최근, 4차 산업혁명의 도래와 함께 인공지능 기술은 학계에서뿐만 아니라 사회적으로도 큰 관심을 이끌고 있다. 인공지능은 사물 및 음성 인식을 넘어 자율 주행 자동차, 의료 기기, 스마트 뱅킹, 스마트폰, 컴퓨터 및 모든 전자기기, 주거 환경 등 일상생활과 밀접하게 관련된 부분에서 혁신적인 변화를 만들어내고 있다. 이러한 인공지능은 대부분 딥러닝에 기반하고 있으며, 현재 딥러닝을 효율적으로 구동할 수 있는 하드웨어가 필요한 상황이다. 하지만, 기존의 메모리와 프로세서가 분리된 구조를 가지는 폰 노이만 시스템은 폰 노이만 병목현상이라는 구조적 한계에 직면해 있다. 이때 메모리와 프로세서 사이 ...
최근, 4차 산업혁명의 도래와 함께 인공지능 기술은 학계에서뿐만 아니라 사회적으로도 큰 관심을 이끌고 있다. 인공지능은 사물 및 음성 인식을 넘어 자율 주행 자동차, 의료 기기, 스마트 뱅킹, 스마트폰, 컴퓨터 및 모든 전자기기, 주거 환경 등 일상생활과 밀접하게 관련된 부분에서 혁신적인 변화를 만들어내고 있다. 이러한 인공지능은 대부분 딥러닝에 기반하고 있으며, 현재 딥러닝을 효율적으로 구동할 수 있는 하드웨어가 필요한 상황이다. 하지만, 기존의 메모리와 프로세서가 분리된 구조를 가지는 폰 노이만 시스템은 폰 노이만 병목현상이라는 구조적 한계에 직면해 있다. 이때 메모리와 프로세서 사이 데이터 전송에 의한 시간 및 파워 소모는 패턴 인식과 같은 데이터 중심적인 응용을 수행할 때 더욱 치명적으로 작용한다. 따라서 이를 극복하기 위해 최근에는 인간의 뇌(시냅스와 뉴런)에서 영감을 받은 뉴로모픽 하드웨어 시스템이 새롭게 등장하였다. 이는 병렬적인 구조를 가지므로 패턴 인식과 같은 데이터 중심적인 응용을 수행할 때 더욱 효율적으로 처리할 수 있다. 뉴로모픽 하드웨어를 구현하기 위해서는 시냅스 역할을 하는 시냅스 소자가 구현되어야 한다. 현재 작은 크기를 가지며 파워 소모가 적은 RRAM (Resistive switching memory)이 시냅스 소자로서 가장 촉망받는 후보로 활발히 연구되고 있지만, 근본적인 동작 원리에서 발생하는 한계점들이 존재한다. 예를 들어, 필라멘트 형성 또는 쇼트키 장벽 변화에 의해 급격하게 전도도가 변화하는 특성과 불완전 금속 필라멘트 형성 또는 쇼트키 장벽에서 발생하는 비선형적 전류-전압 곡선이 그 한계점들이다. 따라서 본 석사학위 논문에서는 이를 극복할 수 있는 뉴로모픽 응용을 위한 3단자 저항 변화 소자에 대해 기술하고자 한다. 첫 번째 장에서는 폰 노이만 구조의 한계와 뉴로모픽 구조의 장점을 간단히 소개한다. 또한, 뉴로모픽 하드웨어의 구성 요소인 시냅스 소자가 가져야 할 특성에 대해 보고한다. 두 번째 장에서는 기존의 2단자 RRAM의 동작 원리 및 시냅스 적용 시 한계에 대해 기술하고, 3단자 저항 변화 소자의 동작 원리 및 시냅스 적용 시 구조적 장점에 대해 보고한다. 세 번째 장에서는 뉴로모픽 응용을 위한 액체 전해질 기반의 3단자 저항 변화 소자를 보고한다. 보고된 소자는 이온성 액체 전해질을 이용하여 텅스텐 옥사이드 채널의 산소 농도를 변화시켜 채널 전도도를 조절한다. 계속적인 채널 환원 반응에 의해 채널 전도도가 선형적으로 증가하는 우수한 특성을 보인다. 또한 산소 공공이 많이 포함된 텅스텐 옥사이드의 금속성 덕분에 선형적인 전류-전압 특성을 보인다. 우수한 특성을 바탕으로 뉴럴 네트워크시뮬레이션을 진행한 결과, 기존의 2단자 RRAM 시냅스 소자에 비해 우수한 인식률 결과를 확보였다. 하지만 이온성 액체의 사용에 따른 급격한 텅스텐 옥사이드 산화 특성 및 소자 집적화 한계라는 문제점을 가진다. 이러한 문제를 해결하기 위해, 네 번째 장에서는 뉴로모픽 응용을 위한 고체 전해질 기반의 3단자 저항 변화 소자를 보고한다. 보고된 소자는 금속 채널과 텅스텐 옥사이드 전해질 사이에서의 산소 이온 이동에 의해 금속 층의 두께가 조절되며 전도도가 변화한다. 금속 두께는 전도도와 비례하므로 보고된 소자에서는 선형적인 전도도 변화가 가능하다. 또한 금속 채널을 사용함으로써, 선형적인 전류-전압 곡선을 확보하였다. 채널 금속으로서 산화 시 자유에너지가 높은 텅스텐을 사용함으로써 높은 on/off 비 또한 확보하였다. 그 결과, 뉴럴 네트워크 시뮬레이션에서 우수한 인식률을 나타냈으며, 보고된 소자는 뉴로모픽 하드웨어를 구현하는 데 있어서 유망한 시냅스 소자 후보가 될 것으로 여겨진다.
최근, 4차 산업혁명의 도래와 함께 인공지능 기술은 학계에서뿐만 아니라 사회적으로도 큰 관심을 이끌고 있다. 인공지능은 사물 및 음성 인식을 넘어 자율 주행 자동차, 의료 기기, 스마트 뱅킹, 스마트폰, 컴퓨터 및 모든 전자기기, 주거 환경 등 일상생활과 밀접하게 관련된 부분에서 혁신적인 변화를 만들어내고 있다. 이러한 인공지능은 대부분 딥러닝에 기반하고 있으며, 현재 딥러닝을 효율적으로 구동할 수 있는 하드웨어가 필요한 상황이다. 하지만, 기존의 메모리와 프로세서가 분리된 구조를 가지는 폰 노이만 시스템은 폰 노이만 병목현상이라는 구조적 한계에 직면해 있다. 이때 메모리와 프로세서 사이 데이터 전송에 의한 시간 및 파워 소모는 패턴 인식과 같은 데이터 중심적인 응용을 수행할 때 더욱 치명적으로 작용한다. 따라서 이를 극복하기 위해 최근에는 인간의 뇌(시냅스와 뉴런)에서 영감을 받은 뉴로모픽 하드웨어 시스템이 새롭게 등장하였다. 이는 병렬적인 구조를 가지므로 패턴 인식과 같은 데이터 중심적인 응용을 수행할 때 더욱 효율적으로 처리할 수 있다. 뉴로모픽 하드웨어를 구현하기 위해서는 시냅스 역할을 하는 시냅스 소자가 구현되어야 한다. 현재 작은 크기를 가지며 파워 소모가 적은 RRAM (Resistive switching memory)이 시냅스 소자로서 가장 촉망받는 후보로 활발히 연구되고 있지만, 근본적인 동작 원리에서 발생하는 한계점들이 존재한다. 