DGIST 전기전자컴퓨터공학과 최상현 교수팀이 차세대 반도체 소자로 주목받는 '멤리스터'를 웨이퍼 단위로 대규모 집적화하는 데 성공했습니다.

이번 연구는 기존 반도체의 한계를 넘어, 인간 두뇌 수준의 고집적 인공지능 반도체 구현을 위한 새로운 기술 플랫폼을 제시한 것으로 평가받고 있습니다.

인간의 두뇌는 약 1,000억 개의 뉴런과 100조 개의 시냅스로 구성되어 있으며, 좁은 공간 안에서 막대한 양의 정보를 동시에 저장하고 처리합니다.

이러한 구조를 모방한 '두뇌형 반도체'는 차세대 AI 기술의 핵심 목표 중 하나지만, 현재의 AI 반도체는 복잡한 회로와 높은 전력 소비 등으로 인해 두뇌 수준의 효율성에는 미치지 못하고 있습니다.

이러한 한계를 극복할 대안으로 주목받는 것이 '멤리스터'로서, '멤리스터'는 전류가 흐른 양을 기억할 수 있는 반도체 소자로, 기억과 연산을 동시에 수행합니다.

구조가 단순해 기존 반도체보다 훨씬 높은 밀도로 회로를 구성할 수 있으며, 특히 크로스바 형태로 배열하면 기존 메모리보다 수십 배 이상의 정보를 같은 면적에 저장할 수 있습니다.

그러나 지금까지의 멤리스터 집적 기술은 공정의 복잡성, 낮은 제품 완성률, 전압 손실 및 전류 누설 등의 문제가 발생해 대면적 웨이퍼 수준으로 확장하기 어려운 한계가 있고 규모 실험 수준에 머물렀습니다.

이에 DGIST 최상현 교수팀은 미국 캘리포니아대학교 산타바바라 캠퍼스 드미트리 교수팀과 공동 연구를 통해, '소재–소자–회로–알고리즘 공동 설계'라는 새로운 접근법을 도입했습니다.

이 방식을 통해 복잡한 제조 과정 없이도 4인치 웨이퍼 전면에 약 95% 이상의 높은 수율을 달성한 멤리스터 크로스바 회로를 구현했습니다.

또 연구팀은 수직 방향으로 여러 층을 쌓는 3차원 적층 구조 구현에도 성공했고, 이번 기술을 기반으로 스파이킹 뉴럴 네트워크를 적용한 결과, 실제 AI 연산에서 높은 효율성과 안정적인 동작이 가능함을 확인했습니다.

최상현 교수는 "이번 연구는 제한되었던 멤리스터 집적 기술을 효과적으로 향상시킬 수 있는 방법을 제시한 것"이라며, "향후 차세대 AI 반도체 플랫폼 개발로 이어질 수 있을 것으로 기대된다"라고 밝혔습니다.

한편, 이번 연구는 미국국립과학재단, 한국산업기술진흥원의 산업 혁신 인재 성장 지원사업, 한국연구재단의 이공분야 학술 연구 지원사업의 지원으로 수행됐습니다.

연구 결과는 세계적으로 권위 있는 다학제 분야 학술지 'Nature Communications'에 10월 게재됐습니다.