FPGAs are in the spotlight as an advantage in that they can process machine learning algorithms with faster computation speed and lower power consumption than CPU/GPU, and can rapidly apply evolving AI algorithms. However, there are limitations in terms of power consumption and degree of integration due to the high leakage current and large area of SRAM used in FPGAs. In order to overcome the limitations, FPGAs in the form of CMOS logic and monolithic three-dimensional integrated NEMS memory have been proposed, and simulation results have shown that computation speed, degree of integration, and power consumption are improved compared to FPGAs made of CMOS only. However, it has not been implemented yet, and there are limitations to existing research that implements a monolithic three-dimensional integrated architecture in which NEMS memory and CMOS logic are integrated. In this dissertation, we develop a reliable fabrication method for NEMS memory integrated in BEOL. We implement a monolithic 3D integrated architecture of NEMS memory and CMOS logic, and confirm the feasibility of implementing NEMS memory-based FPGAs.
FPGA는 CPU/GPU보다 빠른 연산 속도와 낮은 전력 소모로 머신러닝 알고리즘을 처리할 수 있으며, 발전하는 인공지능 알고리즘을 빠르게 적용할 수 있다는 장점으로 주목받고 있다. 하지만 SRAM의 높은 누설 전류와 넓은 면적으로 인해 전력 소모와 집적도 면에서 한계점이 존재한다. 한계점을 극복하기 위해 기계식 메모리가 CMOS 로직과 모노리식 3차원 집적된 형태의 FPGA가 제시되었으며 기존 FPGA보다 연산 속도, 집적도, 전력 소모가 개선된다는 시뮬레이션 결과가 존재한다. 하지만 아직 구현된 바 없으며 기계식 메모리와 CMOS 로직이 모노리식 3차원 집적된 아키텍처를 구현한 기존 연구에는 한계점이 있다. 본 학위 논문에서는 BEOL에 집적된 기계식 메모리를 신뢰적으로 제작하는 공정 방법을 개발한다. 이를 통해 SRAM의 역할을 구현한 기계식 메모리와 CMOS 로직이 모노리식 3차원 집적된 아키텍처를 신뢰적으로 구현함으로써 기계식 메모리 기반 FPGA의 구현 가능성을 확인한다.