예를 들어, 필라멘트 형성 또는 쇼트키 장벽 변화에 의해 급격하게 전도도가 변화하는 특성과 불완전 금속 필라멘트 형성 또는 쇼트키 장벽에서 발생하는 비선형적 전류-전압 곡선이 그 한계점들이다. 따라서 본 석사학위 논문에서는 이를 극복할 수 있는 뉴로모픽 응용을 위한 3단자 저항 변화 소자에 대해 기술하고자 한다. 첫 번째 장에서는 폰 노이만 구조의 한계와 뉴로모픽 구조의 장점을 간단히 소개한다. 또한, 뉴로모픽 하드웨어의 구성 요소인 시냅스 소자가 가져야 할 특성에 대해 보고한다. 두 번째 장에서는 기존의 2단자 RRAM의 동작 원리 및 시냅스 적용 시 한계에 대해 기술하고, 3단자 저항 변화 소자의 동작 원리 및 시냅스 적용 시 구조적 장점에 대해 보고한다. 세 번째 장에서는 뉴로모픽 응용을 위한 액체 전해질 기반의 3단자 저항 변화 소자를 보고한다. 보고된 소자는 이온성 액체 전해질을 이용하여 텅스텐 옥사이드 채널의 산소 농도를 변화시켜 채널 전도도를 조절한다. 계속적인 채널 환원 반응에 의해 채널 전도도가 선형적으로 증가하는 우수한 특성을 보인다. 또한 산소 공공이 많이 포함된 텅스텐 옥사이드의 금속성 덕분에 선형적인 전류-전압 특성을 보인다. 우수한 특성을 바탕으로 뉴럴 네트워크 시뮬레이션을 진행한 결과, 기존의 2단자 RRAM 시냅스 소자에 비해 우수한 인식률 결과를 확보였다. 하지만 이온성 액체의 사용에 따른 급격한 텅스텐 옥사이드 산화 특성 및 소자 집적화 한계라는 문제점을 가진다. 이러한 문제를 해결하기 위해, 네 번째 장에서는 뉴로모픽 응용을 위한 고체 전해질 기반의 3단자 저항 변화 소자를 보고한다. 보고된 소자는 금속 채널과 텅스텐 옥사이드 전해질 사이에서의 산소 이온 이동에 의해 금속 층의 두께가 조절되며 전도도가 변화한다. 금속 두께는 전도도와 비례하므로 보고된 소자에서는 선형적인 전도도 변화가 가능하다. 또한 금속 채널을 사용함으로써, 선형적인 전류-전압 곡선을 확보하였다. 채널 금속으로서 산화 시 자유에너지가 높은 텅스텐을 사용함으로써 높은 on/off 비 또한 확보하였다. 그 결과, 뉴럴 네트워크 시뮬레이션에서 우수한 인식률을 나타냈으며, 보고된 소자는 뉴로모픽 하드웨어를 구현하는 데 있어서 유망한 시냅스 소자 후보가 될 것으로 여겨진다.
The demand for fast and energy-efficient computing technology increases due to the rapid rise in unstructured data collection and utilization worldwide. Conventional computing system based on the von Neumann architecture with separate memory and processing units encounter challenges derived from the...
The demand for fast and energy-efficient computing technology increases due to the rapid rise in unstructured data collection and utilization worldwide. Conventional computing system based on the von Neumann architecture with separate memory and processing units encounter challenges derived from the so-called ‘von Neumann bottleneck’. The energy and time spent transporting data between memory and processor sequentially becomes problematic, particularly in data-centric application such as pattern recognition. To overcome this limitation, neuromorphic computing system, which is inspired by biological neurons and synapses, has been actively investigated due to its low power consumption, fault-tolerance and massive parallelism. To realize this system, a part of the biological synapse should be established with the electronic device which transfer data in the form of conductance in electronic systems. Two-terminal resistive switching random access memory (RRAM) has been researched actively and considered as one of the promising candidates for the synapse device due to its low power consumption and high scalability. However, conventional two-terminal RRAM has exhibited non-linear change in conductance due to the filament formation or Schottky barrier modulation which cause an abrupt switching. In addition, RRAM has showed non-linear