나노 아일랜드 구조 기반 WO3-x 전기화학 멤리스터의 스위칭 특성 및 뉴로모픽 응용 = Electrochemical Memristive Switching and Neuromorphic Applications in WO3-x-based Devices with Nano-Islands Insertion

국문 초록 (Abstract)

최근 인공지능 기술의 발전과 함께, 기존von Neumann 구조에서 발생하는 데이터 이동 기반의 에너지 소모와 처리 지연을 극복하기 위한 뉴로모픽 하드웨어 연구가 활발히 진행되고 있다. 저항변화메모리（RRAM）는 단순한 구조, 높은 집적도, 낮은 구동 전압, 그리고 생물학적 시냅스와 유사한 전도 도 조절 특성으로 인해 차세대 뉴로모픽 소자로 주목받고 있다. 그러나 필라멘트 기반RRAM은 전도성 필라멘트의 확률적 형성 및 파괴로 인해 구동 안정성과 재현성이 저하될 수 있어, 이를 제어하기 위한 구조적 설계가 필요하다. 본 연구에서는Ag/WO3/Ag-islands/WO3/Pt 구조의RRAM 소자를 제작하고, Ag-islands 층을 도입하여 필라멘트 형성 영역을 제한함으로써 보다 제어된 스위칭 특성을 구현하고자 하였다. 그 결과, 제작된 소자는10^8 수 준의 저항변화 특성과0.5 V 이내의 낮은set 전압을 나타내었다. 또한 전기적 응답 특성을 바탕으로 생체 통각수용기（nociceptor） 기능을 모사하였으며, 강한 자극 이후 약한 자극에 대한 응답 증가를 통해 감각 정보 처리용 뉴로모픽 소자로서의 가능성을 확인하였다. 나아가 소자의 다중 저항 상태를 뉴로모픽 연산에 적용하여CIFAR-10 기반CNN의 분류 성능을 평가한 결과, 92.61%의 정확도를 나타내었다. 이러한 결과는 제안한RRAM 구조가 감각 신경 모사와 인공지능 연산을 동시에 구현할 수 있는 유망한 뉴로모픽 소자임을 시사한다. 최근 복잡해지는 정보 처리과정과 고밀도의 정보 저장을 요구하는 디지털 환경에서의 뇌의 효율적인 정보 처리 및 저장 시스템을 사용한 인공지능 기술이 핵심 기술로 대두되고 있다. 특히, 뉴런-시냅스 구조를 모방하는 뉴로모픽 시스템에 관한 연구가 활발하게 진행되고 있다. 이에 따라, 본 논문은 산화물 반도체 박막과 전도성 고분자 물질을 이용해 전기적 및 광학적 펄스 제어를 진행함으로써 메모리 특성 및 시냅스 특성 향상에 대한 연구를 제안하고자 한다.

목차 (Table of Contents)

• 제 1장 서론 11
• 제 2장 이론적 배경 14
• 제 1절 멤리스터 시냅스(Memristor synapse) 14
• 1. 인공지능 하드웨어의 발전과von Neumann 구조의 한계) 14
• 가. 데이터 이동 병목 현상 14
• 나. 에너지 소모 및 처리 지연 문제 16
• 다. 뉴로모픽 컴퓨팅의 필요성 18
• 2. 생체 신경계와 정보 전달 메커니즘 20
• 가. 뉴런과 시냅스의 구조 20
• 나. 시냅스 신호 전달 과정 22
• 다. 흥분성 시냅스후 전류(excitatory postsynaptic current, EPSC) 24
• 라. 쌍펄스 촉진(Paired Pulsed Facilitation) 25
• 마. 장기 강화(long-term potentiation, LTP) 장기 약화(long-term depression, LTD) 27
• 3. 멤리스터 시냅스 소자(Memsistive synaptic device) 30
• 가. 저항변화 메모리(RRAM) 30
• 나. Bipolar 및 Unipolar switching 32
• 다. RRAM의 종류와 동작 메커니즘 34
• 4. 합성곱 신경망(Comulative Neural Network) 43
• 제 2절 물질 45
• 1. 텅스텐 옥사이드(WO3) 45
• 2. 은(Ag) 47
• 제 3절 소자 제조 49
• 1. 스퍼터링(Sputtering) 49
• 2. 열증착법(Thermal Evaporation) 51
• 제 3장 실험 방법 53
• 제 1절 소자 제작 53
• 1. 기판 세척 53
• 2. WO3 박막 증착 53
• 3. Ag 증착 및 Islands 형성 53
• 4. WO3 박막 증착 54
• 5. Ag 전극 형성 및 소자 제작 54
• 제 2절 소자 측정 방법 55
• 1. 메모리 특성 분석 55
• 2. 뉴로모픽 특성 분석 55
• 제 4장 결과 및 고찰 56
• 제 1절 WO3 박막 기반 멤리스터 시냅스 분석 56
• 1. 결정성 및 구조 분석 56
• 가. 결정성 분석 56
• 나. SEM 이미지 분석 57
• 2. 메모리 특성 분석 60
• 가. 전기적 특성 분석 60
• 나. CC(Compliance Current)에 따른 I-V curve 62
• 다. 보존성(Retention)과 내구성(Endurance) 63
• 라. Cumulative Probability 65
• 마. Cycle to Cycle variation, Device to Device variation 67
• 3. 뉴로모픽 특성 분석 70
• 가. 노시셉터(Nociceptor) 70
• 나. LTP/LTD 기반 시냅스 가중치 조절 특성 77
• 다. CIFAR-10 데이터셋 기반 분류 성능 분석 79
• 제 5장 결론 81
• 제 6장 참고문헌 83