에너지시스템학과

2025학년도 후기 석·박사통합과정으로의 학위과정변경 (정시)전형 실시 안내

가. 모집학과 및 모집인원 1) 모집학과: 석·박사통합과정이 설치되어 있는 대학원 전 학과 2) 선발인원: 당해연도 박사학위과정 입학정원 범위 내 나. 지원자격 1) 본교 대학원 석사과정 재학 중인 자로 한 학기 이상 이수한 자 2) 석사과정 지도교수 추천자 다. 전형일정 - 지원서 접수 : 2025.04.16(수) 09:00 ~ 04.29(화) 17:00 - 전형(서류전형 및 면접) : 2025.05.12(월) ~ 05.16(금) - 합격자 발표 : 2025.06.04(수) 라. 제출서류 1) 학위과정변경 지원서 1부 2) 성적증명서 1부 마. 제출처: 대학원 교학팀(율곡관 305호) 바. 전형료: 면제 사. 전형방법 및 선발철자 1) 전형방법: 서류심사 및 면접 2) 선발절차 - 당해학기 신입생 선발 일정 및 입학전형과 동일하게 진행 - 지원자가 있는 학과에 대해서는 추후 전형 안내 공문 발송 예정 아. 기타 유의사항 학점인정 석사과정에서 취득한 학점 통산하여 인정 가능 학위수여자격 1. 석사과정 포함 8학기 이상 등록을 마친 자 2. 소정의 교육과정에 따른 전공학점과 연구학점을 모두 이수한 자 3. 누계 평점평균 3.0 이상인 자 4. 자격시험에 합격한 후 학위논문심사에 통과한 자 - 종합시험: 학위과정 변경 전(석사과정) 응시한 자격시험 불인정 - 외국어시험 인정 기준 ·대학원 외국어시험 응시자: 70점 이상(통합과정 합격 기준)인 경우 합격 인정 ·외국어시험 대체과목 수강자: Pass한 경우 합격 인정 ·외국어시험 면제 신청자: 합격 인정 1) 학점인정 및 학위수여 자격 2) 신청횟수: 제한 없음

2025학년도 후기 학·석·박사통합 연계과정생 모집 전형 실시 안내

가. 제도개요: 학사과정과 석·박사통합과정을 연계, 학사 및 석·박사통합과정 수업연한을 단축(학사3.5(3.0)년+석·박사통합과정 2.5년 졸업)하여 5.5 ~ 6년 내에 학사학위 및 박사학위 취득을 가능하게 하는 학사제도 나. 모집학과 및 모집인원 1) 모집학과: 정시모집 석·박사통합과정 모집학과를 대상으로 지원 가능 2) 모집인원: 대학원 입학 학기 기준 박사학위 모집정원 여석범위 내 다. 지원자격 1) 본교 학사과정 누계 평점평균이 3.0 이상인 4학기에서 7학기(건축학사과정생은 6학기에서 9학기)에 재학 중인 자로 학사과정 조기졸업 예정자 - 본교 학사과정 조기졸업 요건 완화: 누계 평점평균 3.75 이상 → 3.0 이상 본교 학사과정 조기졸업 요건인 평점평균 3.75 미만인 경우에도 3.0 이상이면 지원 가능. 단, 이 경우 대학원 1학기 등록을 반드시 해야 하며, 대학원 입학을 포기하거나 자퇴하는 경우 학사과정 조기졸업이 취소됨 2) 학부 지도교수 또는 전공 주임교수 추천 및 대학원 지원학과의 학과장 또는 주임교수 추천자 3) 학사과정 전공과 진학 희망 대학원 석·박사통합과정의 학과가 일치하지 않아도 지원 가능 4) 학·석·박사통합연계과정 지원 불가 대상 - 편입학한 자 - 조기졸업 제외 대상: 의학사학위과정, 간호학사학위과정, 약학사학위과정, 공학사학위과정의 공군ICT전공 라. 모집일정 - 지원서 접수 : 2025.04.16.(수) 9:00 ~ 04.29.(화) 17:00 - 전형 (서류전형 및 면접) : 2025.05.12.(월) ~ 05.16.(금) - 합격자 발표 : 2025.06.04.(수) - 연구활동계획서 제출 : 지도교수 배정 및 연구활동계획서 제출 - 대학원 등록 : 대학원 진학 학기 신입생 등록 기간 마. 