ASDCL
전자전기컴퓨터공학과 김윤
ASDCL(Advanced Semiconductor Device & Circuit Laboratory)은 차세대 반도체 소자 및 회로 기술을 선도하는 연구실로, 나노스케일 트랜지스터, 첨단 메모리 소자, 뉴로모픽 시스템 등 다양한 분야에서 세계적 수준의 연구를 수행하고 있습니다. 반도체는 전자산업의 핵심 기반으로, 본 연구실은 소재, 공정, 설계, 분석 등 반도체 소자 개발의 전 과정을 아우르는 통합적 연구를 통해 혁신적인 기술을 창출하고 있습니다.
특히, 3차원 나노스케일 트랜지스터와 박막 트랜지스터, 터널 필드-이펙트 트랜지스터 등 차세대 소자 구조에 대한 연구를 통해 고집적, 저전력, 고성능 반도체 소자 개발에 앞장서고 있습니다. TCAD 시뮬레이션과 실제 소자 제작, 전기적 특성 평가를 통해 이론과 실험을 융합한 연구를 진행하며, 다양한 응용 분야에 적용 가능한 기술을 확보하고 있습니다.
또한, 메모리 반도체 분야에서는 NAND 플래시, RRAM, New Memory 등 비휘발성 메모리 소자의 설계 및 제작, 그리고 인-메모리 컴퓨팅(In-Memory Computing) 기술 개발에 주력하고 있습니다. IMC는 메모리 내에서 연산을 직접 수행함으로써 기존 컴퓨팅 구조의 한계를 극복할 수 있는 혁신적 기술로, 본 연구실은 하드웨어 구현 및 시스템 수준의 검증까지 포괄적으로 연구를 확장하고 있습니다.
뉴로모픽 소자 및 하드웨어 인공지능 시스템 연구도 본 연구실의 핵심 분야입니다. 뇌 신경망을 모방한 시냅스 소자와 뉴런 회로, 스파이킹 뉴럴 네트워크(SNN)용 하드웨어, 적응형 온칩 학습 회로 등 다양한 뉴로모픽 아키텍처를 개발하고 있으며, 실제 패턴인식 및 딥러닝 응용에서 우수한 성능을 입증하고 있습니다. 이러한 연구는 초저전력·고속 인공지능 시스템 구현에 필수적입니다.
ASDCL은 산업통상자원부, 과학기술정보통신부, 삼성전자, 하이닉스 등 다양한 산학연 협력과제를 수행하며, 미래 반도체 및 인공지능 기술의 혁신을 이끌고 있습니다. 본 연구실은 반도체 소자와 회로, 시스템을 아우르는 융합적 연구를 통해 차세대 전자산업의 핵심 인재와 기술을 양성하는 데 앞장서고 있습니다.
3D Stacked Memory
PIM Semiconductors
PIM Semiconductor
나노스케일 반도체 트랜지스터 및 소자 기술
본 연구실은 3차원 나노스케일 반도체 트랜지스터의 설계, 제작 및 분석에 중점을 두고 있습니다. 나노미터급 소자는 기존의 평면형 트랜지스터에 비해 집적도가 높고, 전력 소모가 적으며, 성능이 우수하여 차세대 전자기기의 핵심 기술로 주목받고 있습니다. 이를 위해 TCAD(Technology Computer-Aided Design) 시뮬레이션을 활용하여 소자의 전기적 특성과 구조적 변수를 정밀하게 분석하고, 최적화된 설계 방안을 도출합니다.
또한, 실제 소자 제작 공정을 통해 다양한 소재와 구조를 적용한 트랜지스터를 구현하고, 그 특성을 실험적으로 평가합니다. 예를 들어, InGaZnO 기반 박막 트랜지스터, 게이트 올 어라운드(GAA) 구조, 터널 필드-이펙트 트랜지스터(TFET) 등 다양한 차세대 소자 구조에 대한 연구를 수행하고 있습니다. 이러한 연구는 고해상도 디스플레이, 저전력 메모리, 웨어러블 전자기기 등 다양한 응용 분야에 적용될 수 있습니다.
나노스케일 트랜지스터 연구는 반도체 소자의 한계를 극복하고, 미래 전자산업의 혁신을 이끌어갈 기반 기술로 자리매김하고 있습니다. 본 연구실은 소재, 공정, 설계, 분석의 전 과정을 아우르는 통합적 연구를 통해 세계적인 경쟁력을 갖춘 반도체 소자 기술을 개발하고 있습니다.
