저항변화 메모리 VRRAM·교차바 기반 뉴로모픽 시냅스 어레이 및 VMM 연산

Memristive VRRAM and Crossbar-Based Neuromorphic Synaptic Arrays for VMM

연구 내용

저항변화 메모리 VRRAM 및 교차바 어레이의 균일성·다중레벨 특성을 제어하고, 시냅스 가소성 모델과 VMM(벡터-행렬 곱) 연산을 하드웨어로 구현하는 연구

고밀도 시냅스 소자가 필요한 뉴로모픽 컴퓨팅에서 저항변화 메모리의 균일한 스위칭과 아날로그 VMM 정밀도를 확보하는 데 초점을 둡니다. 3차원 적층 VRRAM과 다층 콘택홀 구조, 셀 단위 자기정합(self-compliance) 및 오버슈트 억제 층을 통해 멀티레벨 프로그래밍과 저에너지 동작 조건을 형성합니다. XPS 및 TEM 등 구조·화학 분석으로 편차 원인을 해석하고, spike 기반 플라스티시티 지표와 교차바 VMM 정확도 저하 요인을 동시 평가하여 학습·추론 성능을 연동 제어하는 차별성을 보입니다.

관련 프로젝트

0건

연구 흐름

초기 단계에서는 4층 콘택홀 구조의 적층형 VRRAM 제작 공정과 화학·구조 분포의 정량적 균일성을 규명하고, 다중레벨 성능과 내구 특성을 확보하는 방향으로 연구가 진행되었습니다. 이후 자기정합 모드 양자화와 오버슈트 억제 레이어(A-OSL) 적용을 통해 셀 간 스위칭 변동을 줄이고, LTP/LTD 및 spike-rate, spike-time 기반 플라스티시티로 온라인·오프라인 학습에 적합한 특성을 검증했습니다. 최근에는 저저항 상태 비율을 근거로 교차바 VMM에서 발생 가능한 연산 오차의 상한을 제한하며, 고밀도 어레이를 이용한 추론 구현까지 확장하고 있습니다.

활용 가능성

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

다중레벨 시냅스 가중치 저장
저오차 아날로그 VMM 가속기
스파이크 기반 온라인 학습 하드웨어
고수율 적층 저항메모리 공정
IR 드롭 영향 저감 설계
고집적 뉴로모픽 추론 모듈
플라스티시티 기능성 시냅스 구현
교차바 기반 이미지 분류 가속
전력 효율 중심 멀티레벨 동작
오차 상한 기반 신뢰 추론