With the increasing volume of data that needs to be processed, research on neuromorphic devices is emerging that mimic energetically efficient biological systems. From a hardware perspective, recent studies aim to replicate the parallel information processing characteristics of the central nervous system capable of efficient processing for large amounts of information. Concurrently, active research seeks to emulate complex biological features using simple electronic components. Although various next-generation semiconductor devices are being explored to realize this, challenges such as leakage currents, device variability, and reliability issues persist for the large-scale integration. Continuous research efforts are necessary to address these issues. In this study, I aimed to improve the limitations of existing memristor-based next-generation semiconductor devices based on the charge trap mechanism. Through an examination of the charge trap-based operational mechanism and band engineering of the oxide thin film layer, I successfully implemented stable characteristics in artificial synapse components. Furthermore, by implementing a biomimetic artificial nociceptor with adjustable thresholds for the first time, I aimed to present a new direction in the research of next-generation neuromorphic devices.
인공지능 학습과 같이 처리해야하는 데이터 양이 증가함에 따라 에너지적으로 고효율 적인 생물학적 시스템을 모사하는 뉴로모픽 소자 연구가 대두되고 있다. 하드웨어 관점에서의 연구에서는 중추신경계의 병렬적인 정보처리 특성을 모사하여 대용량 정보를 에너지 효율적으로 처리할 수 있는 컴퓨팅 플랫폼을 구현하고자 하는 연구와 함께, 실제 복잡한 생물학적인 특성을 간단한 전자소자를 통해 모사하고자 하는 연구 또한 활발히 이루어지고 있다. 이를 구현하기 위한 다양한 차세대 반도체 소자들이 연구되고 있으나, 대규모 집적에 따른 누설전류 문제와 소자간 산포도 문제, 신뢰성 문제 등이 남아있어 이를 해결하기 위한 지속적인 연구가 필요하다. 본 연구에서는 전하 트랩 메커니즘 기반의 멤리스터 소자를 기반으로 기존 멤리스터 기반 차세대 반도체 소자의 한계점들을 개선하고자 하였다. 전하 트랩 기반 동작 메커니즘에 대한 고찰과 함께 산화물 박막층의 밴드 엔지니어링을 통하여 안정적인 인공 시냅스 소자 특성을 구현하였고, 역치 조절이 가능한 생물학적인 통각수용기 모사 소자를 최초로 구현하여 차세대 뉴로모픽 소자 연구의 새로운 방향성을 제시하고자 하였다.
