新材料工学部金亨镇教授研究团队开发了可实现超低功耗存内人工智能(먹튀검증 토토사이트)运算的跨时代存储器半导体技术。本次研究成果已于上月10日在半导体器件领域最高权威学术大会国际电子器件会议(International Electron Devices Meeting, IEDM 2025)上发表。
 

现行计算系统由于存储器与处理装置相分离，在数据收发过程中会产生较大的时间与能量消耗。尤其是，在必须进行大规模数据处理的AI运算中，这种低效率更加突出。因此，在存储器内部直接执行运算的“存内计算技术(In-memory Computing)”正作为替代方案而备受关注。然而，现有NAND闪存由于串联晶体管结构与基于电阻的读取方式，静态功耗较大，并且在执行AI运算核心的向量矩阵乘(vector-matrix multiplication)方面存在困难。

金教授解释道：“为了克服这一点，我们引入了不是以电阻而是以电荷(charge)作为运算物理量的忆容电容器(memcapacitor)结构。该方式几乎没有静态功耗，并且能够将NAND闪存结构替换为并联连接，因此在大规模阵列(array)中可以稳定实现向量-矩阵乘运算。”

研究团队使用了基于强铁电体(HfZrO₂) 电容器替代晶体管，制作了可在同一结构内同时进行数据存储与运算的忆容电容器阵列。金教授表示：“HfZrO₂同时具备与CMOS及3D NAND工艺的高兼容性、因高介电常数与强铁电特性而带来的大记忆窗口、以及有利于垂直堆叠的薄膜特性。应用该材料后，实现了多比特存储与稳定的模拟运算。”

本次研究在48×24规模的忆容电容器阵列中实现了4比特多级存储。将其应用于实际AI运算后发现，尽管是硬件运算，但性能几乎与基于软件的运算相同。金教授表示：“这是实验性地证明了在硬件中实现的存内计算技术也能为AI推理提供足够准确度的结果。”

他解释道：“通过确保更宽的电荷存储窗口，使各状态之间的区分更加明确。在读取时强铁电极化不发生变化的非破坏性电荷读取方式，与4比特多级编程技术相结合，大幅降低了器件波动性与噪声的影响。这一点对获得与软件相近的性能作出了很大贡献。”

尤其是，本次存储器半导体技术基于与现有3D NAND闪存相同的单元(cell)结构制作。金教授表示：“采用了与3D NAND闪存相同的4F²单元结构与基于串联链的结构。无需大幅更改现有生产线，就能利用原本工艺设备与设计基础设施。”他强调道：“这在能够显著降低量产转化时的技术门槛方面非常重要。”

研究过程中最大的难题是在大规模阵列中确保均匀性与读取稳定性。金教授表示：“为了解决这一问题，我们选择了设计多晶硅电极的掺杂结构，在提高存储窗口的同时降低电极电阻的策略。”

关于商业化可能性，他也给出了具体展望。金教授表示：“初期最有可能应用于边缘AI及移动设备。”在智能手机、可穿戴设备、IoT设备等电池限制大且需要实时AI运算的环境中，超低功耗存内AI技术的优势可以立刻显现出来。”

他还展望道若超低功耗存内AI被全面引入，AI半导体市场的竞争格局也将发生变化。他表示：“当前AI半导体最大的瓶颈是随着运算性能提升而带来的功耗增加。若引入超低功耗存内AI，竞争将从以‘有多快’为中心转向以‘用多少能量完成运算’为中心，预计会发生范式转换。”

最后，金教授表示：“我们计划以对三维垂直堆叠阵列进行实际验证、基于更大规模阵列实现AI模型以及在系统层面整合超低功耗AI加速器为目标，进一步扩展研究。”