Recently, owing to the development of artificial intelligence and machine learning, artificial neural network attracts a lot of attention. As data become more complex and large, power consumption and speed issue due to the bottleneck between memory and processor become serious issue in conventional von Neumann structure. For implementing non-von Neumann structure, where memory and processor is merged in one device, memristor, which changes its resistance depending on voltage apply, is a reliable candidate. However, conventional memristor device suffers from various flaws to be used as a neuromorphic device. Among them, uniformity issue is most crucial issue, which has a large impact on the accuracy of entire machine learning process. For these reason, there have been several attempts to mitigate this issue. However, they have several drawbacks such as low CMOS compatibility and impossibility of stack. In this study, porous layer based memristor is suggested as a device that has high temporal and spatial uniformity, 3D stack possibility and CMOS compatibility. By alleviating conventional issue of memristor, it paves the way for memristor to be utilized as a reliable neuromorphic device. Moreover, in order to operate and evaluate the memristor array by computer command, evaluation system is implemented with DAQ, FPGA and PCB.
최근 인공지능 및 기계 학습이 발달하며 인공 신경망 구조에 대한 관심 또한 날로 늘어나고 있다. 데이터가 복잡해질수록 처리해야하는 데이터도 커지는데, 데이터가 커질수록 기존의 폰 노이만 컴퓨터 구조로 처리하기에는 저장장치와 연산 장치 사이 데이터 이동으로 인한 전력 소모 및 속도 저하 문제가 심각해진다. 따라서 기존의 폰 노이만 구조에서 벗어난 구조가 필요한데, 멤리스터는 연산 장치와 저장 장치 역할을 동시에 수행하며 이러한 문제를 완화한다. 멤리스터는 인가하는 전압에 따라 저항이 바뀌는 소자로 저항 값의 형태로 데이터를 저장한다. 그러나 기존의 멤리스터는 임의로 작동하여 실제로 사용하기 부적합하다. 본 연구에서는 다공성 물질을 중간 물질로 사용하여 소자 작동의 균일성을 향상하는 동시에 적층성도 증대하여 멤리스터가 신경망 모사 소자로 활용될 수 있는 가능성을 키울 수 있었다. 또한 컴퓨터를 활용해 해당 멤리스터 소자를 평가할 수 있는 시스템을 구축하여 해당 시스템의 작동 여부를 확인하였다.
