초록 ▼

□ 연구개요
머신러닝 기법을 활용하여 계산자원의 소모가 큰 제1원리 계산 기반의 High-Throughput Screening (HTS)의 단점을 보완하는 원천소재 발굴 및 최적화 플랫폼을 개발하고, 이 플랫폼을 활용하여 대한민국의 IT 산업을 이끌고 있는 Random Access Memory (RAM) 소자 이자, 뉴로모픽 컴퓨팅에 사용될 Resistive Random Access Memory (ReRAM) 원천소재를 개발하여 치열한 4차산업 혁명의 주도권 경쟁에 우위를 쟁취

□ 연구 목표대비 연구결과
[최

□ 연구개요
머신러닝 기법을 활용하여 계산자원의 소모가 큰 제1원리 계산 기반의 High-Throughput Screening (HTS)의 단점을 보완하는 원천소재 발굴 및 최적화 플랫폼을 개발하고, 이 플랫폼을 활용하여 대한민국의 IT 산업을 이끌고 있는 Random Access Memory (RAM) 소자 이자, 뉴로모픽 컴퓨팅에 사용될 Resistive Random Access Memory (ReRAM) 원천소재를 개발하여 치열한 4차산업 혁명의 주도권 경쟁에 우위를 쟁취

□ 연구 목표대비 연구결과
[최종연구목표]
머신러닝을 접목한 제1원리 계산 기반의 HTS 플랫폼 구축 및 이를 이용한 최적의 ReRAM용 신물질 개발
1차년도: ReRAM 적용 가능/불가능 소재의 기초 물성 수집 및 머신러닝 학습용 데이터셋 구축
▷ ReRAM 소재 선별을 위한 제1원리 계산 기반의 HTS를 통한 계산 인자 (Feature) 수집
▷ Feature들의 통계적인 조합을 통해 머신러닝의 효율성 및 정확도를 높일 수 있는 대용량의 데이터셋 구축
▷ 소재 탐색에 효율적인 Feature-Space를 구축할 수 있는 체계적인 방법론 제시
2차년도: All-inorganic Layered Perovskite ReRAM 소재 선별 및 Binary Oxide Insulator 소재를 통한 Memory-Selector Hybrid ReRAM 연구
▷ 다양한 조성 및 조합을 고려한 Layered Perovskite 결정 구조에 대한 제1원리 계산 기반의 HTS 수행 및 이를 통한 머신러닝 학습용 데이터셋 확장
▷ 제1원리 계산 기반의 HTS를 통해 구축된 데이터셋을 기반으로 ReRAM에 적합한 5종의 소재 선별
3차년도: ReRAM 소재의 안정성 예측을 위한 Descriptor 개발 및 소자 성능 관련 주요 Descriptor 탐색
▷ 머신러닝을 통해 layered Perovskite 소재의 안정성 및 형성 가능성을 판별할 수 있는 새로운 Descriptor (RP Tolerance Factor) 개발
▷ 문헌 데이터 기반 웹 크롤링 시스템과 데이터 추출 모델 구축 및 이를 통한 ReRAM 소자 성능에 영향을 미치는 4가지의 주요 원인 규명 및 ReRAM 소자 동작과 관련된 3가지 Descriptor 탐색
4차년도: ReRAM 기반의 Selector 소재 선별을 위한 물성 예측 모델 구축 및 메커니즘 분석
▷ Selector 소재의 Off Current 특성 예측을 위한 Bandgap 물성 예측 모델 구축 및 높은 Bandgap 예측 정확도 달성
▷ Selector 소재의 On Current 특성 예측을 위한 Binding Energy와 On Current 간의 상관관계 분석
5차년도: ReRAM 기반 Selector 소재 선별을 위한 스크리닝 플랫폼 구축 및 최적의 Selector 소재 선별
▷ 가능한 모든 조성·조합의 Layered Perovskite 결정 구조를 활용한 ReRAM 기반 Selector 후보군 1521종 구축
▷ 3년차에서 개발한 RP Tolerance Factor를 통해 안정한 Selector 후보군 212종 선별
▷ 4년차에서 구축한 Bandgap 예측 모델을 통해 높은 Bandgap을 갖는 Selector 후보군 10종 선별
▷ 4년차에서 분석한 Binding Energy와 소자 성능 간의 관계를 통해 최적의 Selector 소재 1종 선별

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
머신러닝을 접목시킨 제1원리 계산 기반의 ReRAM 물질 탐색 HTS 플랫폼 구축
▷ 국내 최초 머신러닝을 접목시킨 제1원리 계산 기반의 ReRAM 물질 탐색 HTS 플랫폼 구축
▷ 고성능 ReRAM 신소재 탐색에 소요되는 수억~수십억원 단위의 연구 개발비 및 수년 단위의 연구 기간을 획기적으로 단축
▷ 머신러닝을 접목시킨 제1원리 계산 기반의 HTS 플랫폼은 높은 효율성과 정확성을 바탕으로, 다양한 산업 분야에서 요구하는 물성에 최적화된 고안정성 신소재 탐색에 활용될 수 있을 것으로 예상
머신러닝을 접목시킨 제1원리 계산 기반의 HTS를 통한 고성능 ReRAM 소재 탐색
▷ Sr₂HfO₄ 1종의 안정한 고성능 ReRAM 용 Selector 신물질 선별 및 9종의 안정한 ReRAM 용 Memory 신물질 선별
▷ 본 연구에서 선별한 10종의 물질 기반의 ReRAM 소자를 통해 2025년 650억 달러 이상으로 예상되는 인공지능 반도체 시장에서 전력 소모 감소에 따른 에너지 절감 효과 및 소자 성능 향상에 따른 생산성 향상이 이루어질 것으로 예상

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1) 연구의 목적 ... 4
• 2) 연구의 필요성 ... 4
• 3) 연구가설 ... 5
• 4) 최종연구목표 ... 5
• 5) 연차별목표 ... 5
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 9
• 1) 정성적 연구개발성과 (연구개발결과) ... 9
• 2) 세부 정량적 연구개발성과 ... 13
• 3) 목표 달성 수준 ... 13
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 (연구개발결과의 중요성) ... 14
• 1) 머신러닝을 접목시킨 제1원리 계산 기반의 ReRAM 물질 탐색 HTS 플랫폼 구축 ... 14
• 2) 머신러닝을 접목시킨 제1원리 계산 기반의 HTS를 통한 고성능 ReRAM 소재 탐색 ... 14
• 5. 연구개발성과의 관리 및 활용 계획 ... 15
• 1) 성과 관리 추진체계 ... 15
• 2) 연구개발분야의 활용분야 및 활용방안 ... 15
• 3) 타 연구에 응용 ... 16
• 6. 자체점검표 ... 16
• 7. 참고문헌 ... 17
• 끝페이지 ... 41