병렬연산에 최적화된 고집적 교차형 메모리 어레이 구조 개발
재료과학 최상위 국제 학술지 ‘Advanced Functional Materials’ 온라인 게재

(좌측부터) 소효진 석사, 김성준 박사 후 연구원, 김성준 교수

동국대 전자전기공학부 소효진 석사 (단독 제1저자), 김성준 교수 (교신저자), 김성준 박사 후 연구원 (교신저자)으로 구성된 연구팀이 생물학적 인간의 뇌에서 시냅스 기능을 모사하여 병렬연산에 최적화된 TiOx 다층구조 기반의 멤리스터 (저항변화 기반 메모리) 어레이를 개발했다.

크로스포인트 메모리는 두 전극이 수직으로 교차 되는 지점에 메모리 소자가 위치하는 구조로 내 병렬연산 (In-memory computing)의 핵심적인 요소로서 개발되고 있으나 반도체 소자의 크로스톡 (프로그램 시 소자 간 영향이 발생하는 것) 개선과 소자 구조 단순화에 어려움을 겪고 있다. 

따라서 이 연구에서는 멤리스터의 고유한 문제점인 오버슛에 의한 소자 파괴 현상을 막기 위해, 멤리스터 소자 내 TiOx 의 산소농도 조절을 통해 자연산화 알루미나 층을 형성시켰으며 저항체로 작용하도록 유도했다. 그 결과 멤리스터 소자의 오버슛 특성을 크게 개선하고 크로스포인트 어레이 내에서 평가된 모든 셀의 수율 100%를 검증했다. 또한 뉴로모픽 시스템 응용을 위한 멤리스터 소자 저전력화 과정에 대해 TiOx 산소농도에 따른 물질 최적화 공정 방법을 제시했다.

기존의 필라멘트 타입 멤리스터 소자는 단순한 온/오프 기능을 보여주고 있는데 이는 다양한 가중치가 사용되는 딥 뉴럴네트워크의 시냅스 소자로 사용되기에 적합하지 않다. 따라서 김성준 교수 연구팀은 세밀한 가중치 구현을 위해 TiOx 산소농도 최적화를 진행하였으며 conductive atomic force microscopy (c-AFM)을 통해 스위칭 물질 내 다중 필라멘트를가 다양한 가중치를 만들어 내는 것을 증명해냈다. 

이번 논문에 사용된 멤리스터 셀의 측정 자동화를 위해 김성준 교수 연구팀은 자체적으로 C++ 툴을 통해 NAND flash 프로그램에 사용되는 ISPVA 측정 기법을 개발했으며, 복잡한 메모리 실험과정을 대폭 감소시키고 연구 효율성을 향상시켰다. 또한 생물학적 시냅스 특성을 모사하기 위해 소자에 다양한 전기적 자극 특성과 가중치 학습 규칙에 대해 검증하여 차세대 초저전력 AI 시스템의 가능성을 보여줬다. 

앞으로 병렬연산을 가능케 하는 크로스포인트 구조에 대한 연구가 더욱 활발히 진행될 것이며 국가 연구과제에서도 어레이 사이즈 대형화를 요구하고 있다. 이에 발맞추어 김성준 교수 연구팀은 크로스포인트 어레이 측정 자동화 셋업을 진행하고 있으며 장비 업체와 함께 자동 측정 프로그램을 공동 개발하고 있다.

삼성과 SK 하이닉스 뿐 아니라 TSMC (대만), IMEC (벨기에) 등에서도 메모리의 고집적화와 뉴로모픽 시스템을 구현하기 위한 방법으로 멤리스터를 꾸준히 개발하고 있다. 하지만 아직까지 트랜지스터가 함께 사용되는 구조를 사용하여 낮은 집적도를 보여주고 있다. 김성준 교수 연구팀에서는 멤리스터의 기능적 문제를 해결하기 위해 1저자 학생과 김성준 박사 후 연구원이 함께 오버슛 억제형 멤리스터 소자 구조를 개발했으며 서울대 반도체공동연구소와 동국대 MINT의 장비를 활용하여 고수율 크로스포인트 어레이를 제작했다. 따라서 산업계에서 멤리스터 구조를 활용하고자 할 때 쉽게 적용할 수 있으며 향후 뉴로모픽 컴퓨팅 구현에 사용될 수 있을 것으로 기대하고 있다.

해당 연구결과는 <Sophisticated Conductance Control and Multiple Synapse Functions in TiO2-Based Multistack-Layer Crossbar Array Memristor for High-Performance Neuromorphic Systems>라는 제목으로 재료 분야 최상위 저명 국제 학술지 「Advanced Functional Materials (IF=18.5)」 24년 6월 온라인에 게재되었고 올해 하반기에 출판될 예정이다.