I-V characteristics due to the non-metal filament formation or Schottky barrier. These two non-ideal characteristics result in degradation of classification accuracy in neuromorphic systems because they critically impact on training of synapse weight and inference process. Therefore, this dissertation focuses on developing three-terminal resistive switching devices for synapse application which can overcome the limitations of conventional two-terminal synapse devices. Firstly, a liquid electrolyte based three-terminal synapse device is introduced. The proposed device is operated by oxygen ion migration between tungsten oxide channel and ionic liquid electrolyte. By measuring in various ambient condition, conductance switching mechanism is analyzed. The device exhibit linear change in potentiation under identical pulses because the tungsten oxide is continuously reduced in the depth direction. In addition, linear ID-VD characteristics are achieved owing to the sub-stoichiometric tungsten oxide channel which exhibit ohmic behavior. However, the application of the device is limited due to use of liquid electrolyte which is CMOS incompatible. To overcome this limitations, secondly, a solid electrolyte based three-terminal synapse device is proposed. The channel conductance is determined by the effective thickness of channel metal which is modulated by electric field induced oxygen ion migration. Because channel conductance depends linearly on the thickness of the metal, analog conductance switching can be achieved. Also, the device shows linear ID-VD characteristics owing to the metallic channel. As a result of evaluating synapse characteristics depending on various channel metals (Ti, Mo, and W), W channel based device exhibits the highest on/off ratio and linear conductance change under identical pulses due to the easy reduction property of tungsten oxide. Finally, thanks to the excellent performances of the device, high pattern recognition accuracy is confirmed in neuromorphic systems, which means this synapse device has great potential for future neuromorphic system applications.
The demand for fast and energy-efficient computing technology increases due to the rapid rise in unstructured data collection and utilization worldwide. Conventional computing system based on the von Neumann architecture with separate memory and processing units encounter challenges derived from the so-called ‘von Neumann bottleneck’. The energy and time spent transporting data between memory and processor sequentially becomes problematic, particularly in data-centric application such as pattern recognition. To overcome this limitation, neuromorphic computing system, which is inspired by biological neurons and synapses, has been actively investigated due to its low power consumption, fault-tolerance