Multistate Polarization-Based Ferroelectric Synaptic Devices for Process-in-Memory Neural Networks and Reinforcement Learning
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065156
교육부
한국연구재단
대구경북과학기술원
김찬우
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2028.08.31
1,250만원
1,250만원
기초연구
대학
대구광역시 달성군
물리학 > 응집물질물리 > 유전체/강유전체
... 소자가 단순 인퍼런스용 가중치 저장을 넘어, 실제 강화학습에서 요구되는 online learning을 하드웨어 차원에서 구현할 수 있음을 입증하는 것이 궁극적인 목표이다. 궁극적으로 본 과제는 소자?신경망?강화학습 알고리즘을 아우르는 통합 하드웨어 학습 플랫폼을 제시함으로써, 차세대 저전력 인공지능 반도체의 실현 가능성을 실증하는 것을 최종 지향점으로 삼는다.
연구는 크게 소자 개발, 시냅스 특성 구현, PIM 신경망 어레이 확장, 강화학습 적용의 네 단계로 추진된다. 먼저 소자 단계에서 Si 기판 위에 PECVD로 약 5 nm 두께의 Si3N4를 증착하고, thermal ALD를 이용해 250℃에서 약 7 nm 두께의 ZrO2 박막을 형성한 후, 포토리소그래피와 건식 식각 공정을 통해 캐패시터 구조를 정의한다....
... ZrO2/Si3N4 기반 multistate FeCAP 시냅스와 PIM 신경망 플랫폼은, 메모리와 연산을 물리적으로 통합함으로써 데이터 이동에 따른 에너지 소모를 근본적으로 줄일 수 있는 저전력 인공지능 하드웨어 기술로 활용될 수 있다. 특히 반복적인 가중치 업데이트가 필수적인 강화학습에서, 기존 폰 노이만 구조 대비 훨씬 낮은 에너지로 학습을 수행할 수 있는 경로를 제시함으로써, 엣지...