Semiconductor Device and System Laboratory
전자전기공학부 김민휘
Semiconductor Device and System Laboratory(반도체 소자 및 시스템 연구실)는 차세대 반도체 소자와 시스템의 혁신을 선도하는 연구실입니다. 본 연구실은 중앙대학교 전기전자공학부 및 지능형반도체공학과 소속으로, 차세대 메모리 소자, 뉴로모픽 하드웨어, 고속·저전력 메모리 어레이 등 첨단 반도체 기술 개발에 집중하고 있습니다.
연구실의 주요 연구 분야는 저항 변화 메모리(RRAM), 멤리스터, 페로일렉트릭 터널링 접합 등 신소재 기반의 차세대 메모리 소자 개발입니다. 이러한 소자들은 기존 메모리의 한계를 극복하고, 높은 집적도와 저전력 특성을 바탕으로 미래의 고성능 컴퓨팅 및 인공지능 시스템에 필수적인 역할을 할 것으로 기대됩니다. 또한, 실제 회로 및 시스템에 적용 가능한 메모리 어레이 설계와 동작 방식에 대한 연구도 활발히 이루어지고 있습니다.
본 연구실은 뉴로모픽 시스템 구현을 위한 소자 및 회로 연구에도 주력하고 있습니다. 인간 뇌 신경망을 모방한 하드웨어 기반 인공 신경망, 스파이킹 뉴럴 네트워크(SNN), 확률적 신경망 등 다양한 형태의 뉴로모픽 시스템을 위한 멀티기능 소자 개발과 집적회로 설계가 이루어지고 있습니다. 이를 통해 인공지능 반도체, 엣지 컴퓨팅, 자율주행, 로봇 등 미래 산업 분야에서 요구되는 고성능, 저전력, 실시간 정보 처리 시스템 개발에 기여하고 있습니다.
연구실은 산학협력 및 국가 연구과제 수행을 통해 실제 산업 현장에 적용 가능한 기술 개발과 실용화에도 힘쓰고 있습니다. 다양한 정부 및 산업체 지원 프로젝트, 특허 출원, 국내외 학술지 논문 발표 등 활발한 연구 성과를 내고 있으며, 반도체 산업의 패러다임 전환을 이끌고 있습니다.
미래 반도체 기술의 혁신을 꿈꾸는 대학원생 및 학부 연구생을 적극적으로 모집하고 있으며, 첨단 반도체 소자 및 시스템 연구에 관심 있는 학생들의 많은 지원을 기다리고 있습니다. 본 연구실은 창의적이고 도전적인 연구 환경을 제공하며, 차세대 반도체 분야의 글로벌 리더 양성을 목표로 하고 있습니다.
Neuromorphic Systems
Flexible Electronics
Neuromorphic System
차세대 메모리 소자 개발
차세대 메모리 소자 개발은 기존의 한계를 극복하고, 더욱 빠르고 효율적인 데이터 저장 및 처리를 가능하게 하는 핵심 연구 분야입니다. 본 연구실에서는 저항 변화 메모리(RRAM), 멤리스터, 페로일렉트릭 터널링 접합 등 다양한 신소재 및 신구조를 활용한 메모리 소자 개발에 집중하고 있습니다. 이러한 소자들은 기존 플래시 메모리나 DRAM에 비해 높은 집적도와 저전력 특성을 가지며, 미래의 고성능 컴퓨팅 및 인공지능 시스템에 필수적인 역할을 할 것으로 기대됩니다.
특히, 본 연구실은 메모리 소자의 신뢰성, 내구성, 동작 속도, 에너지 효율성 등 다양한 성능 지표를 극대화하기 위한 소재 공정 및 소자 구조 최적화 연구를 수행하고 있습니다. 이를 위해 나노구조 설계, 금속 산화물 및 고분자 기반의 신소재 적용, 전기적 특성 분석 등 다각적인 접근을 시도하고 있습니다. 또한, 실제 회로 및 시스템에 적용 가능한 메모리 어레이 설계와 동작 방식에 대한 연구도 병행하여, 실용화에 한 걸음 더 다가가고 있습니다.
이러한 연구는 반도체 산업의 패러다임 전환을 이끌 뿐만 아니라, 인공지능, 사물인터넷, 웨어러블 디바이스 등 다양한 첨단 응용 분야에서의 혁신적인 기술 발전을 촉진할 것으로 기대됩니다. 본 연구실의 차세대 메모리 소자 연구는 국내외 학계 및 산업계에서 높은 관심을 받고 있으며, 관련 특허 및 논문 발표를 통해 그 성과를 지속적으로 확장하고 있습니다.
