Artificial intelligence technology based on big data has been developed rapidly, and accordingly, an enormous amount of data is required. Despite these advances, hardware for implementing this technology is composed of a conventional von Neumann structure in which a memory and processing unit are physically separated, causing many inefficiencies in the process of transporting data. Neuromorphic computing can overcome the limitations of the existing von Neumann structure by enabling efficient data processing through simultaneous storing and computing as the human brain. Therefore, research on resistance change-based two- or three-terminal synapse devices that can mimic human synapses in terms of hardware is being actively conducted. However, the reliability of the existing two-terminal resistive switching device is deteriorated due to the disorder of the conductive filament that causes resistance change, which is a major obstacle to commercialization. In addition, conventional three-terminal synaptic devices have limitations in online training due to nonlinear conductance updates, low endurance, and high-power consumption. In this study, a highly reliable resistance change device is fabricated through structural engineering by inserting a nanoporous structure and a buffer layer using an amorphous material. In addition, a gate injection-based synaptic transistor with a high linear update through thermionic emission mechanism, which is compatible with conventional silicon-based CMOS platforms, is developed for online-line training.
빅데이터를 기반으로 한 인공지능 기술은 급속도로 발전하고 있고, 이에 따라 급격히 증가한 데이터 수용이 필요하다. 이러한 발전에도 불구하고, 인공지능을 구현하기 위한 하드웨어 플랫폼은 메모리와 연산 유닛이 물리적으로 분리된 종래의 폰 노이만 구조로 구성되어 데이터 전송 과정에서 많은 비효율성을 초래한다. 뉴로모픽 컴퓨팅은 인간의 뇌와 같이 데이터 저장과 연산을 가능하게 함으로써 기존의 폰 노이만 구조 한계를 극복할 수 있는 수단이다. 따라서 하드웨어 측면에서 인간의 시냅스를 모방할 수 있는 저항변화 기반의 2단자 또는 3단자 시냅스 소자에 대한 연구가 활발히 진행되고 있다. 그러나, 기존의 2단자 저항변화 소자는 저항 변화를 일으키는 전도성 필라멘트의 무질서함으로 인해 신뢰성 높은 동작이 어려워 상용화에 큰 걸림돌이 되고 있다. 또한, 기존의 3단자 시냅스 소자는 비선형적 가중치 업데이트, 낮은 내구성, 높은 소비 전력 등으로 인해 온라인 학습에 적용하기에 한계가 있다. 본 연구에서는 비정질 재료를 이용하여 나노 다공성 구조체와 완충작용 층을 삽입한 구조적 엔지니어링을 통해 신뢰성 높은 저항변화 소자를 제작하였다. 또한, 기존 실리콘 기반 CMOS 플랫폼과 호환되며 열전자 방출 메커니즘을 통한 선형성이 향상된 게이트 주입 기반 시냅스 트랜지스터를 개발하여 온라인 학습에 적용하였다.
