[연구자명]

1. 윤주영, 서태원, 정윤영(지도교수)
2. 
   

[연구제목]

1. Tuning Linearity of IGZO Synaptic Transistor with Low-Power by Oxygen Vacancy Engineering for Spiking Neural Networks
2. 
   
3. [연구내용 요약]

정윤영 교수 연구팀은 빛과 전기 신호를 이용해 i) 정보를 기억하고 ii) 인공지능 연산에 필수적인 학습을 수행하는 있는 IGZO 시냅스 트랜지스터 연구성과를 발표하였다. 

기존 IGZO photonic synapse 소자는 빛을 끈 뒤에도 전류 성분이 오래 남아 있는 Persistent Photoconductivity (PPC) 현상이 강하여, 인공지능 학습을 정밀하게 조절하기 어렵다는 한계가 있었다. 연구팀은 이러한 문제를 해결하기 위해 IGZO 박막 내부의 산소공공 (V_O), 즉 산소 원자가 빠져 생긴 빈자리를 N₂ plasma 로 제어하는 기술을 제안하였다. 

이를 통해 PPC 현상을 완화하고, 학습 과정에서 가중치가 일정하게 변화하도록 특성을 개선하였다. 특히 학습 불균일성을 나타내는 weight-update 비선형 계수를 1.55에서 0.41로 크게 낮춤으로써, 인공지능 시냅스 소자의 학습 정확도와 안정성이 크게 향상될 수 있음을 보였다. 해당 연구는 인공지능 반도체 소자 분야에서의 큰 성과를 인정받아 전자 소자분야 최고 권위의IEEE Electron Device Letters에 게재되었다.

[성과와 관련된 이미지 및 설명]

그림1. N₂ plasma 기반 산소공공 제어 및 XPS 분석

그림2. 광 자극에 따른 EPSC 및 회복 특성

1. 위 그림들은 N₂ plasma 공정을 통해 IGZO 내부의 V_O를 제어하고, 이로 인해 IGZO photonic synapse 소자의 PPC가 효과적으로 제어될 수 있음을 나타낸다. Fig. 1은 증착 공정 중에 생성된 V_O의 양이, N₂ plasma 처리를 통해 줄어드는 개념과 이를 정량적으로 분석한 결과이다. Fig. 2는 소자의 구조, 측정 환경, 빛 인가에 따른 출력 전류 변화를 나타낸다.