신기술 동향
다른 기사 보기
2단자 기반 멤리스터 소재 및 소자
기고자. 서울대학교 재료공학부 장호원 교수1. 서론
1971년 Leo Chua가 제안한 "멤리스터"('메모리'와 '저항'의 합성어) 기술은 뉴로모픽 컴퓨팅 시스템을 구현하기 위한 새로운 기술로 간주되고 있다. CMOS와 비교하여, 멤리스터는 전류-전압 히스테리시스를 나타내며, 이는 생물학적 시냅스 가중치와 유사하게 전도도 상태를 점진적으로 변경할 수 있다. 멤리스터는 휘발성 커패시턴스 상태를 이용하는 DRAM과 달리 비휘발성 저항 상태를 읽는 비휘발성 메모리 기술이다. 간단한 구조의 멤리스터는 교차된 상부 전극 라인과 하부 전극 라인 사이에 소자가 삽입되는 대규모 크로스바 어레이(CBA) 아키텍처에 통합될 수 있다. 따라서 이론적 밀도는 4F2(F는 형상 크기)로 감소할 수 있으며, 3차원 구조에서는 훨씬 더 높아질 수 있으며, 이는 CMOS 기술의 스케일링 한계(일반적으로 6F2 초과)를 극복할 것으로 예상된다. 본고에서는 간단한 구조의 2 단자 기반의 멤리스터 소자의 구조와 동작 원리를 소개하고, 향후 발전 방향을 모색하고자 한다.
2. 2단자 멤리스터 소자 및 3차원 구조 실현
작동 원리에 따라 멤리스터는 이온 이동, 상변화, 스핀기반, 강유전성, 이온 삽입 및 이온 게이팅 장치의 6가지 주요 유형으로 분류될 수 있다. 이온 게이팅 멤리스터는 3단자 소자인 반면 나머지 멤리스터는 모두 2단자 기반의 소자이다.
이온 이동 멤리스터
이온 이동 멤리스터는 2008년 Hewlett-Packard 연구소에서 개발한 TiO2 기반 2단자 장치와 함께 처음 소개되었다. 이온 이동 소자는 일반적으로 상부 금속 전극과 하부 금속 전극 사이에 고체 유전체 물질을 끼워 넣은 2단자 구조이다. 이온 이동 멤리스터는 전극 사이의 유전층에서 다양한 유형의 캐리어가 이동하는 특정 작동 메커니즘에 따라 분류될 수도 있다. 대부분의 저항 변화는 금속산화물에 기반을 두고 있지만, 할로겐화물, 질화물, 황화물 등 다양한 물질이 이온 이동에 쓰인다. 2단자 소자의 상부 전극에 양의 전압을 인가하면 전도성 필라멘트가 상부 전극과 하부 전극을 연결하고 설정 과정에서 HRS가 LRS로 전환된다. 반대로, 연속적인 음의 전압이 인가되면 형성된 전도성 필라멘트가 파열되어 재설정 과정을 거쳐 LRS에서 HRS로 다시 전환된다. 이러한 메커니즘을 통해 이온 이동 멤리스터는 점진적인 전도도 변화를 유도하고 신경망에서 발생하는 시냅스 가중치를 에뮬레이트할 수 있다.
상변화 멤리스터
상변화 메커니즘은 1968년 처음 보고된 이후 비휘발성 메모리 기술의 후보로 상변화 기술이 집중적으로 연구되어 왔으며, 매우 큰 규모의 고밀도 통합 가능성을 보여주었다. Ge2Sb2Te5과 Sb2Te와 같은 칼코게나이드 물질을 이용하여 상변화 멤리스터를 제작한 것이 보고된 이후 많은 연구 그룹에서 관련 연구를 집중적으로 진행하였다. 상변화 멤리스터 기술은 경쟁하는 멤리스터 후보 중에서 가장 성숙한 메모리 기술이다. 또한 상변화 기술을 사용하여 스토리지 클래스 메모리 제품으로 상용화되었다.
