고려대학교 세종캠퍼스(부총장 김영) 지능형반도체공학과 연구진이 인공지능을 활용한 반도체 설계 연구로 영국왕립화학회 ‘Journal of Materials Chemistry C’에 표지논문으로 선정됐다. 해당 연구를 통해 인공지능을 활용한 반도체 소자 설계 원천 기술을 확보, 전자설계자동화 산업의 전환점에 중요한 기여를 할 수 있을 것으로 기대된다.

△(왼쪽부터) 이오준 교수(가톨릭대학교 인공지능학과), 조민선 연구원(고려대학교 산업기술연구소, 1저자), 정성엽 교수(고려대학교 지능형반도체공학과 및 산업기술연구소, 교신저자), Marin Franot(차세대융합기술연구원 인턴연구원, 원 소속-프랑스 Toulouse INP-ENSEEIHT, 공저자)

 

연구팀은 △정성엽 교수(고려대학교 지능형반도체공학과 및 산업기술연구소, 교신저자) △조민선 연구원(고려대학교 산업기술연구소, 1저자) △이오준 교수(가톨릭대학교 인공지능학과, 공저자) △Marin Franot(차세대융합기술연구원 인턴연구원, 원소속-프랑스 Toulouse INP-ENSEEIHT, 공저자)로 구성된다.

 

이번 연구는 유기물 반도체 기반의 전계효과트랜지스터(Field-Effect Transistor)의 전기적 특성을 모사하기 위해 인공신경망과 인공지능을 활용하는 내용을 담고 있다. 전통적인 수식 기반 반도체 콤팩트 모델은 반도체 소자의 동작을 설명하는 컴퓨터 코드와 된 수식으로 회로 설계 소프트웨어에 탑재되어 소자와 회로 동작을 예측하고 평가 하는데 사용된다.

 

본래 신소재 및 신구조 기반 반도체 소자의 전기적 특성을 정확, 간결, 그리고 물리적으로 엄밀하게 모사하는 콤팩트 모델 개발에는 오랜 시간과 비용이 소요 된다. 이러한 한계를 극복하기 위하여, 연구진은 인공신경망과 전이 학습을 통해 반도체 소자의 물리적 동작 메커니즘을 엄밀하게 반영하고, 전기적 특성을 정확하게 예측하는 모델을 단기간에 개발하는 연구를 수행한 것이다.

 

논문의 제1저자인 조민선 연구원(고려대학교 산업기술연구소)은 “기존의 수식 기반 트랜지스터 모델링 방식이 아닌 인공신경망의 함수 근사 능력과 심층 학습을 이용하여 더욱 정확하고 빠르게 모델을 구축할 수 있었다”고 소개하며 “특히 전하 이동도가 온도, 전기장, 전하 농도에 따라 비선형적으로 변하는 비정질 반도체의 전기적 특성도 정확하고 효율적으로 예측할 수 있음을 제시하였다”고 설명했다.

 

교신저자인 정성엽 교수(고려대학교 지능형반도체공학과)는 "본 연구는 인공지능이 반도체 전하 이동 물리를 학습하고, 이를 기반으로 소자 특성을 정밀하게 예측할 수 있는 새로운 방법을 제시한 것으로, 전하 이동 특성이 유사한 산화물 반도체 기반 차세대 DRAM 용 엑세스 트랜지스터 혹은 인공시냅스 용 저항변화메모리 소자의 모델링에도 응용 될 수 있다"고 설명하였다.

 

공동연구자인 이오준 교수(가톨릭대학교 인공지능학과)는 올해 인공지능의 원천 기술 연구와 인공지능 응용한 단백질 구조 예측 연구가 동시에 노벨 물리학상과 화학상을 각각 수상한 사례를 예를 들며, “앞으로 반도체 분야 전반에서 인공지능 응용 연구가 더욱 활발해 질 것으로 기대한다”고 밝혔다.

△Journal of Materials Chemistry C 논문 표지

한편, 본 연구는 ‘차세대지능형반도체기술개발(소자)사업(과제사사번호 NRF-2022M3F3A2A01076569)’, ‘이공분야기초연구사업(NRF-2021R1F1A1064384 및 NRF-2022R1F1A1065516)’지원을 받아 수행되었다. (논문 제목: ‘A neural compact model based on transfer learning for organic FETs with Gaussian disorder’)