제출서류 1) 학·석·박사통합연계과정 신청서 1부 2) 성적증명서 1부 3) 학·석·박사통합연계과정 연구활동계획서 ※전형 합격 후 대학원 입학한 학기 초 제출 바. 제출처: 대학원 교학팀 방문제출(율곡관 305호) 사. 전형료: 면제 아. 전형방법: 서류심사 및 면접 - 전형일은 학과 자체 일정에 따름 - 대학원 학과별로 학부 성적 및 기타 학과에서 별도로 정한 기준 등을 종합적으로 심사·평가하여 선발 - 지원자가 있는 학과에 대해서는 추후 전형 안내 공문 발송 예정 자. 선발자 특전 1) 입학금 및 전형료 면제 2) 대학원 입학 시 무시험 특별전형 3) 대학원 학과별 장학금 배정 시 최우선 고려 4) 석·박사통합과정 수업연한 3학기 단축 가능(의무 아닌 선택사항) - 단, 수업연한 단축을 위해 학사과정 중 대학원 과목(3학점 이상)을 선이수해야 함 5) 대학원 입학 시 실사구시 장학금(학석박통합연계) 200만 원 지급 - 본교장학금 규칙에 의거, 직전 학기 12학점 이상 이수 / 평점평균 2.0 이상인 경우만 수혜 가능 - 실사구시 장학금(학업장려금) 200만원과 중복 수혜 가능 - 장학금 수혜 제외 대상: 본교 학사과정 졸업생/초과학기생/학적유지생, 일반대학원 간호대학/의과대학 통할학과 지원자 아. 기타 유의사항 1) 학·석·박사통합연계과정생으로 선발된 이후 입학한 학기 초(수업일수 1/4선 이내)에 석·박사통합과정 지도교수를 배정받아 재학 중 1회 이상 학사지도를 받아야 함 ※ 학·석·박사통합연계과정 활동계획서 1회 이상 제출 의무 2) 학사과정 조기졸업 불가자 및 학·석·박사통합연계과정 포기자(대학원 비진학 의사 표시자)는 학·석·박사통합연계과정 포기신청서를 대학원 지원 학과에 제출하여야 함 3) 학·석·박사통합연계과정생의 경우 학사과정 중에는 학부 학칙 및 규정이 적용되고, 석·박사통합과정 중에는 대학원 학칙 및 규정이 적용됨

2025학년도 후기 학·석사연계과정생 모집 전형 실시 안내

가. 제도개요: 학사과정과 석사과정을 연계하여 학사 및 석사과정 수업연한을 단축(학사 3.5(3.0)년, 석사 1.5년 졸업)함으로써 4.5 ~ 5년 이내에 학사학위 및 석사학위 취득이 가능하게 하는 제도 나. 모집학과 및 모집인원 1) 모집학과: 정시모집 석사과정 모집학과를 대상으로 지원 가능 2) 모집인원: 대학원 입학 학기 기준 석사학위 모집정원 여석범위 내 다. 지원자격 1) 본교 학사과정 누계 평점평균이 3.0 이상인 4학기에서 7학기(건축학사과정생은 6학기에서 9학기)에 재학 중인 자로 학사과정 조기졸업 예정자 - 학·석사연계과정 합격자 조기졸업 요건 완화: 누계 평점평균 3.75 이상 → 3.0 이상 본교 학사과정 조기졸업 요건인 평점평균 3.75 미만인 경우에도 3.0 이상이면 지원 가능. 단, 이 경우 대학원 1학기 등록을 반드시 해야 하며, 대학원 입학을 포기하거나 자퇴하는 경우 학사과정 조기졸업이 취소됨 2) 학부 지도교수 또는 전공 주임교수 추천 및 대학원 지원학과의 학과장 또는 주임교수 추천자 3) 학사과정 전공과 진학 희망 대학원 석사과정의 학과가 일치하지 않아도 지원 가능 4) 학·석사연계과정 지원 불가 대상 - 편입학한 자 - 조기졸업 제외 대상: 의학사학위과정, 간호학사학위과정, 약학사학위과정, 공학사학위과정의 공군ICT전공 라. 모집일정 - 지원서 접수 : 2025.04.16.(수) 9:00 ~ 04.29.(화) 17:00 - 전형 (서류전형 및 면접) : 2025.05.12.(월) ~ 05.16(금) - 합격자발표 : 2025.06.04. - 연구활동계획서 제출 : 지도교수 배정 및 연구활동계획서 제출 - 대학원 등록 : 대학원 진학 학기 신입생 등록기간 마. 