and massive parallelism. To realize this system, a part of the biological synapse should be established with the electronic device which transfer data in the form of conductance in electronic systems. Two-terminal resistive switching random access memory (RRAM) has been researched actively and considered as one of the promising candidates for the synapse device due to its low power consumption and high scalability. However, conventional two-terminal RRAM has exhibited non-linear change in conductance due to the filament formation or Schottky barrier modulation which cause an abrupt switching. In addition, RRAM has showed non-linear I-V characteristics due to the non-metal filament formation or Schottky barrier. These two non-ideal characteristics result in degradation of classification accuracy in neuromorphic systems because they critically impact on training of synapse weight and inference process. Therefore, this dissertation focuses on developing three-terminal resistive switching devices for synapse application which can overcome the limitations of conventional two-terminal synapse devices. Firstly, a liquid electrolyte based three-terminal synapse device is introduced. The proposed device is operated by oxygen ion migration between tungsten oxide channel and ionic liquid electrolyte. By measuring in various ambient condition, conductance switching mechanism is analyzed. The device exhibit linear change in potentiation under identical pulses because the tungsten oxide is continuously reduced in the depth direction. In addition, linear ID-VD characteristics are achieved owing to the sub-stoichiometric tungsten oxide channel which exhibit ohmic behavior. However, the application of the device is limited due to use of liquid electrolyte which is CMOS incompatible. To overcome this limitations, secondly, a solid electrolyte based three-terminal synapse device is proposed. The channel conductance is determined by the effective thickness of channel metal which is modulated by electric field induced oxygen ion migration. Because channel conductance depends linearly on the thickness of the metal, analog conductance switching can be achieved. Also, the device shows linear ID-VD characteristics owing to the metallic channel. As a result of evaluating synapse characteristics depending on various channel metals (Ti, Mo, and W), W channel based device exhibits the highest on/off ratio and linear conductance change under identical pulses due to the easy reduction property of tungsten oxide. Finally, thanks to the excellent performances of the device, high pattern recognition accuracy is confirmed in neuromorphic systems, which means this synapse device has great potential for future neuromorphic system applications.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.