴로모픽 컴퓨팅인메모리 컴퓨팅바이너리 신경망RRAM 가중치 소자
대표 연구 분야
연구 영역 전체보기
멤리스터/멤캐패시터 크로스바 기반 뉴로모픽 인메모리 연산 연구
Neuromorphic In-Memory Computing on Memristor/Memcapacitor Crossbar Arrays
연구 분야 상세보기
멤리스터/멤캐패시터 크로스바 기반 뉴로모픽 인메모리 연산 연구
Neuromorphic In-Memory Computing on Memristor/Memcapacitor Crossbar Arrays
연구 분야 상세보기
멤리스터 크로스바 기반 프로그래밍가능 논리·최적화·연관 메모리 연구
Programmable Logic, Optimization, and Associative Memory on Memristor Crossbar Arrays
연구 분야 상세보기
시냅스 트랜지스터 및 RRAM 재료 기반 학습 가중치 소자 연구
Synaptic Transistors and RRAM Materials for Learning-Weight Devices
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 1
·
2025Energy-efficient Ising solver implementations in forming-free memristor crossbar arrays for combinatorial optimization problems
Sangwook Youn, Kyuree Kim, Jinwoo Park, Hyungjin Kim
IF 17.1 (2025)
Nano Energy
https://doi.org/10.1016/j.nanoen.2025.111633
Solver
Crossbar switch
Memristor
Ising model
Resistive random-access memory
Simulated annealing
Entropy (arrow of time)
Conductance
Scalability
2
Article
|
·
인용수 0
·
2025Nonlinear quantized conductance dynamics in vertical SiN RRAM for scalable memory-learning integration
Jihee Park, Nawoon Kim, Hyesung Na, Hyungjin Kim, Sungjun Kim
IF 14.3 (2025)
Journal of Material Science and Technology
https://doi.org/10.1016/j.jmst.2025.11.034
Neuromorphic engineering
Conductance
Resistive random-access memory
Memristor
Nonlinear system
Scalability
Artificial neural network
Protein filament
MNIST database
Resistive touchscreen
3
Article
|
·
인용수 14
·
2025Physical Unclonable Function with 3D Stacked Memristor Crossbar Array Using Self-Differential Pair
Jinwoo Park, Hyungjin Kim
IF 16 (2025)
ACS Nano
또한 제작된 3D 크로스바 어레이를 재프로그래밍함으로써 사이클 간 변화를 가능하게 하여, 가변성이 입증되었다. 더 나아가, 기계 학습 기반 공격 시뮬레이션과 국립표준기술연구소(National Institute of Standards and Technology, NIST) 시험 모음(NIST test suites)을 통해 강건성과 난수성이 검증되었다. 본 접근법은 3D 적층 멤리스터 크로스바 어레이의 자기-차분 페어링(self-differential pairing) 방식에 의해 강건한 엔트로피 원천을 제공함으로써 암호학적 보안을 향상시킬 것으로 기대된다.
https://doi.org/10.1021/acsnano.4c18621
Crossbar switch
Memristor
Physical unclonable function
Reconfigurability
Materials science
Robustness (evolution)
Computer science
Optoelectronics
Topology (electrical circuits)
Electronic engineering
최신 정부 과제
27
과제 전체보기
1
2025년 3월-2027년 12월
|973,000,000원1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발
○1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발1. 1000 TOPS/W 달성에 필수적인 전력 효율성, 신뢰성, 소자 집적도가 높은 훈련용 3D 시냅스 소자를 상변화 메모리(3D V-PCM)와 3D Ferroelectric NAND 기술로 구현 2. 각각 훈련과 추론에 요구되는 성능에 최적화...
end-to-end 아날로그
시냅스-링크 알고리즘
평형 전파 알고리즘
상변화 메모리
3차원 단일공정 집적
2
2025년 3월-2027년 12월
|753,667,000원1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발
○1000 TOPS/W 이상 달성을 위한 end-to-end analog 뉴로모픽 소자, 알고리즘, 아키텍처 개발1. 1000 TOPS/W 달성에 필수적인 전력 효율성, 신뢰성, 소자 집적도가 높은 훈련용 3D 시냅스 소자를 상변화 메모리(3D V-PCM)와 3D Ferroelectric NAND 기술로 구현 2. 각각 훈련과 추론에 요구되는 성능에 최적화...
end-to-end 아날로그
시냅스-링크 알고리즘
평형 전파 알고리즘
상변화 메모리
3차원 단일공정 집적
3
2024년 9월-2027년 9월
|300,000,000원Si/IGZO 모놀리식 3D 집적 기반 다기능 AI 가속기 구현
Si/IGZO 3차원 적층형 모놀리식 집적 기반 다기능 저전력 AI 가속기 개발
Si/IGZO 공동 집적
모놀리식 3D 집적
AI 가속기
플래시 메모리
시냅스 뉴런 어레이
최신 특허
특허 전체보기
전체 특허
멤커패시터 기반 난수 발생기 및 난수 발생 방법
상태
공개출원연도
2024출원번호
1020240093774인공신경망 구현을 위한 3차원 적층형 시냅스 어레이 스트링
상태
등록출원연도
2022출원번호
1020220143504고신뢰성 물리적 복제불가 함수 기술
상태
등록출원연도
2022출원번호
1020220070009