휘발성·비휘발성 공존 RRAM 시냅스 기반 뉴로모픽 및 광학/리저버 컴퓨팅

Neuromorphic and optical-enhanced reservoir computing using volatile-nonvolatile coexisting RRAM synapses

연구 내용

전기·광 자극에 의해 휘발성/비휘발성 거동이 공존하는 RRAM 멤리스터를 시냅스 가소성으로 모델링하고 STDP·PPF를 재현하여 리저버 컴퓨팅을 구현하는 연구

뉴로모픽 컴퓨팅에서는 시냅스의 비선형성과 시간의존 가소성이 학습과 추론 성능에 직접적인 영향을 줍니다. 본 연구는 ITO/IZO/TaN, ZrOx 기반 멤리스터, Pt/WOx/ITO 계열과 같이 휘발성·비휘발성 특성이 함께 나타나는 저항 스위칭 소자를 선택하여 전기 펄스 및 광(자외) 조건에서 서로 다른 동적 반응을 유도합니다. 이를 이용해 potentiation, depression, spike-timing-dependent plasticity, paired-pulse facilitation 등 시냅스 기능을 구현하고, 비선형·휘발성 성격을 활용한 optical-enhanced reservoir computing으로 확장합니다. 또한 PRAM-OTS 하이브리드를 통해 대면적 crossbar에서의 스니크 전류 완화와 멀티레이어 네트워크 적용 가능성을 함께 검토합니다.

관련 프로젝트

0건

연구 흐름

초기에는 ITO/IZO/TaN 구조에서 절연층 삽입과 전기·광 측정 조건을 연계하여 휘발성과 비휘발성이 공존하는 동작 경로를 규명하고, 이를 시냅스 응답으로 매핑하는 접근을 수행했습니다. 이후 ZrOx 기반 휘발성 멤리스터를 물리 리저버로 활용해 8-bit 연산을 구현하고, 전기 자극 조건에서의 동적 상태 변화로 reservoir 성능을 확장했습니다. 2024년 후반에는 Pt/WOx/ITO 인터페이스형 소자에서 다중 시냅스 가소성(가중치 변화, PPF, excitatory postsynaptic current)을 구성하는 방향으로 심화했습니다. 2025년에는 PRAM과 OTS의 결합을 통해 스케일러빌리티 관점의 네트워크 구현과 스파이킹/다층 동작을 함께 다루는 연구로 전개되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

광 자극 기반 시냅스 가소성 매핑
Optical-enhanced reservoir computing 모듈
STDP 및 PPF 재현 하드웨어 블록
비휘발성-휘발성 혼합 메모리 시냅스 어레이
저전력 패턴 생성용 물리 리저버
스파이킹 및 멀티레이어 학습 소자 플랫폼
crossbar 기반 스니크 전류 완화 소자 결합
멀티레벨 저항 상태 제어 기반 추론
자외/광 제어 뉴로모픽 인터페이스
인공지능 온디바이스 비선형 처리 장치