단국대·고려대 공동연구팀, 초박막 AI 멤리스터 반도체 소자 개발

고해상도 이미지 분류 정확도 88.39% 달성

단국대·고려대 공동연구팀이 초박막 AI 멤리스터 반도체 소자 개발을 했다. 왼쪽부터 단국대 김민주·최준환 교수, 고려대 신용구 교수.ⓒ

단국대–고려대 공동 연구팀이 10nm 이하 초박막 고분자를 기반으로 기억과 연산을 동시에 수행하는 차세대 AI 반도체 ‘멤리스터(memristor)’ 소자 개발에 성공했다.

16일 단국대에 따르면 이번 연구에는 단국대 김민주 교수(융합반도체공학과), 최준환 교수(화학공학과)와 고려대 신용구 교수(전자정보공학과)가 참여했다.

AI 기술의 고도화와 대용량 데이터 처리 수요가 급증하면서 반도체 분야에서는 이른바 ‘메모리 병목(Memory Wall)’ 문제가 심화되고 있다. 기존의 폰 노이만 구조에서는 메모리와 프로세서가 분리돼 있어 데이터 이동 과정에서 속도 저하와 과도한 전력 소모가 발생하는 한계가 있다. 이에 따라 메모리(memory)와 저항(resistor) 기능을 결합한 멤리스터 구조가 차세대 메모리·연산 소자로 주목받고 있다.

멤리스터는 전류 흐름을 스스로 제어하며 학습 가중치를 조절할 수 있어 ‘스스로 생각하는 메모리’로 불린다. 하지만 기존 고분자 기반 멤리스터는 소자 특성 편차로 인한 오작동, 수율 저하 등 내구성과 신뢰성 문제로 상용화에 어려움이 있었다.

연구팀은 이러한 한계를 극복하기 위해 전류를 정밀하게 제어할 수 있는 고성능 초박막 소재를 개발했다. 액체 용매 없이 기체 상태의 물질을 반응시켜 박막을 형성하는 iCVD(initiated Chemical Vapor Deposition) 공정을 적용해, 사이아노(CN) 기능을 갖는 고분자 물질을 10nm 이하 두께(머리카락 굵기의 수천 분의 1 수준)의 초정밀 박막으로 구현했다.

개발된 멤리스터를 고해상도 이미지 기반 최신 AI 모델(CNN)에 적용한 결과, 최대 88.39%의 분류 정확도를 기록했다. 이를 통해 전력 효율 향상, 처리 속도 증가, 칩 면적 감소 등 기존 반도체 구조 대비 구조적 우수성을 입증했다.

김민주 단국대 교수는 “국내 기술만으로 고해상도 이미지 기반 CNN 연산을 실제 멤리스터 하드웨어에서 검증해 뉴로모픽 반도체 상용화 가능성을 한층 높였다는 점에서 의미가 있다”며 “엣지 AI, 웨어러블 기기, 자율주행, 로봇 등 저전력·고효율 AI 시스템 구현에 크게 기여할 것”이라고 밝혔다.

이번 연구 성과는 국제 저명 학술지 「Advanced Science」(2024년 영향력지수 IF=15.1)에 2025년 11월 온라인 게재됐다.