스핀 멤리스터
스핀 기반 멤리스터는 1988년 거대자기저항(GMR) 현상이 처음 보고된 이후로 연구되어 왔다. 이러한 장치는 외부 자기장이 가해질 때 생성되는 강자성 재료의 자기 이력 현상을 활용한다. 낮은 에너지 소비, 빠른 스위칭 동작, 우수한 정밀도로 인해 스핀 멤리스터는 뉴로모픽 컴퓨팅 시스템을 위한 탁월한 잠재적 후보로 간주되어 왔다. 스핀-밸브 구조를 갖는 자기터널접합(MTJ)은 스핀 기반 멤리스터의 기본 단위이다. MTJ 유닛에서는 두 개의 강자성층 사이에 비자성 금속층(스페이서층)이 적층된다. 초기 스핀 멤리스터는 GMR 현상을 이용해 전도도를 조절했다. 강자성층의 상대적 자화 방향은 외부 자기장에 의해 유도된 층간 교환 결합에 의해 전환된다. 인접한 강자성층의 자화 방향이 역평행인 경우 스핀 방향이 다른 전자는 스핀 의존 산란에 의해 강하게 교란되어 HRS에 도달한다. 반대로, 상대자화가 평행하면 강자성층 사이의 전자 흐름이 더 쉬워져 LRS가 발생한다.
강유전성 멤리스터
강유전성은 외부 전기장에 의해 자발적인 전기 분극이 유도되는 특정 물질의 전기적 특성이다. 이 현상은 처음에는 강유전성 랜덤 액세스 메모리(FRAM)와 같은 비휘발성 메모리 애플리케이션에 사용되었다. 그러나 강유전성 박막 성장 기술은 나노 규모 제조 측면에서 제한적이었다. 따라서 강유전성 멤리스터는 관심을 끌지 못했다. 그러나 최근 원자층 증착 공정을 통해 도핑된 HfO2를 기반으로 한 강유전성 물질을 몇 나노미터 층으로 제조할 수 있다는 것이 보고되었으며, 강유전성 멤리스터에 대한 관심이 다시 부활했다. 강유전체 터널 접합(FTJ)의 개념이 도입되었으며, 뉴로모픽 응용 분야에서 놀라운 진전이 보고되고 있다.
이온 삽입 멤리스터
리튬 이온 삽입 효과는 배터리 셀의 양극 재료에서 널리 연구되었다. 리튬이온 이차전지의 충전 과정에서 양극에서 분리된 리튬 이온은 인가된 전위에 따라 전해질과 분리막을 통과하게 된다. 이후, 리튬이온은 그래핀 나노시트와 같은 적층형 음극재 사이에 삽입되며, 외부 전압이 꺼진 후에도 축적된 전위가 저장된다. 방전 과정에서 층상 음극재에 삽입된 리튬은 전자의 손실에 의해 산화되고 음극재로부터 탈리된다. 분리된 전자는 외부선을 따라 양극에서 음극으로 흘러 Li1-xCoO2 등 음극 물질을 환원시킨다. 이 충방전 과정은 완전히 재현 가능하고 충분히 반복 가능하기 때문에 배터리 시장에서 전기화학 기술 선호도가 급격히 높아졌다. 전도성 실리콘 전극의 리튬 이온 삽입과 결합된 코발트 산화환원 반응에 의해 발생하는 LixCoO2 박층에서 멤리스터 현상이 보고된 이후, 뉴로모픽 장치 구현을 위한 리튬 이온 삽입 멤리스터 연구가 활발히 이루어지고 있다.