제출서류 1) 학·석사연계과정 신청서 1부 2) 성적증명서 1부 3) 학·석사연계과정 연구활동계획서 ※전형 합격 후 대학원 입학한 학기 초 제출 바. 제출처: 대학원 교학팀 방문 제출(율곡관 305호) 사. 전형료: 면제 아. 전형방법: 서류심사 및 면접 - 전형일은 학과 자체 일정에 따름 - 대학원 학과별로 학부 성적 및 기타 학과에서 별도로 정한 기준 등을 종합적으로 심사·평가하여 선발 - 지원자가 있는 학과에 대해서는 추후 전형 안내 공문 발송 예정 자. 선발자 특전 1) 입학금 및 전형료 면제 2) 대학원 입학 시 무시험 특별전형 3) 대학원 학과별 장학금 배정 시 최우선 고려 4) 석사과정 수업연한 1학기 단축 가능(의무 아닌 선택사항) - 단, 금융공학과 입학생은 수업연한 단축을 위해 학사과정 중 대학원 과목(6학점)을 선이수해야 함 5) 대학원 입학 시 실사구시 장학금(학석사연계) 100만 원 지급 - 본교장학금 규칙에 의거, 직전 학기 12학점 이상 이수 / 평점평균 2.0 이상인 경우만 수혜 가능 - 실사구시 장학금(학업장려금) 200만원과 중복 수혜 가능 - 장학금 수혜 제외 대상: 본교 학사과정 졸업생/초과학기생/학적유지생, 일반대학원 간호대학/의과대학 통할학과 지원자 아. 기타 유의사항 1) 학·석사연계과정생으로 선발된 이후 입학한 학기 초(수업일수 1/4선 이내)에 석사과정 지도교수를 배정받아 재학 중 1회 이상 학사지도를 받아야 함 ※ 학·석사연계과정 활동계획서 1회 이상 제출 의무 2) 학사과정 조기졸업 불가자 및 학·석사연계과정 포기자(대학원 비진학 의사 표시자)는 학∙석사연계과정 포기신청서를 대학원 지원 학과에 제출하여야 함 3) 학·석사연계과정생의 경우 학사과정 중에는 학부 학칙 및 규정이 적용되고, 석사과정 중에는 대학원 학칙 및 규정이 적용됨

[소식][2025.05.07.수] 이형우 교수팀, 물성 분석 위한 머신러닝 기반 新접근법 제시

우리 학교 물리학과 이형우 교수팀이 머신러닝 기술을 활용해 현미경 이미지로 물성을 유추할 수 있는 새로운 접근법을 제시했다. 이에 낮은 비용으로 빠르게 물성을 진단할 수 있는 새로운 기술의 개발에 기여할 수 있을 전망이다. 아주대 물리학과∙대학원 에너지시스템학과 이형우 교수(위 사진 오른쪽)는 LSMO 박막의 전기적·자기적 특성을 추론하기 위한 머신러닝 기반 접근법을 제안, 해당 내용을 <어드밴스드 사이언스(Advanced Science)> 4월26일자 온라인판에 게재했다고 밝혔다. 대학원 석사과정의 유상혁(사진 가운데), 장민우(사진 오른쪽) 학생도 이번 연구에 참여했다. 이번 연구는 ‘표면 형태 기반 머신러닝을 통한 La0.7Sr0.3MnO3 박막의 강자성 분석(Machine Learning Approach to Characterize Ferromagnetic La0.7Sr0.3MnO3 Thin Films via Featurization of Surface Morphology)’이라는 제목의 논문으로, 인하대 컴퓨터공학과 이선우 교수팀과의 공동연구 결과다. La0.7Sr0.3MnO3(LSMO)는 강자성 금속성과 거대자기저항(CMR) 특성을 가진 페로브스카이트 산화물로, 스핀트로닉스 및 전자소자 분야에서 주목받고 있다.그러나 LSMO의 물성이 ▲박막 두께 ▲격자 변형 ▲산소 결손 ▲양이온 비율 등 다양한 물질 구조 및 조성 등에 민감하게 의존하며, 다양한 변인들이 복합적으로 상호작용하기 때문에 미시적 격자구조와 전자기적 물성 간의 연관성을 정확히 규명하는 것은 여전히 어렵다. 