인공지능 (AI: Artificial Intelligence)은 컴퓨터가 인간과 비슷한 방식으로 연산을 할 수 있도록 하는 것이다. 인공지능에 근간이 되는 하드웨어 핵심인 AI 반도체 기술은 인공지능이 수행하는 어떠한 일을 주면 주위 환경에서 정보를 가져오고 분석해 적절하게 답을 선택 할 수 있도록 연산 기능을 수행하는 데 도움을 주는 하드웨어 기술이다.

이러한 인공지능은 오늘날에는 전자기기는 (스마트폰, 가전제품 등) 물론 자율주행 자동차, 의료, 로봇, 빅데이터, 바이오 헬스에 이르기까지 다양한 분야에서 활용되고 있다. 현재 주위에 적용된 인공지능 기술은 시작에 불과하며, 앞으로 인공지능은 우리 삶 어느 곳에나 존재하게 될 것이다.

하지만 우리나라 AI 기술의 상황은 아직 갈 길이 멀다. 최고의 메모리 및 비메모리 반도체 산업의 인프라 등에 강점이 있음에도 불구하고 AI 분야에서 미국, 중국 등 선진국과의 격차는 여전하다.

전경련 관계자는 “한국의 AI 경쟁력은 미국의 80.9% 수준이고, 1.8년의 기술격차가 수년째 좁혀지지 않고 있다”면서 “중국이 국가 차원의 투자 및 지원정책으로 2016년 71.8% 수준에서 빠른 속도로 미국을 따라잡아 2020년 85.8%까지 기술 수준이 높아진 것과 대조적”이라고 분석했다.

한국폴리텍대학 반도체융합캠퍼스 반도체공정장비과에서는 향후 도래할 인공지능에 활용될 핵심 하드웨어인 AI 반도체 기술을 선제적 학생들에게 교육하기 위해서 기초적인 인공지능 개론, 반도체 공정 및 반도체 장비의 이해력을 높이고자 학과 커리큘럼을 개편했다.

기초적인 반도체 이해를 통해 융합프로젝트에서는 AI 반도체 핵심 하드웨어에 적용될 뉴로모픽(Neuromorphic) 기술의 핵심인 시냅스 등을 크로스바 멤리스터(Cross-bar Memristor)형태로 구현할 수 있도록 반도체 공정에 대해서 심화 교육과정이 진행하였다. 뉴로모픽 기술은 인간의 뇌와 같이 학습하고 연산하는 과정을 모방하여 컴퓨터의 연산 구조 형태를 인공 신경망 형태로 모방하여 인간의 학습 능력을 모사의 기초적인 동작을 하는 것을 뉴로모픽 신소자라고 할 수 있다.

앞서 언급한 것과 같이, 멤리스터 소자가 정보를 인식하여 시냅스 소자 수준에서 행렬곱 (Matrix dot product)과 병렬 연산 및 multi-bit 정보 저장이 동시에 수행이 이루어진다. AI 반도체 기술의 핵심 공정 및 소자를 구현 할 수 있는 기술과 더불어 AI 반도체 장비에 활용되는 인공지능을 선제적으로 배움을 통해서 융합형 인공지능 반도체 고급인재 양성에 도움이 될 것이다.

한국폴리텍대학 반도체융합캠퍼스 반도체공정장비과 권혁민 교수는 다년간의 high-k 관련 신물질의 연구를 진행해 왔으며, 뉴로모픽 신소자의 SET/RESET 동작에서 filament 형성이 Oxygen vacancy의 움직임을 통해 동작하는 원리에 착안하여 뉴로모픽 신소자 물질별 conductance에 따라서 특성에 차이를 이용한 bi-layer 구조를 제안하였다. 기존 뉴로모픽 신소자인 HfO2 물질을 이용하였으며, Top layer에 ZnO 증착. two stack 구조인 bi-layer structure를 형성했다.

ZnO의 conductance 특성이 우수하여 전자의 이동이 유리하여 HfO2내의 filament인 oxygen vacancy 형성에 유리하다는 결과를 도출하였다. 구조적인 특성을 이용하여 시냅스 동작 특성 개선과 linerality 특성 개선 결과를 보고하였으며, 개선 결과를 박막의 물질적 특성 분석, Hall effect 및 동작 mechanism이 연계되어 분석 및 검증하였다.

이러한 개선 결과에 대해 네이처 자매지인 사이언티픽 리포트(Scientific Reports) 최신호인 2022년 1월에 논문을 게재하였다. 향후 인공지능 연산 속도에 획기적인 발전에 도움일 될 것이라고 기대해 본다.