유기·옥사이드 멤리스터 기반 시냅스 소자 및 가소성 제어 연구

Synaptic Device and Plasticity Control for Organic/Oxide Memristors

연구 내용

유기·옥사이드 멤리스터에서 전하 주입과 전도 필라멘트 형성을 제어해 STP/LTP/항상성 가소성을 구현하고, 크로스바 기반 유연 하드웨어 신경망을 위한 공정 신뢰성을 확보하는 연구

이 분야는 유기·옥사이드 멤리스터를 인공 시냅스 메모리로 사용하기 위해 저항변환 미세구조를 정밀하게 제어하는 데 집중합니다. 전하 주입을 억제하거나 소스-세믿컨덕터 계면 장벽을 조정해 전도 경로의 위치와 확률 분포를 안정화하고, 금속 필라멘트 성장과 이온 주입 조건을 조절해 가중치가 점진적으로 변화하도록 설계합니다. 또한 폴리머 전극 라인 패터닝과 용액공정 패브리케이션 공정을 최적화해 크로스바 어레이에서의 신뢰성과 균일성을 확보하며, 스파이킹 동작 및 연속 가중치 학습이 가능한 하드웨어 신경망 구현을 목표로 합니다.

관련 프로젝트

5건

연구 흐름

초기에는 유기 및 고분자 매질에서의 필라멘트 성장 거동과 전도 경로 형성 메커니즘을 규명하고, 생체 유사 시냅스 가소성의 구현 가능성을 확인하는 방향으로 연구를 수행했습니다. 이후에는 전하 주입 억제, 이온 주입 밀도 제어, 전극 및 계면 공학을 통해 동작의 재현성과 가중치 분포 특성을 개선했습니다. 동시에 용액공정 기반 전극 패턴의 결함을 줄이기 위한 마이크로몰딩/흐름 제어 공정도 함께 정립했습니다. 최근에는 작은 분자 기반 멤리스터 프레임워크와 유연 기판 집적을 통해 reservoir computing 및 유연 신경망 학습으로 확장하는 흐름을 보이고 있습니다.

활용 가능성

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

유연 크로스바 하드웨어 신경망
아날로그 가중치 조절 메모리
스파이킹 뉴럴 네트워크용 시냅스 소자
저전력 학습형 인공 시냅스
비휘발성 저항변환 기반 데이터 저장
필라멘트 제어형 연속 가중치 연산
웨어러블 온디바이스 학습
Transient 특성 기반 일시 저장 컴퓨팅
대면적 균일성 확보 공정 플랫폼
신뢰성 향상 멤리스터 모듈