프로젝트 소개
본 과제는 차세대 인공지능 반도체의 핵심 부품인 ReRAM crossbar array(CBA) 회로의 설계와 최적화를 지원하는 시뮬레이션 플랫폼을 개발하는 연구임. 기계학습 기술을 활용하여 반도체 소자의 복잡한 동작을 정확하게 예측하고, 이를 통해 대규모 회로를 빠르고 효율적으로 시뮬레이션하는 것을 목표로 함.
연구 목표는 실제 소자와의 전류 예측 차율이 5% 이내의 정확도를 가진 지식기반 neural network(NN) 소자 모델을 개발하고, 이를 활용하여 기존 수치해석 방법 대비 20배 이상 빠른 속도로 1Mb 이상의 대규모 CBA 회로 시뮬레이션을 실행하는 데 있음. 또한, 원자-소자-회로/시스템 단위를 아우르는 계층적 시뮬레이션 플랫폼을 구축하여 전체적인 최적화가 가능하도록 함. 핵심 연구 내용은 ReRAM 전이금속 산화물의 스위칭 메커니즘 규명을 위한 원자단위 모델링, 유한요소법 기반 단위 소자 시뮬레이션, 물리적 지식을 반영한 지식기반 NN 소자 compact model 생성, 그리고 대규모 CBA 회로 시뮬레이터 및 최적화 플랫폼 구축을 포함함. 이 모든 과정은 산학연 전문가들의 협력을 통해 진행됨. 기대 효과는 기계학습 기반 플랫폼을 통해 초고집적, 초저전력, 고신뢰성의 지능형 반도체 칩 개발을 가속화하는 것임. 또한, ReRAM 외 다양한 신소자에 동일 방법론을 적용하여 차세대 인공지능 반도체 설계 전반의 발전에 기여하고, 인력 양성 및 원천기술 확보를 위한 연구 에코시스템 구축의 기반을 마련할 것으로 전망됨.