첨단 메모리 반도체 및 인-메모리 컴퓨팅(In-Memory Computing)
메모리 반도체는 정보 저장의 핵심 소자로, 빅데이터 및 인공지능 시대에 그 중요성이 더욱 커지고 있습니다. 본 연구실은 NAND 플래시 메모리, RRAM(Resistive Random-Access Memory), New Memory 등 다양한 비휘발성 메모리 소자의 제작, 분석, 설계에 관한 연구를 활발히 진행하고 있습니다. 특히, 3차원 적층 구조와 멀티레벨 셀(Multi-Level Cell) 기술을 적용하여 고집적, 고성능, 저전력 메모리 소자를 구현하는 데 주력하고 있습니다.
최근에는 인-메모리 컴퓨팅(In-Memory Computing, IMC) 기술에 대한 연구도 중점적으로 수행하고 있습니다. IMC는 메모리 내에서 연산을 직접 수행함으로써 기존 폰 노이만 구조의 병목 현상과 전력 소모 문제를 해결할 수 있는 혁신적인 패러다임입니다. 본 연구실은 플래시 메모리, RRAM, CTF(Charge Trap Flash) 등 다양한 메모리 소자를 기반으로 한 연산 회로 및 아키텍처를 개발하고, 실제 하드웨어 구현 및 시스템 수준의 검증까지 포괄적으로 연구하고 있습니다.
이러한 연구는 인공지능, 빅데이터, 사물인터넷 등 차세대 정보기술의 핵심이 되는 고성능·저전력 연산 플랫폼 구현에 필수적입니다. 본 연구실은 메모리 소자와 연산 회로의 융합을 통해 미래형 컴퓨팅 시스템의 실현을 목표로 하고 있습니다.
뉴로모픽 소자 및 하드웨어 인공지능 시스템
뉴로모픽(Neuromorphic) 시스템은 인간 뇌의 뉴런과 시냅스 구조를 모방하여, 인공지능을 하드웨어적으로 구현하는 차세대 반도체 기술입니다. 본 연구실은 시냅스 소자와 뉴런 회로의 설계 및 제작, 그리고 이를 활용한 딥러닝 및 패턴인식 응용 연구를 활발히 수행하고 있습니다. 특히, RRAM, 멤리스터, 플로팅 게이트 트랜지스터 등 다양한 소자를 활용하여 생물학적 시냅스의 가소성(plasticity) 특성을 하드웨어적으로 구현하고 있습니다.
또한, 뉴로모픽 시스템의 대규모 집적화와 신뢰성 향상을 위해 3차원 적층형 시냅스 어레이, 벡터-행렬 곱 연산 가속기, 스파이킹 뉴럴 네트워크(SNN)용 뉴런 회로 등 다양한 하드웨어 아키텍처를 개발하고 있습니다. 실제로, 시스템 수준의 시뮬레이션과 실험을 통해 MNIST 등 패턴인식 데이터셋에서 우수한 성능을 입증하였으며, 온칩 학습(On-Chip Learning), 적응형 학습(Adaptive Matching Learning) 등 실시간 인공지능 구현을 위한 연구도 병행하고 있습니다.
뉴로모픽 하드웨어 연구는 기존 소프트웨어 기반 인공지능의 한계를 극복하고, 초저전력·고속·실시간 인공지능 시스템 구현을 가능하게 합니다. 본 연구실은 소자, 회로, 시스템을 아우르는 전방위적 연구를 통해 미래 인공지능 반도체 기술을 선도하고 있습니다.
1
Voltage-Summation-Based Compute-in-Memory Technology with Capacitive Synaptic Devices
Jung Nam Kim, Yong Woo Kim, Boram Kim, Doo-Hyun Kim, Gil Sung Lee, Dong-Hyuk Chae, Minkyu Je, Minsuk Koo*, Yoon Kim*
Advanced Intelligent Systems, 2025
2
Implementation of 8-bit reservoir computing through volatile ZrOx-based memristor as a physical reservoir
Dongyeol Ju, Minsuk Koo*, Sungjun Kim*
Nano Energy, 2024
3
InGaZnO Thin-Film Transistor-based pH Sensor with Parylene-C Gate Dielectric
Gwang-Eun Choi, Min-Joon Kim, Ra-Yeong Park, Yoon Kim*, Dong-Wook Park*
Journal of Sensor Science and Technology, 2024
1
차세대 시스템반도체 설계 전문인력양성사업(5년)
