With the advent of the fourth industrial revolution, artificial intelligence based on big data is rapidly improved by leaps and bounds. Despite these advances, the hardware for implementing AI has a conventional von-Neumann architecture in which memory and processing units are physically separated, resulting in many inefficiencies in the movement of the data. Neuromorphic computing can overcome the limitations of von-Neumann architecture by storing and computing data simultaneously, such as human synapses, to benefit efficient big data processing. Therefore, resistance-switching devices that can mimic human synapses hardware-wise are actively investigated. However, a conventional resistance-switching device called memristor has suffered from stochastic conductive filament formation, which provokes resistance-switching, hindering its commercialization. In this study, a highly reliable memristor was fabricated through structural improvement by inserting porous structures and a buffer layer using amorphous material compatible with CMOS technologies. In addition, the role of the pore and buffer layer was experimentally demonstrated to identify the resistive-switching mechanism of the device.
4차 산업혁명의 도래와 함께 빅데이터를 기반으로 한 인공지능 기술이 급속도로 발전하고 있다. 이러한 발전에도 불구하고, 이를 구현하기 위한 하드웨어는 저장 장치와 연산 장치가 물리적으로 분리되어 있는 기존의 폰 노이만 구조를 가지고 있어 데이터의 이동 과정에서 많은 비효율을 야기하고 있다. 뉴로모픽 컴퓨팅은 인간의 시냅스와 같이 저장과 연산을 동시에 가능하게 함으로써 효율적인 빅데이터 처리에 유리하여 기존 폰 노이만 구조의 한계를 극복할 수 있다. 따라서 하드웨어적으로 인간의 시냅스를 모방할 수 있는 저항 변화 기반 시냅스 소자에 대한 연구가 활발히 진행되고 있다. 그러나 기존의 저항변화소자는 저항 변화를 야기하는 전도성 필라멘트의 무질서도로 인해 신뢰성이 저하 되어 상용화에 큰 걸림돌이 되고 있다. 본 연구에서는 기존의 실리콘 기반의 플랫폼과 호환 가능한 비정질 물질을 사용하여 다공성 구조와 버퍼 층을 삽입함으로써 구조 개선을 통해 신뢰도 높은 저항 변화 소자를 제작하였다. 또한, 다공성 구조와 버퍼 층의 역할을 실험적으로 증명하여 소자의 저항 변화 메커니즘을 규명하였다.