이에 연구팀은 LSMO 박막의 표면 형상(surface morphology)을 기반으로 전기적·자기적 특성을 추론하기 위한 머신러닝 기반 접근법을 제안했다. 기판(SrTiO₃) 위에 서로 다른 산소 분압 조건에서 성장된 LSMO 박막을 이용, 원자힘현미경(AFM)을 통해 표면 형상을 정밀 측정한 것. 이를 통해 표면 형태에 대한 대량의 데이터를 확보하고, 각각의 박막 샘플에 대해 ▲온도 별 전기저항 ▲금속-절연체 전이 온도 ▲자기이력곡선 및 큐리온도 등의 다양한 전기적·자기적 데이터 또한 얻었다. 연구팀은 확보된 대규모 데이터를 기반으로, 표면 형상과 전자기적 물성 간의 비선형 관계를 모델링할 수 있는 앙상블 기반 인공신경망 모델을 개발했다. 이렇게 개발된 머신러닝 모델은 결과적으로 시료의 원자힘현미경(AFM) 이미지로부터 해당 샘플의 전자기적 물성을 정량적으로 예측할 수 있었으며, 이를 통해 LSMO 박막을 다섯 가지 대표적인 유형으로 분류할 수 있음을 확인했다. 특히 물성 발현의 원리가 매우 복잡한 강상관계 산화물에서 그동안 ‘결과적 산물’로 간주되던 표면 형상이 오히려 전기적·자기적 특성을 내포하고 있다는 점을 머신러닝을 통해 정량적으로 입증했다는 점에 큰 의의가 있다. 이형우 교수는 “기존에는 전자구조 및 자기특성을 분석하기 위해 복잡한 측정 장비를 필요로 했고, 많은 분석 결과 간의 교차 검증이 요구되었다”며 “이번 연구에서 제안한 머신러닝 기반 방법론을 이용하면, 단순한 원자힘현미경(AFM) 이미지 만으로 물성을 유추할 수 있어, 앞으로 저비용으로 빠르게 물성을 진단하는 기술의 개발에 기여할 수 있을 전망”이라고 설명했다. 더불어, 연구팀이 제안한 FMC(Ferromagnetic Material Classifier) 모델은 LSMO 외에도 다양한 강자성 물질에 적용이 가능해 격자 변형, 결함, 이온 이탈 등의 변수에 따라 표면 형상이 민감하게 변하는 물질계에 특히 유효하게 활용될 수 있을 전망이다. 이에 앞으로 머신러닝 방법을 이용한 응집물질물리 및 응용물리학 분야에 큰 파급효과를 불러올 것으로 보인다. 이번 연구는 한국연구재단의 G-LAMP사업, 중견연구, 기초연구실지원사업(BRL)의 지원을 받아 수행됐다. 아주대 이형우 교수팀의 연구 성과를 설명하는 그림. 머신러닝 기술을 활용해, 낮은 비용으로 빠르게 물성을 진단할 수 있도록 하는데 기여할 전망이다

[소식][2025.04.04.금] 아주대 연구팀, 초분광 영상/AI 활용 빠르고 정확한 위암 진단 기술 개발

물리학과 윤종희 교수, 대학원 에너지시스템학과 박인영 석사졸업생, 의대 병리학교실 노진 교수, 소화기내과학교실 노충균 교수 아주대는 물리학과 윤종희 교수와 의과대학 노충균(소화기내과학교실)/노진(병리학교실) 교수 공동 연구팀이 초분광 영상기술과 인공지능을 활용해 정밀하고 빠른 위암 진단 기술을 개발했다고 3일 밝혔다. 이번 연구 내용은 '초분광 영상 및 인공지능을 활용한 점막하 박리술을 통해 얻은 조직의 위암 진단(Artificial intelligence-based gastric cancer detection in the gastric submucosal dissection method via hyperspectral imaging)'이라는 제목으로, 저명 학술지 'Sensors and Actuators B: Chemical' 3월호에 게재됐다. 아주대 대학원 에너지시스템학과의 박인영 석사과정생(현 COSMAX Inc. 연구원)과 아주대 의대 병리학교실의 노진 교수가 공동 제1저자로 참여했고, 아주대 의대 소화기내과학교실의 노충균 교수와 물리학과 윤종희 교수가 공동 교신저자로 함께 했다. 