결함 제어 기반 질화붕소(h-BN) 멤리스터의 아날로그 스위칭 및 뉴로모픽 구현 연구

Defect-Controlled h-BN Memristors for Analog Switching and Neuromorphic Computing

연구 내용

원자 수준 결함 제어와 나노필라멘트 구속 설계를 통해 질화붕소(h-BN) 멤리스터의 선형·대칭 아날로그 스위칭을 구현하고 뉴로모픽 학습에 활용하는 연구

질화붕소(h-BN) 기반 멤리스터의 저전력 동작과 스위칭 안정성 확보를 위해 결함 형성 메커니즘을 공정 변수와 연계하여 제어합니다. 특히 이온빔 기반 결함 제어와 다중 나노필라멘트 구속 구조를 적용하여 사이클 간 변동을 줄이고, 선형·대칭 아날로그 스위칭 거동을 얻도록 설계합니다. 또한 웨이퍼 스케일 구현을 고려한 소자 구조 설계와 집적도 관점의 전기적 특성 최적화를 함께 수행합니다. 이를 통해 인공 신경망에서 가중치 업데이트의 정밀도를 높이는 방향으로 연구를 진행합니다.

관련 프로젝트

2건

연구 흐름

초기에는 질화붕소(h-BN)가 박막에서도 절연 특성을 유지할 수 있다는 점에 기반해 멤리스터 동작 원리를 정리하고, 에너지 효율과 응답 특성을 확보하는 방향으로 연구를 수행했습니다. 이후 결함 제어가 스위칭 변동성을 좌우한다는 관점에서 이온빔 조사기술을 적용해 고신뢰성 아날로그 스위칭 멤리스터 어레이를 목표로 확장했습니다. 최근에는 구속 형상 설계를 통해 다중 나노필라멘트 형성을 정돈하여 선형·대칭 스위칭을 구현하고, 뉴로모픽 학습 성능에 미치는 영향을 검증하는 단계로 진행되었습니다.

활용 가능성

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

뉴로모픽 가중치 업데이트 소자
고집적 아날로그 스위칭 어레이
저전력 인공 신경망 하드웨어
학습용 메모리스터 기반 가속기
변동성 저감형 시냅스 모듈
대칭 동작 기반 시냅스 구현
구속 형상 설계 공정 플랫폼
웨이퍼 스케일 멤리스터 제조 공정
전력-정확도 트레이드오프 최적화
반복 구동 신뢰성 평가 체계