고려대학교는 신창환 전기전자공학부 교수 연구팀이 기존 반도체 제조 공정을 그대로 활용하면서 차세대 인공지능(AI) 반도체 및 뉴로모픽 하드웨어 구현에 적합한 핵심 소자를 개발했다고 22일 밝혔다.
뉴로모픽은 인간 뇌의 신경·시냅스 구조를 모방해 적은 에너지로 복잡한 연산을 동시에 처리하는 기술을 말한다.
기존 HZO 기반 반도체 소자(작은 공간에 더 많은 데이터를 안정적으로 담을 수 있는 차세대 초고유전율 소재)는 전력 효율을 높이면 전류가 새어 나가는 상충 관계가 존재했다. 연구팀은 이를 해결하기 위해 IGZO(인듐, 갈륨, 아연, 산소로 구성된 산화물 반도체)중간층을 도입해 'HZO 기반 강유전체 충전 터널 접합 소자(FCTJ)'를 개발했다.
데이터를 얼마나 명확하게 읽는지 뜻하는 '전류 on/off 비'와 전류가 새지 않고 한 방향으로 흐르게 하는 '정류비'가 모두 10⁴ 이상으로 높은 수준을 보였다. 시간에 따라 응답이 변하는 유연한 학습 능력을 구현했다.
연구팀은 FCTJ 소자의 뛰어난 전기적 특성이 대규모 집적 환경에서 발생할 수 있는 누설 전류 경로(sneak-path) 문제를 완화하는 데 효과적임을 입증했다. 각 2000개 이상의 행과 열 수를 가지는 수동 크로스바 어레이 조건에서도 데이터를 오차 없이 정확하게 읽어내는 능력인 '리드 마진(read margin)'을 10% 이상 확보할 수 있음을 확인했다.
더불어 HZO/IGZO 기반의 재료 및 소자 구조는 CMOS 공정(반도체 표준 제조 공정)과의 연계 가능성을 지녀, 향후 대규모 집적형 뉴로모픽 하드웨어 구현을 위한 기반 기술로 활용될 수 있다.
연구팀은 전기·구조적 분석과 온도 의존 전도 특성 평가를 통해, IGZO와 HZO가 만나는 경계면에 형성된 미세한 산소 구멍들이 시간이 흐를수록 충전되는 전자와 상호작용한다는 점을 밝혀냈다. 그 결과 전자가 이동할 때 넘어야 하는 에너지 장벽을 효과적으로 낮추며 전류 흐름을 크게 개선했다. 이 과정에서 소자가 단순히 정보를 저장하는 수준을 넘어, 인간의 뇌처럼 자극의 빈도와 강도에 따라 정보를 짧거나 길게 기억하는 '시냅스 가소성'을 나타냈다.
이 소자를 차세대 AI 연산 방식인 '물리적 저수지 컴퓨팅'에 적용해 성능 검증도 마쳤다. 실험 데이터를 기반으로 만든 동적 모델을 활용해, 이미지 분류, 동작 인식, 복잡한 패턴 예측 등 다양한 AI 벤치마크(성능 테스트)를 진행한 결과, 우수한 성능이 확인됐다.
본 연구 성과는 국제 학술지인 'Advanced Functional Materials'에 3월 31일 게재됐다.
권미현 기자 mhkwon@etnews.com