현재 위암의 진단은 내시경을 통해 1차로 검진하고, 암으로 의심되는 부위는 위 점막하 박리술을 통해 조직을 확보한 뒤, 해당 조직에 대해 병리조직검사를 수행하는 방식으로 진행되고 있다. 병리조직검사는 여러 단계의 조직 처리 과정이 필요하므로 수일이 소요되고, 환자는 이에 대한 진단 결과를 확인하기 위해 다시 병원을 방문해야 한다. 이에 환자의 편의와 위암 진단 및 치료의 효율성을 높이기 위해 내시경 검사 시에 조직 내 위암의 존재 여부를 빠르게 판단할 수 있는 기술이 필요하다. 그러나 정상 조직과 위암 조직 간의 뚜렷한 차이를 찾기가 쉽지 않아, 내시경 검사 중에 위암의 징후를 정확하게 파악하기가 어렵다. 그동안 위암 조직의 선명한 관찰을 위해 협대역 영상(Narrow Band Imaging), 색소내시경(Chromoscopy) 등이 개발돼 활용되고 있으나, 여전히 정밀한 위암 진단에는 다가서지 못하고 있다. 또 한정된 내시경 검사실 공간과 검사 시간 등의 현실적 문제들로 인해 학계와 의료계에서 실제 의료환경에 적용할 수 있는 기술을 개발하는 데에 어려움을 겪어왔다. 그중 '빛'을 활용한 질병 진단 기술은 비침습적이고 안전해 새로운 질병 진단 기술로 많은 연구가 이뤄져 왔다. 덕분에 여러 의미 있는 연구 결과가 나왔지만, 실제 의료환경에 적용할 수 있는 광기술은 여전히 매우 제한적이다. 환자를 진단하고 치료하는 의료 현장에는 여러 공간적/시간적 제약이 존재하기에, 빛을 활용하기 위한 장치인 광학계(optical system)의 크기가 작고 촬영 및 분석이 빠르게 이뤄질 수 있어야 실제 도입이 가능하다. 아주대 공동 연구팀은 이러한 점에 착안해 초분광 영상기술과 인공지능을 활용한 연구에 나섰다. 초분광 영상기술은 빨강/초록/파랑을 측정하는 기존의 컬러 영상기술에 비해 더 많은 색을 정밀하게 측정할 수 있는 기술이다. 사람의 눈으로 볼 수 있는 빨강/초록/파랑의 가시광선 영역뿐 아니라 자외선과 적외선 영역의 빛까지 분해하고 분석할 수 있는 것. 더욱 정밀한 측정이 가능한 특성 덕에 초분광 영상기술은 우주, 국방, 의료를 비롯한 다양한 분야에 적용돼왔는데, 그 정보량이 많아 정밀한 분석에 어려움을 겪어왔다. 아주대 연구팀이 연구해온 초분광 영상 기술을 통한 위암 진단 모식도 이러한 부분을 해결하기 위해 인공지능(AI)을 활용해 영상을 분석하려는 시도가 이어져 왔으나, 의료영상 데이터의 경우 인공지능 학습을 위한 정밀한 정답 데이터를 확보하는 것이 매우 어려웠다. 아주대 연구팀은 이러한 한계를 돌파하기 위해, 영상처리 및 정합 기술을 개발해 병리조직검사 데이터와 초분광 영상 데이터를 비교하고 정답 데이터를 확보해 인공지능 모델을 정밀하게 학습시켰다. 연구팀은 초분광 영상기술을 통해 생체 조직의 산란 및 흡수 특성을 측정하고, 정상 조직과 암 조직 등 질병에 따라 변화되는 조직의 광특성을 질병 진단에 활용했다. 윤종희 교수는 "초분광 영상기술과 인공지능을 통해 환자로부터 획득한 조직으로 별도의 생화학 처리 없이 암의 유무를 진단할 수 있음을 보인 성과"라며 "조직 검체 확보와 동시에 수 분 내 암 진단이 가능해 환자 치료에 많은 도움을 줄 수 있을 것"이라고 설명했다. 윤 교수는 "위암 이외의 다른 질병에도 적용이 가능해, 그 응용 범위가 더 넓어질 수 있다"라며 "질병 진단에 걸리는 시간을 줄여, 환자의 치료 시간을 단축하고 편의를 높이는 데 기여할 수 있다"라고 덧붙였다. 