성균관대학교 기계공학부 김태성 교수 연구팀이 하프늄 산화물 기반 강유전 트랜지스터 어레이를 개발하고, 이를 활용한 차세대 인공지능(AI) 하드웨어 구현에 성공했다.

최근 인공지능(AI)과 사물인터넷(IoT)의 확산으로 대규모 데이터를 빠르게 처리하면서도 전력 소모를 최소화할 수 있는 새로운 컴퓨팅 구조가 요구되고 있다. 그러나 현재 대부분의 컴퓨터는 데이터를 저장하는 메모리와 계산을 수행하는 연산 장치가 물리적으로 분리된 ‘폰 노이만 구조(Von Neumann architecture)’를 사용하고 있어, 데이터 이동 과정에서 속도 지연과 높은 에너지 소모가 발생한다. 이러한 구조적 한계를 극복하기 위한 대안으로 메모리 내부에서 직접 연산을 수행하는 ‘인-메모리 컴퓨팅(In-Memory Computing)’ 기술이 차세대 AI 하드웨어의 핵심 기술로 주목받고 있다.

강유전 트랜지스터는 인-메모리 컴퓨팅 구현을 위한 유력한 후보 소자로 평가받고 있으나, 기존 강유전체 소재들은 여러 구조적 한계를 가지고 있었다. 대표적인 페로브스카이트 계열 강유전체(PZT 등)는 우수한 분극 특성을 보이지만 수십 나노미터 이하로 박막화할 경우 강유전 특성이 급격히 약화되는 두께 스케일링 한계가 존재한다. 또한 납(Pb)을 포함하는 소재 특성상 환경 규제와 CMOS 공정 호환성 측면에서 제약이 따른다. 최근 주목받고 있는 HfO₂ 기반 강유전체 역시 안정적인 강유전 상(orthorhombic phase) 형성이 공정 조건에 매우 민감하며, 열처리 온도·막 두께·전극 재료에 따라 결정상이 쉽게 변화하는 문제가 있다. 이로 인해 소자 간 특성 변동성이 증가하고, 대면적 집적 시 균일성 확보가 어렵다는 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해 반도체 공정과의 호환성이 높은 하프늄-지르코늄 산화물(HfZrO₂)을 활용해 새로운 강유전 트랜지스터 구조를 구현했다. 이 소재는 수 나노미터 두께에서도 전기적 분극을 유지할 수 있으며, 기존 CMOS 공정에 직접 통합이 가능하다는 장점이 있다. 연구팀은 원자층 증착(ALD) 공정을 통해 HfO₂와 ZrO₂를 원자 단위로 정밀하게 반복 적층하여 초박막 HfZrO₂를 합성했으며, 400℃ 이하의 급속 열처리(RTA)를 통해 강유전 특성을 안정적으로 발현시켰다.

이번 연구의 핵심은 ‘격자공학(lattice engineering)’이라는 설계 전략이다. 물질 내부에서 원자들은 규칙적인 격자 구조를 이루며, 이 배열 방식에 따라 물성, 특히 강유전 특성이 결정된다. 연구팀은 화학 조성을 변경하거나 새로운 원소를 추가하는 대신, 열처리 과정에서 발생하는 미세한 응력을 활용해 원자 배열을 제어했다. 금속마다 열을 받았을 때 팽창하는 정도가 서로 다르다는 점에 착안해, 강유전 박막을 서로 다른 열팽창계수를 가진 금속 전극 사이에 배치하였다. 열처리 과정에서 금속과 박막 사이에 형성되는 미세한 인장 응력이 HfZrO₂ 내부의 원자 배열을 재정렬시키며, 강유전성이 발현되는 사방정계(orthorhombic phase)을 선택적으로 안정화한 것이다. 이는 물질의 성분을 바꾸지 않고 외부에서 가해지는 기계적 응력 설계를 통해 물성을 정밀하게 제어한 새로운 접근법이다

