RnDCircle Logo
arrow left icon

Integrated Systems Lab.

국민대학교 지능형반도체융합전자전공

민경식 교수

Integrated Systems Lab.

지능형반도체융합전자전공 민경식

Integrated Systems Lab.은 국민대학교 전자공학부에 소속된 연구실로, 저전력 VLSI 설계, 첨단 메모리 회로, 멤리스터 기반 뉴로모픽 하드웨어, 그리고 프로세싱 인 메모리(Processing-in-Memory, PIM) 기술 등 차세대 반도체 및 인공지능 하드웨어 분야를 선도적으로 연구하고 있습니다. 본 연구실은 저전력 소비와 고성능을 동시에 달성할 수 있는 회로 및 시스템 설계에 중점을 두며, 실제 반도체 칩에 적용 가능한 혁신적인 설계 기법을 개발하고 있습니다. 특히, 멤리스터와 같은 신소재 소자를 활용한 뉴로모픽 회로 및 인공지능 하드웨어 연구에 강점을 가지고 있습니다. 멤리스터 기반 신경망, 크로스바 어레이, 하이브리드 CMOS-멤리스터 회로 등 다양한 구조를 연구하며, 결함 허용 학습, 온디바이스 러닝, 이벤트 기반 신경망 등 실시간 데이터 처리와 에너지 효율을 극대화하는 기술을 개발하고 있습니다. 이러한 연구는 IoT, 엣지 컴퓨팅, DVS 카메라 등 다양한 응용 분야에 적용되고 있습니다. 또한, 본 연구실은 DRAM, FeRAM, RRAM 등 다양한 메모리 소자를 활용한 프로세싱 인 메모리(PIM) 회로 및 아키텍처 연구에도 집중하고 있습니다. 데이터 이동에 따른 에너지 소모와 지연을 줄이고, 병렬 데이터 처리와 신경망 연산 등 데이터 집약적 응용에 최적화된 회로 설계와 맵핑 기술을 개발하여, 차세대 고성능 저전력 컴퓨팅 환경을 실현하고 있습니다. 에너지 하베스팅 회로 분야에서도 태양에너지, 열전 발전 등 다양한 에너지원을 활용한 자가발전 시스템, 고효율 에너지 변환 및 관리 회로를 개발하여, IoT 및 웨어러블 디바이스의 에너지 자립성을 높이고 있습니다. MPPT, ZCS 등 첨단 에너지 관리 기술을 통해 저전력 동작이 필수적인 환경에서의 실용성을 높이고 있습니다. 이러한 연구 성과는 다수의 특허, 국내외 논문, 학술대회 발표로 이어지고 있으며, 다양한 산학협력 및 국가 연구과제를 통해 산업적 파급력도 확대되고 있습니다. Integrated Systems Lab.은 차세대 반도체 및 인공지능 하드웨어 분야에서 국내외적으로 인정받는 연구실로, 미래 지능형 시스템의 혁신을 이끌고 있습니다.

