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)
2
BEOL 집적 고성능 고신뢰성 저항변화 시냅스 어레이 기반 1,000 TOPS/W 급 인공신경망 개발(1/3)
3
멤리스터-IGZO DRAM 혼합소자 기반 로컬학습(1/3)