이번 연구에서 물리학과 연구팀은 ▲초분광 영상 기술을 위한 광학계 개발 ▲조직의 광학영상 측정 및 광특성 분석기술 개발 ▲인공지능 모델 구축 등을 수행했고, 의과대학 연구팀은 ▲환자 검체 확보 ▲병리조직검사 ▲의학적 분석 등을 맡아 진행했다. 아주대 물리학과 윤종희 교수는 KAIST(KAIST) 바이오및뇌공학과에서 박사학위를 받고, KAIST과 영국 캠브리지대학 물리학과에서 박사후연구원으로 의광학(Biomedical optics) 분야를 연구해왔다. 윤 교수는 초분광 영상을 활용한 질병의 진단, 빛의 산란을 통한 미생물 움직임 연구, 인공지능을 활용한 영상분석 기술 등을 연구해 학계와 산업계의 주목을 받아왔다. 특히 기초 학문과 임상 시험을 연계하는 중개 연구(Translational Research)를 통해 의과대학 연구진과 활발한 공동 작업을 벌이고 있다. 이번 연구는 한국연구재단의 우수신진연구사업, G-LAMP 사업 및 한국전자통신연구원의 지원을 받아 수행됐다. 정상 조직과 위암 조직의 광특성(산란 및 흡수) 차이. 위암 조직은 특정 파장(540nm)의 빛에서 정상 조직에 비해 산란 및 흡수가 적은 것을 확인함

[소식][2025.03.26.수] 서형탁 교수팀, 데이터 학습·분류 가능한 범용 소재 기반 지능형 신소자 개발

우리 학교 서형탁 교수팀이 머신러닝 기반 연산 및 센서 신호처리에 적용 가능한 지능형 신소자를 개발했다. 이 소자를 통해 기존의 반도체 소자보다 낮은 전력으로 데이터 학습과 분류가 가능해 머신러닝, 인공지능 컴퓨팅과 빅데이터 처리 등에 폭넓게 활용될 수 있을 전망이다. 서형탁 교수(첨단신소재공학과·대학원 에너지시스템학과)와 쿠마 모히트 교수(Kumar Mohit, 대학원 에너지시스템학과) 연구팀은 강유전성 초박막 소재 기반의 차분 정전용량(Differential Capacitance) 출력을 이용해 뛰어난 선형 학습성과 고분해능의 다치 출력 특성을 갖춘 머신러닝 기반 학습 인공지능 소자 개발에 성공했다고 밝혔다. 연구 내용은 ‘머신러닝 기반 데이터 분류가 가능한 헤프늄 지르코늄 소자 기반 다치 재구성 차분 정전용량(Multilevel reconfigurable differential capacitance in HfZrO2 ferroelectric devices: Enabling machine learning-based classification)’이라는 제목으로 나노 분야 저명 국제 학술지 <나노 에너지(Nano Energy)> 3월호 온라인판에 게재됐다. 쿠마 모히트(Kumar Mohit, 사진 제일 오른쪽) 교수가 제1저자로, 대학원 이상민 학생(사진 제일 왼쪽)이 공저자로 참여했다. 서형탁 교수(사진 가운데)는 교신저자로 함께 했다. 방대한 데이터를 다루고 활용하는 인공지능(AI) 컴퓨팅의 시대가 도래함에 따라 기존의 기술보다 낮은 전력을 사용하면서 보다 빠른 속도로 병렬처리 및 학습·연산이 가능한 지능형 신소자의 확보가 미래 반도체 기술의 핵심으로 부상하고 있다. 기존 집적회로에서 메모리와 프로세서가 분리되어 데이터를 처리하는 현재의 ‘폰노이만 아키텍쳐(Von Neumann architecture)’ 방식과는 달리, 지능형 신소자는 ‘뉴로모픽 컴퓨팅(Neuromorphic Computing)’ 방식으로 인간 두뇌의 신경회로를 모사해 한 곳에서 동시에 정보를 처리할 수 있도록 만들어진다. 이에 지능형 신소자는 인간 두뇌의 시냅스와 뉴런이 신호를 주고받으며 학습을 통해 인식하고 판단하는 것과 같이 ▲병렬처리 ▲입력신호 가중치에 의한 학습형 재구성 ▲다단계 신호 출력 등 기존의 방식에서는 구현이 어려운 새로운 특성을 가진다. 