김형진 부교수

메모리와 연산장치 간 데이터 이동 과정에서 발생하는 전력 소모와 지연 시간 문제, 이른바 폰 노이만 병목 현상을 해결하기 위해 메모리 내부에서 직접 연산을 수행하는 인메모리 컴퓨팅 기술을 연구하고 있습니다. 이를 위해 강유전체(HfZrO2) 기반 커패시터를 활용한 멤커패시터(Memcapacitor) 어레이를 제작하였으며, 기존 멤리스터 소자가 저항 변화를 물리량으로 사용하는 것과 달리 전하(Charge)를 연산의 물리량으로 활용하는 방식을 구현했습니다. 이러한 전하 기반 연산 방식은 저항 기반 방식 대비 낮은 소비 전력으로 다치 정보 저장과 병렬 연산을 가능하게 합니다. 실제로 48x24 규모의 멤커패시터 어레이에서 4비트 멀티레벨 저장을 구현하였고, 소프트웨어 기반 연산과 대등한 수준의 정확도를 확보했습니다. 이 기술은 초저전력 인메모리 AI 연산 및 모바일 기기용 저전력 고성능 추론 하드웨어 개발에 적용되고 있으며, 관련 연구 성과는 반도체 소자 분야 국제학회인 IEDM 2025에서 발표되었습니다.

생물학적 신경망의 시냅스 가중치를 비휘발성 메모리 소자로 구현하여 뉴로모픽 컴퓨팅 시스템을 구축하는 연구를 수행하고 있습니다. 3차원 낸드 플래시 구조를 기반으로 시냅스 소자를 매핑한 3차원 적층형 시냅스 어레이 스트링을 설계하여, 벡터-행렬곱 연산의 안정성을 향상시켰습니다. 커패시터 기반 시냅스 셀을 포함한 하드웨어 기반 인공 신경망 제공 장치를 개발하였고, 경계값 기반 이진 인공신경망 학습 방법을 고안하여 학습 효율을 높였습니다. 이러한 구조적 접근을 통해 대규모 신경망 연산에서도 안정적인 벡터-행렬곱 연산이 가능하도록 소자 및 회로 수준의 설계를 병행하고 있습니다. 이러한 기술은 뉴로모픽 컴퓨팅, 고신뢰성 신경모사 시스템, 인공지능 반도체 분야에 적용되고 있습니다. 관련 연구 성과로 하드웨어 기반 인공 신경망 제공 장치, 인공신경망 구현을 위한 3차원 적층형 시냅스 어레이 스트링, 경계값을 이용한 이진 인공신경망 학습 방법 등 특허 4건을 등록했습니다.

멤리스터 크로스바 어레이 구조를 활용한 하드웨어 보안 시스템과 고신뢰성 물리적 복제불가 함수(PUF) 기술을 연구하고 있습니다. 하부 전극, 전도층(Al2O3), 산화물층(TiOx), 상부 전극이 순차적으로 적층된 터널링 기반 메모리 소자를 이용하여 멤리스터 크로스바 어레이형 PUF를 구현하였으며, 온도 변화에 독립적인 전류-전압 특성을 확보했습니다. 이러한 특성은 외부 환경 변화에도 안정적인 고유 인증키 생성을 가능하게 하여, PUF의 신뢰성과 보안성을 동시에 높이는 데 기여합니다. 해당 기술은 하드웨어 보안 시스템 구축과 반도체 인증 및 위변조 방지 분야에 적용되고 있습니다. 3차원 적층형 멤리스터 크로스바 어레이 기반 PUF 및 하드웨어 보안 시스템 개발과 관련하여 다수의 연구 과제를 수행하였으며, 고신뢰성 물리적 복제불가 함수 기술로 특허를 등록했습니다.