ZIF-L @ PVA 나노복합체 기반 멤리스티브 소자의 전기적 특성 및 시냅스 특성에 관한 연구

Abstract

첨단기술의 발전으로 빅 데이터, 머신 러닝, 딥 러닝 기술들이 지속적으로 성장하고 있고 이를 활용해 사물 인터넷 (IoT), 자율주행, 인공지능 (AI) 등의 기술들이 계속해서 구현되고 있다. 이를 통해 DRAM, NAND Flash Memory와 같은 저장매체의 수요가 많아지고 이에 시장 규모 증가와 투자, 연구개발 등이 활발히 이루어지고 있다. 하지만 소자 구조에 따른 집적화, 미세공정 등의 이유로 앞으로의 기술 발전에 있어 한계점이 존재한다는 것이 나타나게 되었다. 이를 극복하기 위해 빠른 처리능력, 고집적도, 낮은 동작 전력, 공정 단순화 등의 특성을 가지는 차세대 비휘발성 메모리 반도체 소자가 주목받고 있다. 대표적으로 PRAM (Phase change RAM), MRAM (Magnetic RAM), STT-MRAM (Spin Transfer Torque Magnetic RAM), ReRAM (Resistive RAM), FeRAM (Ferroelectric RAM)이 존재하며 상용화를 두고 연구개발이 활발히 이루어지고 있다. 본 연구에서는 MIM (Metal-Insulator-Metal)의 단순한 구조를 가지는 저항 변화 메모리 (ReRAM) 소자에 관한 연구를 진행하였으며 활성층으로 ZIF-L (Zeolitic Imidazolate Framework- Leaf Type)@PVA 나노복합체를 사용하였다. Ag/ZIF-L@PVA/ITO 구조의 ReRAM 소자를 제작하여 멤리스터 특성을 확인하였고 펄스를 인가하여 뇌를 모방하는 시냅스 특성인 Potentiation, Depression, PPF (Paired Pulse Facilitation)을 확인하였다. 결과적으로 제작된 소자는 멤리스터 특성과 시냅스 특성을 구현하였고 기존 메모리의 한계점을 개선하는 차세대 메모리로서 의미가 있다. |Memristive devices based on organic/inorganic nanocomposites have received great attention due to its advantages of high flexibility, simple structure, and low fabrication cost, in comparison with the conventional inorganic-based memristive device. Metal-organic framework (MOF) is a periodic framework structure consisting of metal ions and organic ligands. The MOF has a porous structure and the pore size can be easily tunable, which is suitable for the fabrication of nanocomposite due to a good combination with a polymer matrix. The electrical properties of the MOFs can be manipulated by adjusting the combination of metal ions and organic ligands. In addition, the MOF has high chemical and thermal stability. In this study, the zeolitic imidazolate framework with a two-dimensional and leaf-shaped structure, which is denoted as ZIF-L, is utilized as an inorganic filler in the Ag/ZIF-L@polyvinyl alcohol/ITO-structured memristive device. The prepared memristive device introducing ZIF-L exhibited excellent digital-data storage and analog-data processing capabilities by the ion trapping/detrapping effect of ZIF-L. The recognition capability of our device is evaluated by a learning algorithm in a single-layer neural network