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.

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 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.