연구
< (왼쪽부터) KAIST 강대현 석박통합과정 학생, 조병진 교수 >
스마트폰부터 대규모 인공지능(AI) 서버에 이르기까지 현대 사회의 디지털 정보는 대부분 낸드플래시(NAND Flash) 메모리*에 저장된다. 우리 대학 연구진이 더 많은 정보를 더 작은 공간에 담아야 하는 차세대 반도체의 한계를 넘어설 수 있는 혁신 기술을 개발했다. 이번 기술은 초고용량 메모리 구현을 앞당길 핵심 원천기술로 기대된다.
*낸드플래시 메모리: 스마트폰 사진·영상·앱 등을 저장하는 스마트폰·SSD 등의 저장장치에 사용되는 반도체로, 전원이 꺼져도 데이터가 사라지지 않는 비휘발성 메모리
우리 대학은 전기및전자공학부 조병진 교수 연구팀이 머리카락보다 얇은 반도체 층에 새로운 소재를 적용해, 전자의 이동을 상황에 따라 선택적으로 제어하는 ‘스마트 출입문’ 구조를 구현함으로써 3차원 V-낸드(3D V-NAND) 메모리*의 고집적화 한계를 극복했다고 20일 밝혔다.
*3차원 V-낸드: 기존 메모리 셀을 평면(2차원) 배열한 데 비해, 데이터를 저장하는 반도체 셀을 위로 층층이 쌓아 더 많은 정보를 저장할 수 있도록 만든 메모리 기술
이번 연구는 데이터를 쓰고 지우는 과정에서 발생하는 고질적인 속도 저하와 신뢰성 문제를 신소재인 ‘붕소 산질화물(Boron Oxynitride, 이하 BON)’을 통해 해결했다는 점에서 큰 의미가 있다.
반도체 메모리에서 데이터가 드나드는 통로인 터널링층(Tunneling Layer)은 그동안 성능과 안정성이라는 두 마리 토끼를 잡는 데 어려움을 겪어왔다. 터널링층은 메모리 셀 내부에서 전자가 이동하는 매우 얇은 통로 역할을 하는 절연층이다.
하지만 기존 소재에서는 성능과 안정성을 동시에 확보하기 어려운 구조적 한계가 있었다. 기존 소재인 실리콘 산질화물(SiON)은 데이터를 지우기 위해 통로를 넓히면 저장된 데이터가 밖으로 새 나가고, 반대로 입구를 좁히면 데이터 삭제 속도가 너무 느려지는 ‘트레이드오프(Trade-off)’현상이 발생했기 때문이다.
이는 메모리 셀 하나에 5비트 정보를 저장하는 차세대 펜타 레벨 셀(Penta-Level Cell, PLC) 기술 구현의 가장 큰 걸림돌이었다. PLC는 하나의 메모리 셀에서 32단계의 전압 상태를 구분해 데이터를 저장하는 방식으로, 같은 크기의 메모리에서도 더 많은 정보를 저장할 수 있게 한다.
연구팀은 이러한 문제를 해결하기 위해 기존의 실리콘 기반 소재에서 벗어나 완전히 새로운 소재인 BON을 터널링층에 적용했다. 이 소재는 전하의 종류에 따라 문턱 높이가 달라지는 독특한 물리적 특성을 가지고 있다.
연구팀은 이를 활용해 데이터를 지울 때 필요한 전하(정공, hole)는 쉽게 통과시키고, 저장된 데이터를 의미하는 전자(electron)는 밖으로 새어나가지 못하도록 막는‘비대칭 에너지 장벽’구조를 설계했다.
비대칭 에너지 장벽은 전하가 이동할 때 넘어야 하는 에너지 장벽의 높이가 전하의 종류에 따라 서로 다르게 형성되는 구조를 의미한다. 이를 통해 데이터를 지울 때는 전하가 쉽게 이동하도록 하면서도, 저장된 데이터인 전자가 외부로 누설되는 것을 효과적으로 막을 수 있다. 이는 마치 들어올 때는 잘 열리고 나갈 때는 굳게 닫히는 ‘스마트 출입문’을 반도체 안에 구현한 것과 같은 원리다.
