RnDCircle Logo
arrow left icon

FuST Lab

한국과학기술원 반도체시스템공학과

김경민 교수

Metal-Insulator Transition

Thin-Film Diodes

3D Stacking Devices

FuST Lab

반도체시스템공학과 김경민

FuST Lab은 멤리스터를 중심으로 한 차세대 반도체 소재, 공정, 소자 및 시스템 개발을 선도하는 연구실입니다. 본 연구실은 멤리스터의 근본적인 물리 현상과 소자 메커니즘을 규명하고, 이를 바탕으로 신뢰성 높고 에너지 효율적인 차세대 반도체 소자 개발에 집중하고 있습니다. 전기 전도, 확산 동역학, 필라멘트 형성 등 멤리스터의 핵심 물리 현상에 대한 실험적·이론적 연구를 통해, 소자의 성능과 내구성을 극대화하고 있습니다. 첨단 박막 증착 기술(원자층 증착, 물리적 기상 증착 등)과 반도체 공정 개발은 FuST Lab의 또 다른 핵심 연구 분야입니다. 3D-TSV, Fan-out 패키징, 미세 피치 플립칩 본딩 등 차세대 반도체 패키징 및 배선 기술을 위한 신소재 및 공정 개발에 주력하고 있습니다. 구리 배선의 한계를 극복할 수 있는 새로운 금속 재료 탐색과, CMOS 공정과의 호환성 확보를 위한 연구도 활발히 이루어지고 있습니다. 본 연구실은 RRAM(ReRAM) 등 저항 변화형 메모리, 논리-인-메모리(Logic-in-Memory) 소자, 뉴로모픽(Neuromorphic) 소자 등 차세대 메모리 및 연산 소자 개발에도 앞장서고 있습니다. 멤리스터 기반의 논리-인-메모리 소자는 폰 노이만 병목 현상을 해결하고, 초저전력·고속 컴퓨팅을 가능하게 하여 미래 인공지능 하드웨어의 핵심이 되고 있습니다. 또한, 멤리스터의 확률성과 아날로그 특성을 활용한 신경모방 소자 및 시스템 연구를 통해, 인간 두뇌와 유사한 정보 처리 하드웨어 구현에 도전하고 있습니다. FuST Lab은 열 기반 컴퓨팅 및 바이오 영감 컴퓨팅 등 혁신적 연구 분야로도 영역을 확장하고 있습니다. 열 잡음과 폐열을 활용한 새로운 컴퓨팅 방식, 자연계의 정보 처리 원리를 모방한 바이오 영감 하드웨어 연구는 미래형 컴퓨팅 패러다임의 혁신을 이끌고 있습니다. 이러한 융합적 연구는 에너지 효율, 신뢰성, 적응성 등 다양한 측면에서 기존 컴퓨팅 시스템의 한계를 극복할 수 있는 기반을 마련하고 있습니다. 이처럼 FuST Lab은 소재 과학, 공정 기술, 소자 및 시스템 아키텍처까지 전주기적·융합적 연구를 통해, 반도체 산업의 미래를 선도하고 있습니다. 다양한 국제 학술지 논문, 특허, 산학협력, 그리고 우수한 인재 양성을 통해, 세계적인 연구 경쟁력을 확보하고 있습니다.

