이 연구 주제는 메모리와 연산을 분리하는 기존 폰노이만 구조의 한계를 극복하기 위해, 메모리 소자 내부 또는 메모리 어레이 인접 영역에서 직접 연산을 수행하는 인메모리 컴퓨팅 기술을 중심으로 한다. 연구실은 특히 확률적 스위칭 특성을 보이는 차세대 메모리 소자를 활용하여, 데이터 이동에 따른 에너지 소모와 지연을 줄이고 인공지능 추론에 적합한 고효율 하드웨어를 구현하는 데 초점을 맞추고 있다. 이는 대규모 신경망 연산에서 병목이 되는 메모리 접근 비용을 줄여 저전력·고속 AI 시스템을 가능하게 하는 핵심 접근법이다. 세부적으로는 확률적 메모리 소자의 물리적 동작 특성을 회로 수준에서 모델링하고, 이를 활용할 수 있는 주변 회로 및 어레이 구조를 설계하는 연구가 포함된다. 또한 순방향 신경망, 스파이킹 신경망, 베이즈 네트워크, 추론 엔진, Ising 스핀 모델 등 다양한 계산 프레임워크에 대해 소자-회로-시스템 공동 최적화를 수행하는 방향이 강하게 나타난다. 이러한 연구는 단순히 메모리를 저장장치로 보는 관점을 넘어, 연산 기능을 내재한 지능형 메모리 구조로 확장한다는 점에서 차별성이 있다. 응용 측면에서는 엣지 AI, 저전력 센서 노드, 자율주행, IoT, 실시간 추론 시스템 등 전력 효율과 응답성이 중요한 분야에서 큰 파급력을 가진다. 특히 산업체 경력과 반도체 설계 경험을 바탕으로, 연구실은 실제 구현 가능성과 집적화 가능성을 고려한 회로 설계에 강점을 가질 것으로 보인다. 궁극적으로는 차세대 비휘발성 메모리와 AI 하드웨어를 결합해, 학습과 추론을 모두 효율적으로 수행할 수 있는 비폰노이만 컴퓨팅 플랫폼 구축을 지향하는 연구라고 볼 수 있다.

이 연구 주제는 인간 뇌의 정보처리 방식을 모사하는 뉴로모픽 하드웨어를 구현하기 위해, 스핀트로닉스 기반의 차세대 시냅스 소자와 이를 구동하는 회로 모델을 개발하는 데 중점을 둔다. 특히 스커미온 기반 멀티비트 스핀 시냅스 소자는 기존 CMOS 시냅스 소자의 한계를 보완하면서도 높은 집적도, 비휘발성, 낮은 에너지 소모를 기대할 수 있는 유망한 구조로 제시된다. 연구실은 이러한 스핀 소자의 다중 레벨 상태 제어와 안정성 확보를 통해, 뇌기능 모사형 신경망 하드웨어의 핵심 요소를 구축하고자 한다. 프로젝트 내용으로 볼 때, 16레벨 이상의 멀티비트 구현, 높은 TMR ratio, 열적 안정성 확보, potentiation/depression 특성 구현 등 소자 차원의 정밀 설계가 핵심 과제이다. 동시에 이러한 소자의 동작을 실제 뉴럴 네트워크 시스템에서 활용할 수 있도록 CMOS 뉴런 회로, 회로 모델링, 시스템 인터페이스 설계까지 함께 다루는 소자-회로 연계 연구가 수행되고 있다. 이는 단일 소자 특성 개선에 머무르지 않고, 실제 SNN 기반 뉴로모픽 플랫폼에서 학습 및 추론 기능을 수행할 수 있는 통합 구조로 발전시키려는 방향성을 보여준다. 이러한 연구는 초저전력 학습 시스템, 실시간 패턴 인식, 센서 융합, 지능형 임베디드 디바이스 등 차세대 AI 반도체 분야에 직접적으로 연결된다. 특히 스파이킹 신경망과 같은 이벤트 기반 계산 구조는 기존 딥러닝 가속기보다 에너지 효율이 높아, 향후 모바일·웨어러블·엣지 컴퓨팅 환경에서 중요성이 더욱 커질 가능성이 높다. 따라서 이 연구는 반도체 소자 물성, 스핀 기반 메모리, 아날로그/혼성 회로, 뉴로모픽 시스템을 아우르는 융합형 반도체 연구의 성격을 강하게 가진다.

연구실의 기반 역량은 반도체 소자와 회로 설계에 있으며, 이는 메모리 회로, AI 하드웨어, 그리고 다양한 전자소자 응용 연구로 확장되고 있다. 교수의 학력과 산업 경력, 그리고 연구 키워드를 종합하면 집적회로 설계와 메모리 시스템에 대한 깊은 이해를 바탕으로, 실제 반도체 구현을 염두에 둔 설계 지향적 연구가 중요한 축을 이룬다. 이러한 배경은 이론적 모델링뿐 아니라 제조 가능성과 산업적 파급력을 고려한 연구 수행에 유리한 기반을 제공한다. 제공된 논문들을 보면 초기 연구에서는 유연 전자소자, 투명 전극, OLED용 전극 구조, 나노섬유 기반 광산란층 등 기능성 전자재료와 소자 구조 설계 연구가 활발히 이루어졌다. 은 나노와이어, IZO 버퍼층, 전기방사 나노섬유, 나노패터닝 전극 등은 모두 전기적 안정성, 광투과도, 기계적 유연성, 광추출 효율 향상을 목표로 한다. 이는 단순한 재료 합성을 넘어, 소자 구조 최적화와 공정 설계를 통해 전기적·광학적 성능을 동시에 개선하려는 전자소자 공학적 접근으로 이해할 수 있다. 현재의 메모리 회로 및 AI 반도체 연구와 연결해 보면, 연구실은 재료-소자-회로를 유기적으로 잇는 폭넓은 반도체 연구 스펙트럼을 보유하고 있다고 해석할 수 있다. 즉, 기능성 소자 구조 설계 경험을 바탕으로 차세대 메모리와 뉴로모픽 회로로 연구 중심이 진화한 형태이며, 이는 미래 반도체 산업에서 요구되는 융합형 설계 역량과 맞닿아 있다. 앞으로도 고집적, 저전력, 고신뢰성 반도체 시스템 구현을 위해 소자 물리와 회로 설계를 통합하는 방향의 연구가 지속적으로 전개될 가능성이 높다.