본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

국문요지 8

제1장 서론 10

제2장 메모리 소자의 종류 11

2.1. 실리콘 (Silicon) 기반 메모리 11

2.1.1. 플래시 메모리 (Flash Memory) 11

2.1.2. 동적 메모리 (Dynamic Random Access Memory) 13

2.1.3. 정적 메모리 (Static Random Access Memory) 14

2.2. 차세대 메모리 15

2.2.1. PRAM (Phase Change Random Access Memory) 16

2.2.2. FeRAM (Ferroelectric Random Access Memory) 17

2.2.3. STT-MRAM (Spin Transfer Torque-Magnetic Random Access Memory) 18

2.2.4. ReRAM (Resistive Random Access Memory) 19

2.2.5. Memristor 20

제3장 이론적 배경 22

3.1. 뉴런과 시냅스 (Neuron and Synapse) 22

3.2. 시냅스 가소성 (Synapse plasticity) 24

3.2.1. STDP (Spike Timing Dependent Plasticity) 25

3.2.2. EPSC (Excitatory Postsynaptic Current) 27

3.3. 인공 신경망 (Artificial Neural Network) 28

3.3.1. 순환 신경망 (Recurrent Neural Network, RNN) 30

3.3.2. 합성곱 신경망 (Convolutional Neural Network, CNN) 31

3.3.3. SNN (Spiking Neural Network) 33

제4장 소자 제작과 실험 34

4.1. 재료 및 소자 제작실험 과정 34

4.2. 결과 및 토의 35

제5장 결론 44

참고문헌 46

Abstract 52

그림목차

그림 2-1. NOR 플래시 메모리와 NAND 플래시 메모리의 구조 12

그림 2-2. NAND 플래시 메모리의 구조 13

그림 2-3. RAM의 구조 및 단면도 14

그림 2-4. SRAM의 구조 15

그림 2-5. PRAM의 구조 17

그림 2-6. 강유전체 특성과 FeRAM의 구조 18

그림 2-7. STT-MRAM의 구조 19

그림 2-8. ReRAM의 구조와 Bipolar 동작의 특성 그래프 20

그림 2-9. 회로의 3대 구성요소와 멤리스터 21

그림 3-1. 생물학적 뉴런의 구조 23

그림 3-2. 생물학적 시냅스의 구조 23

그림 3-3. 나이에 따른 사람의 뇌의 변화 25

그림 3-4. STDP의 전기적 특성 그래프 26

그림 3-5. EPSC 및 PPF의 전기적 특성 그래프 28

그림 3-6. AI, 기계학습, 딥러닝 비교 29

그림 3-7. RNN의 구조 31

그림 3-8. CNN의 구조 32

그림 3-9. SNN의 구조 33

그림 4-1. 생물학적 뉴런 및 시냅스의 도식도 36

그림 4-2. 전자 시냅스 소자의 도식도 36

그림 4-3. 전자 시냅스 소자의 SEM 단면 이미지 37

그림 4-4. Au NPs의 TEM 단면 이미지 37

그림 4-5. Al/gelatin:Au NPs/ITO 소자의 동작 전압 특성 39

그림 4-6. Al/gelatin:Au NPs/ITO 소자의 스위칭 메커니즘 40

그림 4-7. 전자 시냅스 소자의 I-V 특성 41

그림 4-8. 단기 기억 상태에서 장기 기억 상태 전환 43

초록보기

 4차 산업혁명을 대표하는 나노기술(NT), 인공지능(AI), 사물 인터넷(IoT), 5세대 이동통신(5G), 빅데이터의 기술은 필수적이다. 산업혁으로 자동차에도 두뇌 역할을 하는 주앙처리장치와 전력관리반도체가 탑재되고, 5G와 AI 기술이 산업에 영향을 미치면서 방대한 데이터를 정확하고 빠르게 연산할 수 있는 칩의 필요성이 커지고 있다. 특히, 엄청난 양의 데이터가 급증함에 따라 DRAM 및 SSD 등 관련 반도체 수요가 늘어나고, 대량의 데이터를 분석하기 위해서 빠른 속도와 저전력으로 동작가능한 반도체가 필요해질 것이다. 특 DRAM(Dynamic Random Access Memory)과 NAND Flash Memory와 같은 메모리 반도체는 우리나라에서 비중이 압도적으로 높다. 세계적으로 메모리 반도체는 전체 반도체 시장의 25% 이상을 점유할 만큼 중요하지만, 무어의 법칙(Moore's Law)이 깨어짐에 따라 기존과는 다른 4차 산업혁명 시대의 맞아 새로운 기술개발이 시급해졌다. 차세대 메모리 반도체는 DRAM의 고집적성, 낮은 전력 소비 특성과 Flash Memory의 비휘발성 특성, SRAM (Static Random Access Memory)이 고속 동작 특성을 모두 가지고 있어야한다. 이러한 차세대 메모리의 종류에는 PRAM (Phase Change RAM), FeRAM(Ferroelectric RAM), STT-MRAM (Spin Transfer Torque-Magnetic RAM), ReRAM (Resistive RAM) 등이 있다.

본 연구에서는 폰 노이만의 병목 현상 (Von Neumann Bottleneck) 문제를 해결하기 위해 차세대 메모리 반도체 소자 중 하나인 ReRAM을 기반으로 한 뉴로모픽 (Neuromorphic) 소자를 해결책으로 제시하고 있다. 이 연구에서는 젤라틴 (Gelain)과 금 나노 입자 (Au nanoparticle)를 합성한 나노복합체 기반 전자 시냅스 소자 (Electronic Synapse Device)를 제작했다. 상부전극은 알루미늄 (Aluminium), 하부전극은 ITO (Indium Tin Oxide)를 사용했다. 제작된 전자 시냅스 소자의 Current - Voltage (전류 - 전압) 특성은 연속적인 전압스윕 (Consecutive Voltage Sweeps) 하에서 히스테리시스 (Hysterisis) 특성을 나타내었고, 전류 값이 점차적으로 변화하는 결과가 얻었다. 실제 생물학적 시스템에서의 시냅스는 시냅스 가중치 (Synaptic weight)가 연속적으로 변화되는 유사 형태를 따르기 때문에, 제조된 소자의 전기적 특성이 뉴로모픽 소자로 적용될 수 있음이 밝혀졌다. 또한 전자 시냅스 소자의 Retention 데이터를 통해 LTP (Long Term Potentiation) 특성을 보였고, 전자 시냅스 소자의 캐리어 수송 매커니즘을 분석한 결과, Thermionic Emission (TE), Trapped Charged Limited Current (TCLC)이 지배적이라는 결과를 얻었다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차