RnDCircle Logo
박종선 연구실
고려대학교 전기전자공학부
박종선 교수
기본 정보
연구 분야
프로젝트
발행물
구성원

박종선 연구실

고려대학교 전기전자공학부 박종선 교수

본 연구실은 VLSI 설계와 신호처리 회로를 기반으로 프로세싱 인 메모리, 온디바이스 AI 가속기, e-MRAM 기반 하드웨어 보안, 차세대 메모리 응용 반도체를 연구하며, 저전력·고성능·고신뢰성 반도체 시스템을 위한 회로 및 아키텍처 설계를 수행하고 있다.

대표 연구 분야
연구 영역 전체보기
VLSI 설계 및 신호처리 회로 thumbnail
VLSI 설계 및 신호처리 회로
주요 논문
5
논문 전체보기
1
article
|
hybrid
·
인용수 29
·
2024
Highly Reliable Magnetic Memory-Based Physical Unclonable Functions
Jaimin Kang, Donghyeon Han, Kyungchul Lee, San Ko, Daekyu Koh, Chando Park, Jaesoo Ahn, Minrui Yu, Mahendra Pakala, Sujung Noh, Hansaem Lee, Joonhyun Kwon, Kab‐Jin Kim, Jongsun Park, Soogil Lee, Jisung Lee, Byong‐Guk Park
IF 16
ACS Nano
Magnetic random-access memory (MRAM), which stores information through control of the magnetization direction, offers promising features as a viable nonvolatile memory alternative, including high endurance and successful large-scale commercialization. Recently, MRAM applications have extended beyond traditional memories, finding utility in emerging computing architectures such as in-memory computing and probabilistic bits. In this work, we report highly reliable MRAM-based security devices, known as physical unclonable functions (PUFs), achieved by exploiting nanoscale perpendicular magnetic tunnel junctions (MTJs). By intentionally randomizing the magnetization direction of the antiferromagnetically coupled reference layer of the MTJs, we successfully create an MRAM-PUF. The proposed PUF shows ideal uniformity and uniqueness and, in particular, maintains performance over a wide temperature range from -40 to +150 °C. Moreover, rigorous testing with more than 1584 challenge-response pairs of 64 bits each confirms resilience against machine learning attacks. These results, combined with the merits of commercialized MRAM technology, would facilitate the implementation of MRAM-PUFs.
https://doi.org/10.1021/acsnano.4c00078
Magnetoresistive random-access memory
Hardware security module
Physical unclonable function
Computer science
Materials science
Embedded system
Random access memory
Computer hardware
Cryptography
Arbiter
2
article
|
인용수 150
·
2020
Sensory Adaptation and Neuromorphic Phototransistors Based on CsPb(Br<sub>1–<i>x</i></sub>I<sub><i>x</i></sub>)<sub>3</sub> Perovskite and MoS<sub>2</sub> Hybrid Structure
Seongin Hong, Seung Hee Choi, Jongsun Park, Hocheon Yoo, Joo Youn Oh, E. H. Hwang, Dae Ho Yoon, Sunkook Kim
IF 16
ACS Nano
