FuST Lab
반도체공학대학원-신소재공학과 김경민
FuST Lab은 차세대 반도체 소자, 특히 멤리스터를 중심으로 한 신소재, 공정, 소자 및 시스템 연구에 특화된 연구실입니다. 연구실은 멤리스터의 근본적인 물리 메커니즘 규명부터 첨단 박막 증착 기술을 활용한 신소재 개발, 그리고 이를 기반으로 한 뉴로모픽 및 인메모리 컴퓨팅 소자·시스템 구현까지 전 주기를 아우르는 융합 연구를 수행하고 있습니다.
멤리스터는 저항 상태를 기억하는 특성을 바탕으로, 기존 반도체 소자와는 차별화된 동작 원리를 보입니다. FuST Lab은 멤리스터의 전기적 전도, 이온 및 전자의 확산 동역학, 필라멘트 형성 및 파괴 과정 등 근본적인 물리 현상을 심도 있게 분석하고, 이를 바탕으로 신뢰성 높은 소자 구조와 소재를 개발하고 있습니다. 원자층 증착(ALD), 물리적 기상 증착(PVD) 등 첨단 박막 공정 기술을 활용하여, 산화물, 금속, 복합 구조 등 다양한 신소재를 연구하고 있습니다.
연구실은 멤리스터 기반의 뉴로모픽 소자와 인메모리 컴퓨팅 시스템 개발에도 선도적으로 참여하고 있습니다. 인간 뇌의 신경망 구조와 신호 전달 방식을 모방한 뉴로모픽 소자, 멤리스터 어레이를 활용한 실시간 신호 처리, 인공지능 하드웨어 구현 등 다양한 응용 연구를 통해, 초저전력·고효율 정보처리 및 차세대 인공지능 하드웨어의 실현 가능성을 입증하고 있습니다. 또한, 논리-인-메모리, 병렬 연산, 확률론적 컴퓨팅 등 새로운 컴퓨팅 패러다임을 제시하며, 기존 폰 노이만 구조의 한계를 극복하고 있습니다.
이와 더불어, FuST Lab은 첨단 반도체 패키징 및 인터커넥션 소재·공정 개발에도 집중하고 있습니다. 미세 피치 본딩, 저저항·고신뢰성 금속 배선, 신소재 개발, 대면적 패널 레벨 패키지 등 산업계에서 요구하는 첨단 기술을 실용화하기 위한 연구를 활발히 진행 중입니다. 실제 산업 현장과의 협력 및 기술 이전을 통해, 연구 성과의 실용적 가치를 높이고 있습니다.
FuST Lab은 소재-공정-소자-시스템을 아우르는 융합적 접근과 세계적 수준의 연구 역량을 바탕으로, 반도체 및 인공지능 융합 시대를 선도하는 핵심 연구실로 자리매김하고 있습니다. 다양한 산학협력, 특허, 논문, 프로젝트를 통해 학계와 산업계 모두에서 높은 평가를 받고 있으며, 미래 정보기술 혁신을 위한 중추적 역할을 수행하고 있습니다.
Metal-Insulator Transition
Oxide Thin Films
3D Stacking Devices
멤리스터 물리 및 신소재 개발
FuST Lab은 차세대 반도체 소자인 멤리스터의 물리적 메커니즘과 신소재 개발에 중점을 두고 있습니다. 멤리스터는 저항 상태를 기억하는 특성을 바탕으로, 기존의 트랜지스터 기반 소자와는 차별화된 동작 원리를 가집니다. 연구실에서는 멤리스터의 전기적 전도, 이온 및 전자의 확산 동역학, 필라멘트 형성 및 파괴 과정 등 근본적인 물리 현상을 심도 있게 분석하고 있습니다. 이를 위해 다양한 전기적 측정, 현미경 분석, 이론적 모델링을 병행하여 멤리스터의 동작 신뢰성과 반복성을 높이고자 노력하고 있습니다.
또한, 멤리스터 소자의 성능을 극대화하기 위해 원자층 증착(ALD), 물리적 기상 증착(PVD) 등 첨단 박막 증착 기술을 활용한 신소재 개발에 집중하고 있습니다. 산화물, 금속, 복합 구조 등 다양한 소재를 적용하여, 멀티레벨 스위칭, 고온 안정성, 저전력 동작 등 실용적 특성을 확보하고 있습니다. 특히, 나노미터 두께의 박막에서 나타나는 새로운 전기적 특성과 계면 현상에 대한 연구를 통해, 차세대 메모리 및 논리 소자에 적합한 소재와 공정 기술을 선도적으로 제시하고 있습니다.
이러한 연구는 멤리스터의 기본 동작 원리부터 소재, 공정, 소자 구조까지 전 주기를 아우르며, 실제 반도체 산업에서 요구하는 신뢰성, 집적도, 에너지 효율성 등 다양한 요구 조건을 충족시키는 데 기여하고 있습니다. FuST Lab의 연구는 학계뿐 아니라 산업계에서도 높은 평가를 받고 있으며, 관련 특허와 논문, 산학 협력 프로젝트를 통해 그 성과를 입증하고 있습니다.
