00:00AI 기술이 발전할수록 더 적은 전력으로 더 많은 데이터를 처리할 수 있는 반도체 개발 경쟁도 치열해지고 있습니다.
00:08국내 연구진이 인관 내의 학습 원리를 모방한 새로운 반도체 소재를 개발했습니다.
00:14권석화 기자입니다.
00:18기존 AI 반도체는 전류를 높이면 정보 저장 성능이 떨어지고, 반대로 저장 성능을 높이면 전류가 감소하는 문제가 있었습니다.
00:26이런 문제를 해결하기 위해 국내 연구진이 개발한 소자는 강류 전체 HGO, 하프늄 지르코늄 산화물과 이그조 산화물 반도체를 결합했습니다.
00:37이 소자는 강류 전체의 분극과 개면 전하의 축적과 방출 현상을 함께 활용해 전류가 새는 현상을 줄이면서도 데이터를 정확하게 읽어낼 수
00:47있도록 설계됐습니다.
00:48특히 자극의 강도와 빈도에 따라 정보를 짧게 또는 길게 기억하는 시냅스 가소성을 구현해 인간 뇌의 학습 원리를 모방한 것이 특징입니다.
00:59가장 중요한 성과는 기존 강류 전체 터널 접합 소자가 가지고 있던 근본적인 트레이드 오프를 완화했다는 점입니다.
01:07연구팀은 이 소자를 이미지 분류와 동작 인식 등 다양한 AI 연산에 적용한 결과 우수한 성능을 확인했다고 밝혔습니다.
01:15또 이번 연구에 활용된 소재들은 현재 반도체 산업의 표준 제조 방식인 시무스 공정과 높은 호환성을 보여 실제 양산 가능성도 높였다는
01:26평가입니다.
01:27기존 반도체 공정과 비교적 호환성이 높은 물질 조합을 이용해서 새로운 기능을 구현했다는 점에서 그 의의가 있겠습니다.
01:35연구팀은 앞으로 소자의 균일성과 신뢰성을 높이고 시스템 수준의 검증을 진행해 유로모픽 AI 반도체 상용화에 속도를 이낼 계획입니다.
01:44YTN 사이언스 권석화입니다.
댓글