Sensory adaptation is an essential part of biological neural systems for sustaining human life. Using the light-induced halide phase segregation of CsPb(Br<sub>1-<i>x</i></sub>I<sub><i>x</i></sub>)<sub>3</sub> perovskite, we introduce neuromorphic phototransistors that emulate human sensory adaptation. The phototransistor based on a hybrid structure of perovskite and transition-metal dichalcogenide (TMD) emulates the sensory adaptation in response to a continuous light stimulus, similar to the neural system. The underlying mechanism for the sensory adaptation is the halide segregation of the mixed halide perovskites. The phase separation under visible-light illumination leads to the segregation of I and Br into separate iodide- and bromide-rich domains, significantly changing the photocurrent in the phototransistors. The devices are reversible upon the removal of the light stimulation, resulting in near-complete recovery of the photosensitivity before the phase segregation (sensitivity recovery of 96.65% for 5 min rest time). The proposed phototransistor based on the perovskite-TMD hybrid structure can be applied to other neuromorphic devices such as neuromorphic photonic devices, intelligent sensors, and selective light-detecting image sensors.
https://doi.org/10.1021/acsnano.0c01689
Neuromorphic engineering
Perovskite (structure)
Materials science
Photocurrent
Optoelectronics
Halide
Photodiode
Adaptation (eye)
Photodetector
Chemistry
3
article
|
인용수 28
·
2016
Mesostructured Hf<sub><i>x</i></sub>Al<sub><i>y</i></sub>O<sub>2</sub> Thin Films as Reliable and Robust Gate Dielectrics with Tunable Dielectric Constants for High-Performance Graphene-Based Transistors
Yunseong Lee, Woojin Jeon, Yeonchoo Cho, Min-Hyun Lee, Seong-Jun Jeong, Jongsun Park, Seongjun Park
IF 16
ACS Nano
We introduce a reliable and robust gate dielectric material with tunable dielectric constants based on a mesostructured HfxAlyO2 film. The ultrathin mesostructured HfxAlyO2 film is deposited on graphene via a physisorbed-precursor-assisted atomic layer deposition process and consists of an intermediate state with small crystallized parts in an amorphous matrix. Crystal phase engineering using Al dopant is employed to achieve HfO2 phase transitions, which produce the crystallized part of the mesostructured HfxAlyO2 film. The effects of various Al doping concentrations are examined, and an enhanced dielectric constant of ∼25 is obtained. Further, the leakage current is suppressed (∼10(-8) A/cm(2)) and the dielectric breakdown properties are enhanced (breakdown field: ∼7 MV/cm) by the partially remaining amorphous matrix. We believe that this contribution is theoretically and practically relevant because excellent gate dielectric performance is obtained. In addition, an array of top-gated metal-insulator-graphene field-effect transistors is fabricated on a 6 in. wafer, yielding a capacitance equivalent oxide thickness of less than 1 nm (0.78 nm). This low capacitance equivalent oxide thickness has important implications for the incorporation of graphene into high-performance silicon-based nanoelectronics.