많은 정보를 동시다발적으로, 선별적으로 그리고 세분화해서 처리할 수 있는 것. 이러한 특성은 반복적 학습을 통해 정보 처리의 정확도를 높이며 새로운 문제를 풀어내는 데에도 탁월한 능력을 발휘할 수 있어, 인공지능(AI) 컴퓨팅을 위한 고성능 컴퓨팅을 가능하게 한다. 이러한 인공지능형 신소자를 구현하기 위해 전 세계 반도체 제조사들은 기존 실리콘 집적회로 소재와 공정을 기반으로 회로 구조적인 변화를 시도함과 동시에, 실리콘 소재에서 탈피해 새로운 소자를 개발하려는 연구를 이어가고 있다. 그러나 뉴로모픽 컴퓨팅용 차세대 반도체 소자로 개발되어온 기존의 멤리스터(메모리+리지스터) 및 멤트랜지스터(메모리+트랜지스터) 같은 저항가변형 신소자의 저항 출력 방식은 소자의 미세화 및 집적화와 전력 활용의 효율성(저전력 달성) 측면에서 한계를 보여왔다. 이에 최근 정전용량 출력 방식의 차세대 지능형 소자 멤커패시터(메모리+커패시터, memcapacitor)가 주목을 받고 있다. 이 방식을 활용하면 저항가변형 방식에 비해 고집적화가 쉽고, 전력 소모가 줄어들며, 스위칭 속도가 빠르다는 장점이 있다. 아주대 연구팀은 정전용량 출력 방식의 지능형 신소자 개발을 위해 ‘헤프늄-지르코늄 복합산화물(HfZrO: HZO)’에 주목했다. 강유전체 HZO는 차세대 저전력 트랜지스터의 후보군인 음의 정전저항기반 트랜지스터에 사용되는 핵심 소재로, 외부 전기장에 따라 비휘발성 분극이 강하게 일어나는 강유전성을 가진다. 특히 3차원 구조 집적회로의 핵심 공정인 원자층 증착이 가능해 반도체 분야에서 이미 널리 연구 개발되고 있는 소재다. HZO의 강유전성은 이상적으로는 전압의 부호에 따라 상향 및 하향 수직 정렬 분극화가 소재 전체에 일관되게 일어나는 것이 필요하지만, 원자층 증착된 HZO는 나노결정구조를 가지기 때문에 각 결정립의 분포에 따라 수직 정렬 분극뿐만 아니라 경사 정렬 분극화가 점진적으로 발생하는 ‘나노 극성 도메인’이 형성된다. 연구팀은 이러한 나노 극성 도메인을 펄스화된 입력 전압의 크기, 극성 및 시간을 제어하여 기존 거대 분극화와 달리 입력신호의 이력에 따라 나노스케일의 도메인에 정보를 비휘발성으로 저장하여 학습 및 재구성이 가능한 ‘차분정전용량’ 출력을 얻는데 성공했다. 연구팀은 해당 소자를 이용, 낮은 소비전력으로도 데이터를 안정적으로 저장할 수 있음을 확인했다. 나아가 지능형 신호처리를 위한 머신러닝 모델에 대응, 누적 신호에 따라 학습기능 및 다치신호(multi-level signal)의 패턴 인식이 가능함 또한 확인했다. 더불어 이 소자를 통해 무선통신 신호(Wi-Fi)의 반사 신호를 학습시켜 실내 동체 감지 인식 기능을 구현, 특정 공간 내에서 자유롭게 이동하는 사람의 인원수를 구분하는 사물인터넷(IoT) 센서 지능형 동작을 구현하는 데 성공했다. 서형탁 교수는 “이번 연구는 이미 양산 공정에 적용되고 있는 범용 강유전성 소재를 기반으로 하고 있다”라며 “낮은 전력으로 데이터 학습과 분류 같은 머신러닝이 가능한 지능형 소자를 구현한 최초의 사례”라고 설명했다. 이번 연구는 과학기술정보통신부·한국연구재단이 주관하는 차세대지능형반도체기술개발사업(신개념기초)과 중견기초연구지원사업의 지원으로 수행되었으며, 특허 출원이 진행 중이다. 연구팀이 개발한 헤프늄-지르코늄 복합산화물(HfZrO: HZO) 지능형 신소자를 확대 촬영한 이미지. 실제 크기는 1m의 100만분의 1인 마이크로밀리미터(0.001mm) 수준이다. 이 소자를 이용하면 낮은 소비전력으로 데이터를 안정적으로 처리·학습할 수 있어, 인공지능(AI) 컴퓨팅 등에 활용이 가능할 전망이다.