단국대 김민주·최준환 교수팀, 액체 용매 없이 기체 반응으로 초박막 고분자 멤리스터 반도체 소자 개발 … 전력효율↑·처리속도↑·칩면적↓

단국대학교는 융합반도체공학과 김민주 교수팀과 화학공학과 최준환 교수팀이 머리카락 굵기의 수천 분의 1 수준인 초박막 고분자를 기반으로 기억과 연산을 동시에 수행하는 차세대 인공지능(AI) 반도체 '멤리스터(memristor)' 소자 개발에 성공했다고 16일 밝혔다.

이번 연구는 고려대 전자정보공학과 신용구 교수와 함께 진행했다.

AI 기술의 고도화와 대용량 데이터 처리 수요가 급증하면서 반도체 분야에선 이른바 '메모리 병목(Memory Wall)' 문제가 심화하고 있다. 초기 컴퓨터에서 폰 노이만이 제안한 구조에서는 메모리와 프로세서가 분리돼 있어 데이터 이동 과정에서 속도 저하와 과도한 전력 소모가 발생하는 한계가 있다. 이에 따라 메모리(memory)와 저항(resistor) 기능을 결합한 멤리스터 구조가 차세대 메모리·연산 소자로 주목받고 있다.

멤리스터는 전류 흐름을 스스로 제어하며 학습 가중치를 조절할 수 있어 '스스로 생각하는 메모리'로 불린다. 그러나 기존 고분자 기반 멤리스터는 소자 특성 편차로 인한 오작동, 수율 저하 등 내구성과 신뢰성 문제로 상용화에 어려움이 있었다.

연구팀은 이런 한계를 극복하기 위해 전류를 정밀하게 제어할 수 있는 고성능 초박막 소재를 개발했다. 액체 용매 없이 기체 상태의 물질을 반응시켜 박막을 형성하는 iCVD(initiated Chemical Vapor Deposition·개시형 화학기상증착) 공정을 적용해 사이아노(CN) 기능을 갖는 고분자 물질을 10나노미터(㎚, 1㎚는 10억분의 1m) 이하 두께의 초정밀 박막으로 구현했다.

개발된 소재의 멤리스터를 고해상도 이미지 기반 최신 AI 모델(CNN)에 적용한 결과, 최대 88.39%의 분류 정확도를 기록했다. 전력 효율 향상, 처리 속도 증가, 칩 면적 감소 등 기존 반도체 구조보다 구조적 우수성을 입증했다.

김 교수는 "국내 기술만으로 고해상도 이미지 기반 CNN 연산을 실제 멤리스터 하드웨어에서 검증해 뉴로모픽 반도체 상용화 가능성을 한층 높였다는 점에서 의미가 있다"며 "엣지(Edge·단말) AI, 웨어러블 기기, 자율주행, 로봇 등 저전력·고효율 AI 시스템 구현에 크게 기여할 것"이라고 말했다.

이번 연구 성과는 융합공학 분야의 국제 저명 학술지 '어드밴스드 사이언스(Advanced Science·첨단과학)'에 지난달 27일 온라인 게재됐다.

이번 연구는 한국연구재단 주관의 차세대지능형반도체기술개발사업, 우수신진연구사업, 중견연구사업과 신진연구자인프라지원사업(기초과학연구원), 인간지향적 차세대 도전형 AI 기술개발사업(정보통신기획평가원)의 지원을 받아 수행됐다.