Metal-Insulator Transition
Thin-Film Diodes
3D Stacking Devices
멤리스터 물리 및 소자 메커니즘 연구
FuST Lab은 멤리스터의 근본적인 물리 현상과 소자 메커니즘에 대한 심층 연구를 수행하고 있습니다. 멤리스터는 저항 상태를 기억하는 특성을 가진 차세대 소자로, 전류와 전압의 관계, 전하 이동, 그리고 확산 동역학 등 다양한 물리적 현상이 복합적으로 작용합니다. 연구실에서는 이러한 멤리스터의 동작 원리를 규명하기 위해 전기 전도 메커니즘, 이온 및 전하의 이동, 그리고 나노스케일에서의 필라멘트 형성 및 파괴 과정을 실험적·이론적으로 분석하고 있습니다. 특히, 멤리스터의 신뢰성과 내구성 향상을 위해 다양한 재료와 구조를 도입하고, 전기적 특성의 변동성 및 확률성에 대한 연구도 활발히 이루어지고 있습니다. 최근에는 멤리스터 소자의 확률성을 기반으로 한 p-computing, 즉 확률적 컴퓨팅 하드웨어 구현에 대한 연구도 진행 중입니다. 이러한 연구는 기존의 디지털 컴퓨팅 한계를 극복하고, 에너지 효율적이며 새로운 계산 패러다임을 제시할 수 있는 기반이 됩니다. 이와 더불어, 멤리스터 기반의 신경모방 소자(Neuromorphic Device)와 논리-인-메모리(Logic-in-Memory) 소자 개발을 통해, 인간 두뇌와 유사한 정보 처리 및 저장이 가능한 하드웨어 시스템을 구현하고 있습니다. 이러한 연구는 미래 인공지능 하드웨어, 초저전력 컴퓨팅, 그리고 차세대 반도체 소자 개발에 중요한 역할을 할 것으로 기대됩니다.
첨단 박막 증착 및 반도체 공정 기술 개발
FuST Lab은 멤리스터 및 차세대 반도체 소자 구현을 위한 첨단 박막 증착 기술과 공정 개발에 주력하고 있습니다. 원자층 증착(Atomic Layer Deposition, ALD)과 물리적 기상 증착(Physical Vapor Deposition, PVD) 등 다양한 박막 증착 기법을 활용하여, 고균일성·고신뢰성의 금속 및 절연 박막을 구현하고 있습니다. 이러한 기술은 3D V-NAND, Fan-out Wafer Level Package(FOWLP) 등 복잡한 3차원 구조의 반도체 소자에도 적용이 가능하며, 차세대 패키징 및 배선 기술의 핵심이 됩니다. 특히, 기존 구리 배선의 한계를 극복하기 위한 새로운 금속 배선 재료 및 공정 개발에도 집중하고 있습니다. 구리의 저항 증가, 전자 마이그레이션(EM), 절연 파괴(TDDB) 등 신뢰성 문제를 해결하기 위해, 이론적 계산과 실험을 병행하여 차세대 배선 재료 후보를 탐색하고, CMOS 공정과 호환 가능한 증착 및 패터닝 기술을 개발하고 있습니다. 또한, 비전도성 필름(NCF), 에폭시 몰딩 필름(EMF) 등 패키징 소재의 개발과, 미세 피치 플립칩 본딩, 3D-TSV(Through Silicon Via) 인터커넥션 등 첨단 패키징 공정도 연구의 중요한 축입니다. 이러한 첨단 재료 및 공정 기술은 반도체 소자의 집적도와 성능을 극대화하고, 신뢰성 높은 차세대 메모리 및 로직 소자 구현에 필수적입니다. FuST Lab은 소재 과학과 공정 기술의 융합을 통해, 미래 반도체 산업의 혁신을 선도하고 있습니다.
차세대 메모리 및 인-메모리 컴퓨팅 소자 개발
FuST Lab은 RRAM(ReRAM) 등 저항 변화형 메모리 소자와 논리-인-메모리(Logic-in-Memory) 소자, 그리고 뉴로모픽(Neuromorphic) 소자 등 차세대 반도체 소자 개발에 집중하고 있습니다. RRAM은 멤리스터 기반의 비휘발성 메모리로, 빠른 동작 속도와 높은 집적도를 바탕으로 차세대 NAND Flash 대체 메모리로 주목받고 있습니다. 연구실에서는 RRAM의 동작 메커니즘, 신뢰성, 집적화 기술 등을 심도 있게 연구하고 있습니다. 논리-인-메모리 소자는 전통적인 폰 노이만 구조의 한계(메모리와 연산 장치 간 병목 현상)를 극복하기 위해, 메모리와 연산 기능을 하나의 소자 내에 통합한 혁신적 구조입니다. 이를 통해 데이터 이동에 따른 에너지 소모를 획기적으로 줄이고, 초저전력·고속 컴퓨팅이 가능합니다. FuST Lab은 멤리스터 기반의 논리-인-메모리 소자 설계, 집적화, 그리고 실제 하드웨어 구현에 이르기까지 전주기적 연구를 수행하고 있습니다. 또한, 인간 두뇌의 신경망을 모방한 뉴로모픽 소자 및 시스템 개발도 활발히 이루어지고 있습니다. 멤리스터의 아날로그적 특성과 확률성을 활용하여, 시냅스 및 뉴런 동작을 하드웨어적으로 구현하고, 인공지능 및 엣지 컴퓨팅에 최적화된 하드웨어 플랫폼을 제시하고 있습니다. 이러한 연구는 미래 AI 하드웨어, 자율주행, IoT 등 다양한 분야에 응용될 수 있습니다.
1
Higher-Order Temporal Dynamics in Complementary Charge Trap Memristor for High-Dimensional Reservoir Computing
Alba Martinez†, Younghyun Lee†, Geunyoung Kim, Woojoon Park, Jingyao Yu, Sooyeon Narie Kay, Eun Young Kim, Hakseung Rhee, Do Hoon Kim, Kyung Min Kim*
Advanced Functional Materials, 2025
2
Enantioselective Se lattices for stable chiroptoelectronic processing media
Junyoung Kwon†, Jae Bum Jeon, Min Gu Lee, Serin Jeong, Wonjin Choi, Kyung Min Kim, Jihyeon Yeom*
Nature Communications, 2025
3
Enhancing Johnson-Nyquist Noise for High-Performance Mott memristor-based Oscillatory TRNG
Gwangmin Kim†, Jae Hyun In, Hakseung Rhee, Woojoon Park, Hanchan Song, Kyung Min Kim*
npj Unconventional Computing, 2025