상세 설명

본 연구실은 뉴로모픽 컴퓨팅과 인공지능 응용을 위한 저전력 메모리 소자 개발 및 모델링에도 주력하고 있습니다. 최근 인공지능 및 엣지 컴퓨팅의 발전에 따라, 기존의 폰노이만 구조를 극복할 수 있는 로직-인-메모리(Logic-in-Memory, LiM) 및 컴퓨팅-인-메모리(Computing-in-Memory, CIM) 기술이 각광받고 있습니다. 이를 위해 플로팅 게이트 FET(FGFET), 멤리스터(memristor), 저항변화 메모리(ReRAM) 등 다양한 차세대 메모리 소자와 회로를 연구하고 있습니다. 특히, 멀티레벨 셀 특성, 아날로그 저항 가변 특성, 시냅스 모방 특성 등 뉴로모픽 시스템 구현에 필수적인 소자 특성에 대한 심층 분석을 진행하고 있습니다. SPICE 및 Verilog-A 기반의 컴팩트 모델 개발을 통해 대규모 집적 회로 시뮬레이션이 가능하도록 하였으며, 실제 소자 제작 및 측정 결과와의 정합성을 확보하여 모델의 신뢰성을 높이고 있습니다. 또한, 다양한 소재(HfO2, ZnO, SnO2, WS2 등)와 구조를 적용한 멤리스터 소자의 신경망 학습, 패턴 인식 등 인공지능 응용 가능성도 실험적으로 검증하고 있습니다. 이러한 연구는 차세대 인공지능 하드웨어 구현에 필수적인 저전력, 고성능, 고신뢰성 메모리 소자 및 회로 기술을 확보하는 데 중추적인 역할을 하고 있습니다. 앞으로도 본 연구실은 뉴로모픽 및 인공지능 시스템의 실현을 위한 혁신적인 소자 및 모델링 연구를 지속적으로 선도해 나갈 것입니다.

키워드

관련 이미지

관련 자료