실용적 뉴로모픽 시스템을 위한 소자 및 회로 연구
뉴로모픽 시스템은 인간의 뇌 신경망을 모방하여 정보 처리를 수행하는 차세대 인공지능 하드웨어로, 기존의 범용 컴퓨팅 구조와는 차별화된 고효율, 저전력 연산이 가능합니다. 본 연구실에서는 뉴로모픽 시스템 구현을 위한 핵심 소자인 멤리스터, RRAM 등 다양한 저항 변화 소자와 이들을 활용한 신경망 회로 설계에 주력하고 있습니다. 이를 통해 실제 하드웨어 기반의 인공 신경망 구현 및 학습, 추론 성능 향상을 목표로 하고 있습니다.
특히, 시냅스 및 뉴런 기능을 동시에 구현할 수 있는 멀티기능 소자 개발, 확률적 신경망 및 스파이킹 뉴럴 네트워크(SNN) 하드웨어 구현, 실시간 온라인 학습이 가능한 회로 설계 등 다양한 연구를 진행 중입니다. 또한, 소자 단위의 특성 분석뿐만 아니라, 대규모 어레이 집적 및 회로 수준의 동작 최적화, 신호 노이즈 저감, 에너지 효율 극대화 등 시스템 전반에 걸친 통합적 연구를 수행하고 있습니다.
이러한 연구는 인공지능 반도체, 엣지 컴퓨팅, 자율주행, 로봇 등 다양한 미래 산업 분야에서 요구되는 고성능, 저전력, 실시간 정보 처리 시스템 개발에 직접적으로 기여할 수 있습니다. 본 연구실은 산학협력 및 국가 연구과제 수행을 통해 뉴로모픽 시스템 분야의 기술적 선도와 실용화를 적극적으로 추진하고 있습니다.
고속·저전력 메모리 어레이 및 집적회로 설계
고속 및 저전력 메모리 어레이와 집적회로 설계는 차세대 반도체 시스템의 성능을 결정짓는 중요한 요소입니다. 본 연구실은 다양한 신소재 기반의 메모리 소자를 대규모 어레이로 집적하고, 이를 효율적으로 제어할 수 있는 회로 및 시스템 설계에 집중하고 있습니다. 이를 통해 데이터 처리 속도와 에너지 효율을 동시에 극대화하는 혁신적인 메모리 솔루션을 개발하고 있습니다.
연구실에서는 메모리 어레이의 동작 신뢰성 향상, 셀 간 간섭 최소화, 셀 선택성 및 집적도 향상, 저전력 구동 방식 개발 등 다양한 기술적 난제를 해결하기 위한 연구를 수행하고 있습니다. 또한, 실제 반도체 칩 제작 및 테스트를 위한 회로 설계, 시뮬레이션, 측정 장비 개발 등 실용적 연구 역량을 보유하고 있습니다. 이를 통해 실질적인 제품화와 산업 적용 가능성을 높이고 있습니다.
이러한 연구는 대용량 데이터 저장, 인공지능 연산, 모바일 및 웨어러블 디바이스 등 다양한 응용 분야에서 요구되는 고성능 메모리 시스템 구현에 필수적입니다. 본 연구실은 산학협력 및 정부 지원 프로젝트를 통해 관련 기술의 상용화와 산업 발전에 기여하고 있습니다.
1
Implementation of Ultra-Low-Power Neural Networks on Quantized and Pruned RRAM Crossbar Arrays
Hyoseob Kim, Kyungho Hong, Sungjoon Kim, Woo Young Choi, Min-Hwi Kim
Materials Horizons, 2025.06
2
Investigation of dual memory behavior in RRAM: coexistence of resistive and capacitive switching phenomena
Hyoseob Kim, Suhan Kim, Jae-Yeong Cho, Sin-Hyung Lee, Min-Hwi Kim
Scientific Reports, 2025.04
3
Dual Functionality of NbOx Memristors for Synaptic and Neuronal Emulation in Advanced Neuromorphic Systems
Seongmin Kim, Jungang Heo, Sungjun Kim, Min-Hwi Kim
Journal of Materials Chemistry C, 2024.10
1
초고밀도 비휘발성 메모리 구현을 위한 독립적 저항 스위칭 메모리 소자 개발
2
Wafer 맞춤형 저전력 통합 제어 Circuit Board 개발
3
확률적 컴퓨팅 시스템을 위한 p-비트 구현 소자 개발