뉴로모픽 및 인메모리 컴퓨팅 소자·시스템
FuST Lab은 멤리스터 기반의 뉴로모픽 소자와 인메모리 컴퓨팅 시스템 개발에 앞장서고 있습니다. 뉴로모픽 소자는 인간 뇌의 신경망 구조와 신호 전달 방식을 모방하여, 초저전력·고효율 정보처리 및 인공지능 하드웨어 구현에 핵심적인 역할을 합니다. 연구실에서는 멤리스터를 이용한 시냅스 및 뉴런 소자, 스파이킹 뉴럴 네트워크(SNN), 인공 감각 수용기(노시셉터, 온도 수용기 등) 등 다양한 뉴로모픽 하드웨어를 개발하고 있습니다. 실제로, 멤리스터 어레이를 활용한 실시간 심전도(ECG) 진단, 이미지 인식, 패턴 분류 등 다양한 응용 사례를 통해 그 가능성을 입증하고 있습니다.
또한, 인메모리 컴퓨팅(In-Memory Computing) 분야에서는 멤리스터 크로스바 어레이를 활용하여, 메모리와 연산 기능을 통합한 새로운 컴퓨팅 패러다임을 제시하고 있습니다. 이는 기존 폰 노이만 구조에서 발생하는 데이터 이동 병목 현상(von Neumann bottleneck)을 극복하고, 에너지 효율성과 연산 속도를 획기적으로 향상시킬 수 있습니다. 연구실에서는 논리-인-메모리(Logic-in-Memory), 병렬 연산, 확률론적 컴퓨팅, 동적 물리 모델 기반의 신경망 학습 등 다양한 알고리즘과 하드웨어를 공동 설계(Co-Design)하여, 실제 대규모 시스템에 적용 가능한 기술을 개발하고 있습니다.
이러한 연구는 차세대 인공지능 하드웨어, 엣지 컴퓨팅, 보안 암호화, 자율주행, 웨어러블 디바이스 등 다양한 미래 산업 분야에 적용될 수 있습니다. FuST Lab은 멤리스터 기반 뉴로모픽 및 인메모리 컴퓨팅 기술의 선도적 연구를 통해, 인공지능과 반도체 융합 시대를 이끌어가는 핵심 연구실로 자리매김하고 있습니다.
첨단 반도체 패키징 및 인터커넥션 소재·공정
FuST Lab은 차세대 반도체 패키징 및 인터커넥션 기술 개발에도 적극적으로 참여하고 있습니다. 반도체 소자의 고집적화와 3차원 적층(3D-TSV) 기술의 발전에 따라, 미세 피치 본딩, 저저항·고신뢰성 금속 배선, 신소재 개발이 필수적으로 요구되고 있습니다. 연구실에서는 비전도성 필름(NCF), 에폭시 몰딩 필름(EMF), 마이크로 범프, 저온 구리-구리 직접 본딩(Cu-Cu Direct Bonding) 등 첨단 패키징 소재와 공정 기술을 연구하고 있습니다.
특히, 원자층 증착(ALD) 기반의 금속 박막 증착, 루테늄(Ru), 몰리브덴(Mo) 등 차세대 인터커넥션 소재의 신뢰성 평가, 전자 평균 자유 경로, 용융점 등 물성 분석을 통해, 기존 구리 배선의 한계를 극복할 수 있는 혁신적 솔루션을 제시하고 있습니다. 또한, 대면적 패널 레벨 패키지(FOPLP), 팬아웃 웨이퍼 레벨 패키지(FOWLP) 등 산업계에서 요구하는 첨단 패키징 기술의 실용화 연구도 활발히 이루어지고 있습니다.
이러한 연구는 반도체 소자의 성능, 신뢰성, 집적도, 에너지 효율을 극대화하는 데 중요한 역할을 하며, 실제 산업 현장과의 협력 및 기술 이전을 통해 그 가치를 인정받고 있습니다. FuST Lab은 소재-공정-소자-시스템을 아우르는 융합적 접근으로, 반도체 패키징 및 인터커넥션 분야의 글로벌 경쟁력을 강화하고 있습니다.
1
Higher-Order Temporal Dynamics in Complementary Charge Trap Memristor for High-Dimensional Reservoir Computing
Alba Martinez†, Younghyun Lee†, Geunyoung Kim, Woojoon Park, Jingyao Yu, Sooyeon Narie Kay, Eun Young Kim, Hakseung Rhee, Do Hoon Kim, Kyung Min Kim*
Advanced Functional Materials, 2025
2
Enantioselective Se lattices for stable chiroptoelectronic processing media
Junyoung Kwon†, Jae Bum Jeon, Min Gu Lee, Serin Jeong, Wonjin Choi, Kyung Min Kim, Jihyeon Yeom*
Nature Communications, 2025
3
Enhancing Johnson-Nyquist Noise for High-Performance Mott memristor-based Oscillatory TRNG
Gwangmin Kim†, Jae Hyun In, Hakseung Rhee, Woojoon Park, Hanchan Song, Kyung Min Kim*
npj Unconventional Computing, 2025
1
(RCMS)반도체특성화대학원지원(한국과학기술원)(2024년도)
2
(통합EZ)모트 전이 소재의 열-전기 동역학를 이용하는 차세대 컴퓨팅 원천 소자 개발(2024년도)
3
(통합EZ)(2022M3F3A2A01076569) ReRAM 소자 및 뉴로모픽 어레이 동작 이해를 위한 multi-physics 및 analytical 시뮬레이션 연구(2024년도)