https://doi.org/10.1021/acsnano.6b01734
Dielectric
Materials science
High-κ dielectric
Thin film
Optoelectronics
Nanotechnology
정부 과제
43
과제 전체보기
1
2024년 4월-2028년 4월
|241,965,000
온-디바이스 3D 뉴럴 모델링/렌더링을 위한 에너지 효율적인 고속 가속기 설계
● (연구목표) 본 과제의 목표는 제한적인 연산능력/메모리 상황에서도 고성능/고속의 사용자 맞춤형 온-디바이스 3D 뉴럴 모델링/렌더링을 지원하기 위해, 알고리즘-하드웨어 공동 설계를 통한 에너지 효율적인 고속 3D 뉴럴 모델링/렌더링 가속기 개발임● 구체적인 최종 목표는 에너지 효율적인 고속 3D 뉴럴 모델링/렌더링 가속기를 설계하고 28nm 공정으로 T...
3D 뉴럴 모델링/렌더링
가속기
회로 및 시스템
딥 뉴럴 네트워크
2
주관|
2023년 3월-2026년 12월
|1,076,350,000
e-MRAM에 기반한 고신뢰성 저전력 인증 하드웨어 개발
전체 내용) eMRAM 기반 고신뢰성 저전력 보안 하드웨어 개발 - eMRAM 기반 weak PUF 개발 - eMRAM 기반 strong PUF 개발 - eMRAM 기반 난수 발생기 개발 - 부채널 공격에 강인한 AES 하드웨어 개발 - 산학연 공동 연구를 통한 eMRAM 기반 보안 시스템 개발 및 이를 통한 사업화 연구개발 내용) 1) 저면적 저전력 보안 Key 생성용 eMRAM weak PUF 회로 개발 - eMRAM weak PUF 칩 1차 tape-out에 포함 - eMRAM weak PUF 칩 2차 tape-out에 포함 - 1T1MTJ weak PUF용 reference current generator 설계 - Offset cancellation sense amplifier 설계 - Sneak path current compensation circuit 설계 - PUF용 reference current generator 및 sense amplifier 보완 설계 - Memory-compatible PUF 설계 - Bias correction circuit 설계 및 data restore scheme - PTAT/CTAT 기반 reference current generator 및 low VDD sense amplifier 설계 2) PUF의 신뢰성 향상을 위한 Error correction code (ECC) 설계와 strong PUF를 위한 저전력 보안성 증강 알고리즘 개발 및 하드웨어 설계 - eMRAM strong PUF 칩 1차 tape-out에 포함 - eMRAM strong PUF 칩 2차 tape-out에 포함 - 보안 증강 알고리즘 및 시뮬레이션 개발 - 보안 증강 알고리즘의 하드웨어 설계 연구 - ECC 하드웨어 설계 및 검증 - Strong PUF 연산 지원을 위한 PIM 하드웨어 설계 연구 - 1차 tape-out칩 ML attack 안전성 검증과 보안 증강 알고리즘 개선 - 2차 tape-out을 위한 ECC 오류 정정 능력 개선 및 부채널 공격에 강인한 AES 설계 3) eMRAM 소자의 확률적 스위칭을 이용한 저전력 RNG 개발 - eMRAM RNG 칩 2차 tape-out에 포함 - 난수성 검정 및 칩 안정성 검증 환경 구축 - 저전력 high throughput RNG 설계 - VT-tracking 기반 adaptive write scheme 제안 - 외부요인 tolerant 및 저전력 high throughput RNG 설계 - Deterministic random bit generator (DRBG) 설계 - 난수발생기에 대한 난수성 검정 4) eMRAM PUF-RNG 기반 부채널 공격 방어가 가능한 AES 보안칩 개발 - PUF 보안시스템 구조 연구 및 테스트 베드 구축 - 부채널 환경 구축 및 안정성 검증 - 통합 보안칩 스펙 검토 및 보드 설계 - 통합 보안칩과 시스템 연동을 위한 FPGA 설계 - 통합 보안칩 디바이스 드라이버 개발 - 통합 보안칩 보드 검증 - 통합 보안칩 보드를 이용한 VPN 보안 시스템 구성 및 검증
임베디드자성메모리
물리적 복제 방지 기술
난수발생기
고급 암호화 표준
저전력
3
2023년 3월-2026년 12월
|1,049,133,000
e-MRAM에 기반한 고신뢰성 저전력 인증 하드웨어 개발
eMRAM PUF-RNG 기반 부채널 공격방어가 가능한 AES 보안칩 개발
임베디드자성메모리
물리적 복제 방지 기술
난수발생기
고급 암호화 표준
저전력
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2024군집화에 기반하여 렌더링에 필요한 가우시안을 식별하는 객체 렌더링 장치 및 객체 렌더링 방법1020240185251
등록2024인공 신경망을 이용한 근사 기반 디지털 컴퓨팅-인-메모리 설계 시스템 및 그 동작 방법1020240106178
등록2024데이터의 표현을 변환하여 연산하는 심층 신경망의 연산 장치 및 그 동작 방법1020240098025
전체 특허

군집화에 기반하여 렌더링에 필요한 가우시안을 식별하는 객체 렌더링 장치 및 객체 렌더링 방법

상태
공개
출원연도
2024
출원번호
1020240185251

인공 신경망을 이용한 근사 기반 디지털 컴퓨팅-인-메모리 설계 시스템 및 그 동작 방법

상태
등록
출원연도
2024
출원번호
1020240106178

데이터의 표현을 변환하여 연산하는 심층 신경망의 연산 장치 및 그 동작 방법

상태
등록
출원연도
2024
출원번호
1020240098025