실제 실험 결과, BON 터널링층을 적용한 소자는 기존 대비 데이터 삭제 속도가 최대 23배나 향상되었으며, 수만 번의 반복 사용 후에도 성능 저하가 거의 없는 탁월한 내구성을 보였다. 특히 32개의 미세한 전압 상태를 구분해야 하는 초고난도 펜타 레벨 셀 동작에서도 소자 간 데이터 분포를 3배 이상 정밀하게 제어하는 데 성공했다.
< BON 터널링층의 비대칭 에너지 장벽 구조 및 동작 원리 모식도 >
이는 논문 수준의 연구를 넘어 실제 반도체 양산 공정에 즉시 적용 가능한 수준이라는 학계와 산업계의 평가다.
조병진 교수는 “이번 연구는 차세대 초고용량 메모리 제조에 바로 적용할 수 있는 독창적인 기술”이라며 “반도체 강국인 대한민국의 기술 초격차를 유지하는 데 크게 기여할 것”이라고 말했다.
기및전자공학부 강대현 석박사통합과정생이 제1저자로 주도한 이번 연구는 반도체 분야 최고 권위 학술대회인 지난 12월 9일 ‘국제전자소자학회(IEDM)’에서 발표되어 세계적인 주목을 받았으며, 삼성전자가 주최한 제32회 삼성휴먼테크논문대상에서 대학 부문 전체 1위인 ‘대상’을 수상하며 AI 분야가 강세였던 역대 수상 기조 속에서 전통 반도체 소자 분야 연구로 대상을 거머쥐는 쾌거를 이루었다.
※ 논문명: Bandgap-Engineered Boron Oxynitride Tunneling Layer for Reliable PLC operation of 3D V-NAND Flash Memory Devices, DOI : https://doi.org/10.1109/IEDM50572.2025.11353681
한편, 이번 연구는 과기정통부의 국가반도체연구실지원 핵심기술개발사업의 지원을 받아 수행되었다.
-
연구 수천 년 걸리던 컴퓨터 난제를 반도체로 푼다
빅데이터와 인공지능 시대, 수천 년이 걸리는 ‘조합 최적화 문제(가능한 모든 경우 중 가장 효율적인 답을 찾는 문제)’를 해결할 수 있는 길이 열렸다. KAIST 연구진이 기존 실리콘 공정만으로 구현 가능한 연산 하드웨어를 개발해, 별도 설비 없이 바로 생산·적용 가능한 전환점을 제시했다. 이를 통해 물류, 금융, 반도체 설계 등 다양한 산업에서 더 빠르고 정확한 의사결정이 가능해질 전망이다. 우리 대학은 전기및전자공학부 최양규 교수와 김상현 교수 공동 연구팀이 기존 실리콘 반도체 공정만을 활용해 차세대 최적화 전용 하드웨어인 ‘오실레이터 기반 아이징 머신(Oscillatory Ising Machine, 여러 진동 소자가 상호작용하며 최적 해를 찾아내는 특수 목적형 컴퓨터)’을 구현하는 데 성공했다고 6일 밝혔다. 연구팀이 주목한 것은 ‘오실레이터(일정한 주기로 신호를 반복하는 진동 소자)’다. 여러
2026-05-06 -
연구 나만을 위한 ‘영혼의 단짝’ AI 반도체 ‘소울메이트’ 세계 최초 개발
우리가 일상적으로 사용하는 챗GPT(ChatGPT)와 같은 거대 언어 모델(LLM)은 수많은 질문에 능숙하게 답하지만, 정작 사용자의 사소한 습관이나 이전 대화 맥락등은 알지 못한다. 인공지능이 생활 깊숙이 들어왔음에도 여전히 ‘남’처럼 느껴지는 이유다. 우리 대학 연구진이 이러한 한계를 넘어 사용자의 말투와 취향, 감정까지 실시간으로 배우고 닮아가는, 이른바 ‘영혼의 단짝’ 같은 인공지능 반도체를 세계 최초로 개발했다. 우리 대학은 인공지능반도체대학원 유회준 교수 연구팀이 사용자의 특성에 맞춰 스스로 진화하는 개인 맞춤형 거대 언어 모델(LLM) 가속기‘소울메이트(SoulMate)’를 개발했다고 17일 밝혔다. 이번 기술은 기존의 ‘모두를 위한 AI’를 넘어 사용자의 대화 스타일과 선호도를 학습해 반응하는 ‘나만을 위한 초개인화 AI’ 시대를 앞당길 핵심 반도체 기술로
