김경민 연구실

본 연구는 하이브리드 본딩을 위해 아르곤 플라즈마로 개질된 벤조사이클로부텐(BCB) 고분자의 화학기계연마(CMP) 공정을 제안합니다. 플라즈마 처리는 BCB의 표면 경도와 취성을 증가시켜 개질된 BCB의 제거 속도를 17.3 nm/s까지 향상시키고, 구리 표면 거칠기를 51.4 nm에서 3.0 nm으로 감소시킵니다. 시간 의존적 디싱 모델을 통해 230 nm의 BCB 디싱 깊이를 달성하여 무공극 하이브리드 본딩을 지원합니다.

본 연구는 금 나노입자 층을 포함한 전하 트랩 메모리스터(NP-CTM)를 제안하여 프로그래밍 속도를 약 47.6배 향상시켰습니다. 금 나노입자의 물리적 구조와 재료 특성을 통해 전기장 강화와 밴드 구조 엔지니어링의 시너지 효과를 달성하였으며, 안정성과 데이터 보유 특성을 유지하면서 프로그래밍 에너지를 감소시켰습니다.

본 연구는 뫼트 멤리스터와 원자가 변화 메모리 멤리스터를 결합한 주파수 전환 뉴리스터를 제시하여 신경의 내재적 가소성을 구현합니다. 이 장치는 프로그래밍 가능한 다중 레벨 주파수-전압 특성을 통해 신경망의 성능을 향상시키고 에너지 소비를 감소시킵니다. 내재적 가소성은 신경망에 구조적 가소성을 부여하여 뉴런 손상 후 성능 회복을 가능하게 합니다.

본 연구는 상보적 전하 포획 메모리스터(CoCTM)에서 고차 시간 역학을 도입하여 저수지 컴퓨팅의 인코딩 능력을 향상시킵니다. Ti/Nb₂O₅₋ₓ/Al₂O₃/Nb₂O₅₋ᵧ/Pt 구조의 장치는 오버슈트와 점진적 이완으로 특징지어지는 독특한 출력 전류 과도 현상을 나타내며, 프로그래밍 조건을 통해 상승 및 감쇠 시간 상수를 조정하여 복잡한 단기 및 장기 하이브리드 역학을 생성합니다.

본 연구는 Johnson-Nyquist 노이즈를 강화하여 Mott 멤리스터 기반 진정한 난수 생성기(TRNG)의 성능을 향상시킵니다. NbOx 기반 음의 저항 발진기, T 플립플롭, 히터로 구성된 TRNG는 히터를 통해 노이즈를 증강하여 100 kbit/s의 속도를 달성하며, 이는 히터 없는 경우보다 2.5배 빠릅니다. 128개 크기의 TRNG 배열은 1.28 Mbit/s에서 0.65 μJ/bit의 에너지 효율을 기대하며, 노이즈 엔지니어링을 통해 엔트로피 기반 컴퓨팅의 광범위한 응용을 가능하게 합니다.