저전력 VLSI 및 메모리 설계
저전력 VLSI(초대규모 집적회로) 및 메모리 설계는 현대 전자공학에서 매우 중요한 연구 분야입니다. 본 연구실은 저전력 소비와 고성능을 동시에 달성할 수 있는 회로 및 시스템 설계에 중점을 두고 있습니다. 특히, DRAM, SRAM, FeRAM 등 다양한 메모리 소자의 회로 구조와 동작 원리를 깊이 있게 분석하고, 실제 반도체 칩에 적용 가능한 설계 기법을 개발하고 있습니다. 이러한 연구는 모바일 기기, IoT 센서, 웨어러블 디바이스 등 에너지 효율이 중요한 응용 분야에서 큰 역할을 합니다. 연구실에서는 누설 전류 억제, 전력 게이팅, 저전압 구동, 고속 동작을 위한 회로 최적화 기술을 개발하며, 실제 반도체 공정 환경에서 발생할 수 있는 다양한 변이와 결함을 극복할 수 있는 설계 방법론도 함께 연구하고 있습니다. 또한, 메모리 회로의 신뢰성 향상과 칩 면적 최소화를 위한 혁신적인 아키텍처도 제안하고 있습니다. 이러한 연구 성과는 다수의 특허와 논문, 그리고 국내외 학술대회 발표로 이어지고 있습니다. 저전력 VLSI 및 메모리 설계 분야에서의 지속적인 연구는 차세대 반도체 산업의 경쟁력 확보와 미래 지능형 전자 시스템의 발전에 핵심적인 기여를 하고 있습니다.
멤리스터 기반 뉴로모픽 회로 및 인공지능 하드웨어
멤리스터는 차세대 비휘발성 메모리 소자이자, 뇌 신경망을 모방한 뉴로모픽 회로 구현에 적합한 소자로 주목받고 있습니다. 본 연구실은 멤리스터를 활용한 신경망 회로, 크로스바 어레이, 하이브리드 CMOS-멤리스터 회로 등 다양한 뉴로모픽 하드웨어를 연구하고 있습니다. 이를 통해 기존의 디지털 컴퓨팅 한계를 극복하고, 에너지 효율적이며 실시간 학습이 가능한 인공지능 하드웨어를 개발하는 데 집중하고 있습니다. 연구실에서는 멤리스터 소자의 불량, 변이, 기생 저항 등 실제 구현 시 발생할 수 있는 비이상적 효과를 보정하는 회로 및 학습 알고리즘을 개발하고 있습니다. 또한, 멤리스터 기반 신경망의 결함 허용 학습, 온디바이스 러닝, 이벤트 기반 신경망 등 다양한 응용을 위한 회로 최적화 및 맵핑 기술을 연구하고 있습니다. 이러한 연구는 IoT 센서, 엣지 디바이스, DVS(동적 비전 센서) 카메라 등 실시간 데이터 처리가 필요한 분야에 적용되고 있습니다. 본 연구실의 멤리스터 기반 뉴로모픽 회로 연구는 국내외 유수 학술지 및 학술대회에서 활발히 발표되고 있으며, 관련 특허도 다수 보유하고 있습니다. 이 분야의 연구는 차세대 인공지능 하드웨어의 실현과 미래 지능형 시스템의 혁신에 중요한 역할을 하고 있습니다.
프로세싱 인 메모리(Processing-in-Memory, PIM) 및 에너지 하베스팅 회로
프로세싱 인 메모리(PIM)는 메모리 내부에서 데이터 연산을 직접 수행함으로써, 데이터 이동에 따른 에너지 소모와 지연을 획기적으로 줄일 수 있는 차세대 컴퓨팅 패러다임입니다. 본 연구실은 DRAM, 멤리스터, FeRAM 등 다양한 메모리 소자를 활용한 PIM 회로 및 아키텍처를 연구하고 있습니다. 특히, 비트와이즈 컨볼루션, 신경망 연산, 병렬 데이터 처리 등 데이터 집약적 응용에 최적화된 회로 설계와 맵핑 기술을 개발하고 있습니다. 또한, 에너지 하베스팅 회로 분야에서도 활발한 연구가 이루어지고 있습니다. 태양에너지, 열전 발전 등 다양한 에너지원을 활용한 자가발전 시스템, MPPT(최대전력점 추적), ZCS(영전류 스위칭) 등 고효율 에너지 변환 및 관리 회로를 개발하여, IoT 및 웨어러블 디바이스의 에너지 자립성을 높이고 있습니다. 이러한 기술은 저전력 동작이 필수적인 엣지 컴퓨팅 환경에서 매우 중요한 역할을 합니다. PIM 및 에너지 하베스팅 회로 연구는 실제 칩 설계, 시뮬레이션, 실험적 검증까지 아우르며, 다양한 산학협력 및 국가 연구과제를 통해 산업적 파급력을 확대하고 있습니다. 본 연구실의 연구는 미래형 저전력 고성능 컴퓨팅 및 자가발전형 스마트 디바이스 실현에 중추적인 기여를 하고 있습니다.
1
Quantization, training, parasitic resistance correction, and programming techniques of memristor-crossbar neural networks for edge intelligence
Tien Van Nguyen, Jiyong An, Seokjin Oh, Son Ngoc Truong, Kyeong-Sik Min
Neuromorphic Computing and Engineering (NCE), 2022.07
2
Synapse-Neuron-Aware Training Scheme of Defect-Tolerant Neural Networks with Defective Memristor Crossbars
Jiyong An, Seokjin Oh, Tien Van Nguyen, Kyeong-sik Min
Micromachines, 2022.02
3
Defect-Tolerant Memristor Crossbar Circuits for Local Learning Neural Networks
Seokjin Oh, Rina Yoon, Kyeong-Sik Min
Nanomaterials, 2025
1
초저전력 고성능 연산기 구현을 위한 고집적 3차원 수직 적층 강유전체 커패시터 메모리 (3D FeRAM)의 집적 기술 및 회로/아키텍처 개발(1/4)
한국연구재단
2024년 07월 ~ 2024년 12월
2
BEOL 집적 고성능 고신뢰성 저항변화 시냅스 어레이 기반 1,000 TOPS/W 급 인공신경망 개발(1/3)
한국연구재단
2024년 03월 ~ 2024년 12월
3
멤리스터-IGZO DRAM 혼합소자 기반 로컬학습(1/3)
한국연구재단
2024년 03월 ~ 2024년 12월