2026-03-17 -
연구 ‘사포’로 반도체를 깎았더니...AI 반도체 가공 새 길 열다
스마트폰과 인공지능(AI) 서비스의 성능과 안정성은 반도체 표면을 얼마나 고르고 정밀하게 가공하느냐에 달려 있다. 우리 대학 연구진은 일상에서 흔히 사용하는 ‘사포’의 개념을 나노 기술로 확장해, 반도체 표면을 원자 수준까지 균일하게 가공할 수 있는 새로운 기술을 개발했다. 이 기술은 고대역폭 메모리(HBM) 등 첨단 반도체 공정에서 표면 품질과 가공 정밀도를 크게 향상시킬 수 있는 가능성을 보여준다. 우리 대학은 기계공학과 김산하 교수 연구팀이 머리카락보다 수만 배 가는 탄소나노튜브를 연마재로 활용한 ‘나노 사포’를 개발했다고 11일 밝혔다. 이 기술은 기존 반도체 제조 공정보다 표면을 더 정밀하게 가공하면서도, 공정 과정에서 발생하는 환경 부담을 줄일 수 있는 새로운 평탄화 기술이다. 사포는 표면을 문질러 매끄럽게 만드는 익숙한 도구지만, 반도체와 같이 극도로 정밀한 표면 가공이 필요한 분야에는 적용이 쉽지 않았다. 이는 일반
2026-02-11 -
연구 엔비디아보다 2.1배 빠른 유튜브 추천...‘버벅임’없앴다
유튜브 영상 추천이나 금융 사기 탐지처럼 사람 사이의 복잡한 관계를 빠르게 분석하는 핵심 AI 기술로 ‘그래프 신경망(GNN, Graph Neural Network)’이 있다. 여기서 말하는 그래프는 우리가 떠올리는 그래프 그림이 아니라, 사람과 사람 사이의 연결 관계를 뜻한다. 우리 대학 연구진은 엔비디아보다 추천 속도는 2.1배 빠르고, 지연은 줄이며, 전력 소모까지 낮춘 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 개발해 주목받고 있다. 우리 대학은 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망 기반 인공지능의 추론 속도를 획기적으로 높일 수 있는 AI 반도체 기술 ‘오토GNN’을 세계 최초로 개발했다고 5일 밝혔다. 연구팀은 서비스 지연의 주된 원인이 인공지능 추론 이전 단계인 그래프 전처리(Graph Preprocessing) 과정에 있음을 밝혀냈다. 이 과정은 전체 계산 시간의 70~90%를
2026-02-05 -
연구 1%의 벽 넘었다… 친환경 초소형 반도체 밝기 18배 향상
TV, 스마트폰, 조명처럼 빛을 내는 반도체는 우리 일상 곳곳에 쓰이고 있다. 하지만 친환경 반도체를 만들기 위해서는 아직 넘어야 할 기술적 장벽이 많다. 특히 머리카락 굵기(약 10만 나노미터)보다 수만 배 작은 크기의 나노 반도체는 이론적으로는 밝은 빛을 낼 수 있지만, 실제로는 빛이 거의 나지 않는 문제가 있었다. 우리 대학 연구진이 이 한계를 해결할 수 있는 새로운 표면 제어 기술을 개발했다. 우리 대학은 신소재공학과 조힘찬 교수 연구팀이 차세대 친환경 반도체 소재로 주목받는 나노 반도체 입자인 인듐 포스파이드(InP)* 매직 사이즈 나노결정(Magic-Sized Clusters, MSC)의 표면을 원자 수준에서 제어하는 원천 기술을 개발했다고 14일 밝혔다. *인듐 포스파이드(InP): 인듐(In)과 인(P)으로 만든 화합물 반도체 물질로 카드뮴 같은 환경 유해 물질을 쓰지 않은 친환경 반도체 소재 연구팀이 주목한 소재는 ‘매직 사이즈 나노결정&rsquo
2026-01-14