저항변화 메모리 소자(RRAM)는 차세대 비휘발성 메모리로서, 기존의 플래시 메모리 한계를 극복할 수 있는 높은 집적도와 저전력 특성을 갖추고 있습니다. 본 연구실에서는 다양한 소재와 구조를 적용한 RRAM 소자의 개발에 집중하고 있으며, 특히 고집적 메모리 어레이 구현을 위한 소재 공정 및 소자 특성 향상에 주력하고 있습니다. 이를 통해 데이터 저장 용량의 극대화와 에너지 효율성 증대를 동시에 달성하고자 합니다. 고집적 RRAM 어레이를 구현하기 위해서는 셀 간 간섭 및 누설 전류와 같은 문제를 해결해야 합니다. 본 연구실은 이러한 문제를 극복하기 위해 선택 소자(Selector)와의 집적, 3차원 적층 구조, 그리고 다양한 공정 기술을 도입하고 있습니다. 또한, 소재의 결함 제어, 전기적 특성 최적화, 신뢰성 향상 등 다양한 관점에서 연구를 진행하여 실제 반도체 산업에 적용 가능한 기술을 개발하고 있습니다. 이러한 연구는 차세대 메모리 시장에서 요구되는 고성능, 고신뢰성, 저전력 메모리 소자 개발에 크게 기여할 것으로 기대됩니다. 더불어, RRAM 기반의 메모리 어레이는 인공지능, 빅데이터, 사물인터넷 등 다양한 첨단 IT 분야에서 핵심적인 역할을 할 수 있으며, 본 연구실은 이를 위한 원천기술 확보에 앞장서고 있습니다.

뉴로모픽 시스템은 인간의 뇌 신경망을 모방하여 정보처리 효율을 극대화하는 차세대 컴퓨팅 패러다임입니다. 본 연구실은 RRAM 기반의 크로스포인트 어레이를 활용한 뉴로모픽 하드웨어 개발에 집중하고 있으며, 인공 시냅스와 뉴런 소자의 소재, 구조, 동작 원리 연구를 통해 실제 하드웨어 구현의 한계를 극복하고자 합니다. 이를 통해 기존 폰 노이만 구조의 한계인 속도 저하와 높은 전력 소모 문제를 해결할 수 있습니다. 연구실에서는 RRAM 기반 시냅스 소자와 임계값 스위칭(OTS) 기반 뉴런 소자를 개발하여, 대규모 신경망을 하드웨어적으로 구현하는 데 성공하였습니다. 또한, 다양한 소재와 공정 기술을 접목하여 소자의 신뢰성, 내구성, 에너지 효율성을 극대화하고, 실제 패턴 인식, 인공지능 연산 등 다양한 응용 분야에 적용 가능한 시스템을 구축하고 있습니다. 이러한 연구는 하드웨어 기반 인공지능 시스템의 실현에 중요한 기반을 제공합니다. 뉴로모픽 하드웨어 연구는 미래의 초저전력, 고속, 대규모 병렬처리 컴퓨팅 시스템 개발에 핵심적인 역할을 할 것으로 기대됩니다. 본 연구실은 관련 특허와 논문, 국제 학회 발표 등을 통해 세계적인 연구 경쟁력을 확보하고 있으며, 차세대 인공지능 하드웨어 기술의 선도적 위치를 지키고 있습니다.