초록 ▼

본 연구과제의 목표는 비선형 음미분 저항을 갖는 나노전자소자 기반 초고집적/극저전력 신경 모방소자 및 회로개발이며, 이를 위해 세가지 분야에서 3차년도에 걸쳐 세부 목표를 세웠다.
ㆍ극저전력 NDR 특성을 위한 낮은 구동전압에서의 PVCR 개선 연구
- Peak current 향상 -> 터널 접합의 band gap 감소를 위한 이종접합 연구
a) 1차년도: 다양한 물질에 대한 밴드간 터널링 모델 구축 및 시뮬레이션 검증
b) 2차년도: SiGe, Ge, C 증착 및 2D 구조 형성 (UHV-CVD 활용 @ UN

본 연구과제의 목표는 비선형 음미분 저항을 갖는 나노전자소자 기반 초고집적/극저전력 신경 모방소자 및 회로개발이며, 이를 위해 세가지 분야에서 3차년도에 걸쳐 세부 목표를 세웠다.
ㆍ극저전력 NDR 특성을 위한 낮은 구동전압에서의 PVCR 개선 연구
- Peak current 향상 -> 터널 접합의 band gap 감소를 위한 이종접합 연구
a) 1차년도: 다양한 물질에 대한 밴드간 터널링 모델 구축 및 시뮬레이션 검증
b) 2차년도: SiGe, Ge, C 증착 및 2D 구조 형성 (UHV-CVD 활용 @ UNIST UCRF)
c) 3차년도: peak 전류밀도 J_peak > 200 kA/cm² 를 갖는 prototype NDR 검증
- Valley current 억제 -> 나노선 및 양자점 트랜지스터 특성 개선 연구
a) 1차년도: 동작전압 감소를 위한 트랜지스터 연결 구조 창안 및 시뮬레이션 검증
b) 2차년도: 1D 나노선 및 0D 양자점 구조 형성 (E-beam litho. 활용 @ UNIST UCRF)
c) 3차년도: 연결 구조의 compact layout 기반 PVCR >10⁵ 의 prototype NDR 제작 검증
ㆍ신경모방 융·복합 소자 연구 (Switching element + Multi-bit Memory in One device)
a) 1차년도: 터널접합 기반 비선형 NDR 융·복합 소자 아이디어 검증
b) 2차년도: 양자점의 전하차폐(Coulomb-blockade) 특성 기반 NDR 융·복합 소자 연구
c) 3차년도: prototype 신경모방소자 검증
ㆍ신경모방 융·복합 회로 연구 (초고집적 소자연결 및 극저전력 회로 디자인)
a) 1차년도: 비선형 NDR 소자의 2-terminal 입력 전압 변화 기반 신경모방회로 검증
b) 2차년도: Multi-bit 기반 집합적 병렬 계산 회로 아이디어 제시 및 검증
c) 3차년도: 터널접합/양자점 기반 초고집적/극저전력 신경모방 융·복합 회로 검증

첫 번째 분야인 “극저전력 NDR 특성을 위한 낮은 구동전압에서의 PVCR 개선 연구”의 경우, MOSFET을 기반으로 0.9 V의 낮은 구동전압에서 J_peak > 200 kA/cm² 과 PVCR > 10⁷ 을 가지는 single-peak NDR 회로를 개발하여 3차년도 목표인 J_peak > 200 kA/cm² 과 PVCR > 10⁵ 을 초과 달성하였다. 이는 단순 CMOS 소자를 통해서 얻은 결과로서, 기존에 소개된 화합물 기반의 NDR 소자에 비해 연구 성과 및 활용 가능성이 더 크다고 할 수 있다. 두 번째로, “신경모방 융·복합 소자 연구 (Switching element + Multi-bit Memory in One device)” 분야에서는 single-peak NDR 회로에서 발전 하여, 터널접합 기반 트랜지스터 기반의 double-peak NDR 회로와 ambipolar 특성을 기반으로 한 double-peak NDR 회로를 제안하고 동작 원리 및 제어 방식에 대한 검증이 이루어 졌다. 뿐만 아니라, 상호 대칭인 multi-peak (n-peak, n은 자연수) NDR 특성을 이용하여 multi-state (2n+1 state) memory가 가능함을 최초로 밝혔다. 마지막으로, “신경모방 융·복합 회로 연구 (초고집적 소자연결 및 극저전력 회로 디자인)”로는, Neuron = transistor (switching), synapse = memory 라는 뇌신경 구성 요소와 반도체 소자간의 대응을 통해 신경모방 융·복합 회로 prototype을 제시하고, 새로운 multi-bit memory 및 logic 구현을 통해 집합적이고 병렬적인 계산이 가능성을 밝혔다. 현재 TCAD 전산 모사를 통해 검증한 신경모방 융·복합 소자/회로에 대한 아이디어들을 제작 및 재검증하는 단계에 있다.