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.

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(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.