3차원 구조 멤리스터 기반 인공지능 칩
뉴로모픽 칩은 생물학적 신경계의 다양한 부분을 인위적으로 에뮬레이션한다. 다양한 유형의 인공 신경망(ANN) 알고리즘은 뉴로모픽 칩에 대한 다양한 계산 기능을 구현한다. 이러한 알고리즘은 CBA 구조 및 신경 회로의 아키텍처에서 계산을 처리한다. CBA는 비트라인 전극 위에 워드라인(WL) 전극이 교차하고, 누설 전류를 차단하는 셀렉터(S)와 멤리스터(R)가 각 전극 사이의 모든 교차점에 배치돼 하나의 메모리 셀처럼 동작한다(1S-1R). 기존의 CMOS 기반 폰 노이만 아키텍처와 달리 CBA는 작동 중 병렬 접근이 가능하고 Boolean 값 대신 하나의 메모리 셀에 여러 레벨을 저장하며 스케일링 제한을 4F2 이하로 줄이는 장점이 있다. 수학적으로 정의된(예: 시그모이드 또는 정류 선형 단위) 또는 신경 회로로 구성된(예: 누출 적분 및 발사 모델) 인공 뉴런은 각 메모리 셀에 저장된 시냅스 가중치 값이 주어지면 활성화되고, 이후 수학적 또는 시간에 따른 피드백을 통해 정보를 업데이트한다. 연산 후 계산된 결과는 프로그래밍된 전압 신호로 변환되어 WL에 적용되어 멤리스터의 시냅스 가소성을 변경한다. 시냅스 가소성은 컨덕턴스를 점진적으로 수정하여 구현할 수 있다. 앞서 언급한 바와 같이 이온 이동, 상 변화, 스핀, 강유전성, 인터칼레이션 및 이온 게이팅 작동 메커니즘을 사용하여 구현된다. 따라서 뉴로모픽 컴퓨팅 시스템에서 이러한 멤리스터는 인공 뉴런, 네트워크 및 인공지능 칩 기술의 구성 요소인 인공 시냅스 역할을 한다.
3. 결론
집중적인 연구를 통해 멤리스터 기반 하드웨어가 인간의 두뇌에서 영감을 얻은 뉴로모픽 컴퓨팅에서 획기적인 성능을 달성한다는 사실이 입증되었다. 그러나 상당한 잠재력에도 불구하고 상용화를 방해하는 재료, 장치, 아키텍처 및 알고리즘 수준의 문제가 여전히 존재한다. AI 소프트웨어 개발에 비해 학습 기반 AI 하드웨어는 한참 뒤처져 있다. 지금까지 멤리스터 재료 연구자들은 멤리스터 단위가 충분히 구별되고 신뢰 가능한 다중 레벨 상태를 조작하는 것이 어렵다는 것을 발견했다. 따라서 고성능·고신뢰성 소재 개발, 기존 CMOS 기술 등 시냅스 특성의 표준화, 관련 기술 로드맵 등을 통해 AI용 멤리스터의 상용화는 가속될 전망이다. 최근 멤리스터-CMOS 하이브리드 AI 하드웨어는 좋은 성능을 발휘했다. 이러한 하이브리드 컴퓨팅 시스템은 CMOS 기술이 잘 발달되어 있기 때문에 뉴로모픽 컴퓨팅 시스템의 발전을 촉진하는 데 효과적인 것으로 간주된다. 특정 물질 시스템을 기반으로 한 멤리스터 장치를 개발하는 것 외에도 다양한 멤리스터 물질을 시스템에 혼성화하는 것은 조기 상용화를 실현하는 대안이 될 수 있다. 또한 CBA 구조에서는 누설 전류를 완벽하게 제어하는 아키텍처가 필요하다. 대규모 규모 연구와 기존 컴퓨팅 아키텍처는 여전히 방해를 받고 있다. 또한, 신경과학에서는 고성능 신경망 알고리즘을 개발하기 위해 인간 두뇌의 학습 메커니즘을 규명해야 한다. 이러한 한계점을 해결하기 위해 많은 연구가 진행되어 왔으며, 뉴로모픽 컴퓨팅 시스템의 구성 요소인 멤리스터 기술은 새로운 컴퓨팅 시스템을 탄생시킬 것으로 기대된다. 가까운 미래에는 인간의 두뇌에서 영감을 얻은 컴퓨터가 인간의 두뇌를 능가할 것으로 예상된다.
참고문헌
S. J. Kim, S. Kim, and H. W. Jang, iScience 24, 101889 (2021)
S. J. Kim et al., Materials Today 52, 19 (2022)
J. H. Baek et al., Nano-Micro Letters 15, 69 (2023)