이종접합 메모리스터 기반 뉴로모픽 리저버 컴퓨팅 연구

Heterojunction memristor-based neuromorphic reservoir computing research

연구 내용

이종접합 메모리스터의 아날로그 저항변화와 단기 가소성 메커니즘을 활용하여 리저버 컴퓨팅에서 패턴인식과 다상태 분류를 구현하는 연구

TiO2/WOx 및 2D 층상 PdSe2 이종접합 기반 메모리스터에서 전압 인가에 따른 결함/전하 수송 변화가 아날로그 resistive switching과 가역적 가중치 변화를 좌우하는 메커니즘을 분석합니다. 이후 spike-rate-dependent plasticity, spike-number-dependent plasticity, paired-pulse facilitation 등 시냅스 기능을 모사하여 단기 메모리 특성을 계산 자원으로 변환합니다. 이러한 장치 물리 특성을 기반으로 리저버 컴퓨팅 시스템을 구성해 멀티스테이트 분류와 패턴인식 성능을 검증하는 방향으로 연구를 수행합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 2D 층상 PdSe2 이종접합 구조를 기반으로 동적 메모리스터 동작을 제시하고 뉴로모픽 응용 가능성을 평가했습니다. 2024년에는 TiO2/WOx 이종접합 메모리스터에서 아날로그 resistive switching을 결함 상태 관점에서 분석하고, 동일 펄스열 기반 가중치 선형성과 시냅스 가소성 함수 구현을 확장했습니다. 이후 장치의 단기 메모리 효과를 리저버 컴퓨팅으로 연결하여 펄스 트레인 조합을 통한 상태 분리와 패턴인식 검증을 수행하는 연구 흐름을 이어갑니다.

활용 가능성

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

리저버 컴퓨팅 장치
패턴인식 가속기
다상태 펄스 기반 분류
시냅스 가소성 모사
아날로그 가중치 연산
온칩 뉴로모픽 학습 블록
저전력 엣지 AI
스파이크 기반 입력 처리
비휘발성 계산 인터페이스
단기 메모리 기반 분류 회로