그 결과 텅스텐(W) 전극을 적용한 소자는 약 11V의 넓은 메모리 윈도우와 10⁶ 이상의 온/오프 전류비를 확보했으며, 80ns 펄스 조건에서 10¹²회 이상의 반복 동작에서도 안정적인 특성을 유지했다. 또한 350개 소자로 구성된 어레이 전반에서 스위칭 전압 분포가 균일하게 나타나 대면적 집적 가능성을 실험적으로 입증했다. 하나의 소자에서 최대 22단계 이상의 전도도 상태를 구현했으며, 전도도 비(Gmax/Gmin)는 약 160 수준으로 확보되어 아날로그 가중치 표현에 충분한 동적 범위를 제공했다. 장기 강화(LTP) 및 장기 약화(LTD) 특성 또한 안정적으로 구현되어 시냅스와 유사한 학습 동작을 재현했다.

특히 본 연구는 동일한 HfZrO₂ 박막 스택을 유지하면서 전극 설계만으로 소자의 동작 모드를 제어할 수 있음을 수치적으로 입증했다는 점에서 차별화된다. 대칭적인 W/HZO/W 구조에서는 강유전 특성이 극대화되어 비휘발성 메모리 동작이 구현되었고, 다른 전극 조합에서는 휘발성 또는 준휘발성 특성이 나타났다. 이는 하나의 공정 플랫폼에서 로직과 메모리 기능을 선택적으로 구현할 수 있는 재구성형 구조임을 의미한다.

연구팀은 실험적으로 측정한 실제 소자 특성을 반영해 합성곱 신경망(VGG-8 기반 CNN)을 시뮬레이션한 결과, CIFAR-10 이미지 분류에서 97.2%의 정확도를 달성했다. 이는 소자의 비선형성, 가중치 비대칭성, 소자 간 변동성 등 실제 물리적 특성을 고려한 조건에서도 높은 AI 추론 성능을 유지할 수 있음을 보여준다. 또한 9×2 강유전 트랜지스터 어레이를 활용해 엣지 검출 및 이미지 필터 연산을 아날로그 영역에서 직접 구현함으로써, 메모리 내부에서 곱셈-누적(MAC) 연산이 가능함을 실험적으로 검증했다.

김태성 교수는 “이번 연구는 기존 강유전체의 두께 스케일링 한계와 상 안정성 문제를 열응력 기반 격자공학으로 극복했다는 점에서 의미가 크다”며 “높은 내구성과 아날로그 가중치 정밀도를 동시에 확보함으로써 저전력 엣지 AI 및 뉴로모픽 반도체로 확장 가능한 실질적인 플랫폼을 제시했다”고 밝혔다. 이어 “메모리와 연산 기능을 물리적으로 통합할 수 있는 기반 기술로서 차세대 인-메모리 컴퓨팅 기술 발전에 중요한 전환점이 될 것”이라고 덧붙였다.

해당 연구 성과는 나노과학 분야의 세계적 학술지 ACS Nano(IF 16.1, JCR 상위 5% 이내)에 1월 27일 온라인 게재되었다.

※ 논문명: Thermal Expansion-Engineered Ferroelectric Transistor Arrays for Scalable Edge AI Computing

※ 학술지: ACS Nano

※ 논문링크: https://pubs.acs.org/doi/10.1021/acsnano.5c14095

※ 저자정보: 교신저자 김태성 교수, 제1저자 김건욱 석박통합과정, 석현호 박사후연구원, 손시훈 석박통합과정, 최현빈 박사과정

※ 연구포털(PURE): https://pure.skku.edu/en/persons/taesung-kim/

▲응력 조절을 통한 하프늄 산화물 격자공학 기반 고성능 강유전 트랜지스터 구현

▲텅스텐 전극을 이용한 하프늄-지르코늄 산화물 강유전 트랜지스터 어레이와 인공지능 하드웨어 구현 개념도