〈 김상욱 교수, 진형민 연구원 〉
우리 대학 신소재공학과 김상욱 교수 연구팀이 카메라의 플래시를 이용해 반도체를 제작하는 기술을 개발했다.
이 기술은 반도체용 7나노미터 패턴 기법으로 한 번의 플래시를 조사하는 것만으로 대면적에서 초미세 패턴을 제작할 수 있다. 향후 고효율, 고집적 반도체 소자 제작 등에 활용 가능할 것으로 기대된다.
진형민 연구원, 박대용 박사과정이 공동 1저자로 참여한 이번 연구 결과는 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials)’ 8월 21일자 온라인 판에 게재됐다.
4차 산업혁명의 주요 요소인 인공지능, 사물인터넷, 빅데이터 등의 기술에는 고용량, 고성능 반도체 소자가 핵심적으로 필요하다. 이러한 차세대 고집적 반도체 소자를 만들기 위해서는 패턴을 매우 작게 형성하는 리소그래피(Lithography) 기술의 개발이 필수적이다.
현재 관련 업계에서는 작은 패턴 제작에 주로 광 리소그래피(Photolithograph) 기술을 이용하고 있다. 하지만 이 기술은 10나노미터 이하의 패턴을 형성하기엔 한계가 있다.
고분자를 이용한 분자조립 패턴 기술은 공정비용이 저렴하고 10나노미터 이하 패턴 형성이 가능해 광 리소그래피를 대신할 차세대 기술로 각광받고 있다. 그러나 고온 열처리나 유독성 증기 처리에 시간이 많이 소요되기 때문에 대량 생산이 어려워 상용화에 한계가 있다.
연구팀은 고분자 분자조립 패턴 기술의 문제 해결을 위해 순간적으로 강한 빛을 내는 카메라 플래시를 활용했다. 플래시 빛을 이용하면 15 밀리 초(1밀리 초 : 천분의 1초) 내에 7나노미터의 반도체 패턴을 구현할 수 있고, 대면적에서 수십 밀리 초의 짧은 시간 내에 수 백도의 고온을 낼 수 있다.
연구팀은 이 기술을 고분자 분자 조립에 응용해 단 한 번의 플래시를 조사하는 것으로 분자 조립 패턴을 형성할 수 있음을 증명했다.
또한 연구팀은 고온 열처리 공정이 불가능한 고분자 유연 기판에도 적용이 가능함을 확인했다. 이를 통해 차세대 유연 반도체 제작에 응용할 수 있을 것으로 보인다.
연구팀은 카메라 플래시 광열 공정을 분자 조립 기술에 도입해 분자 조립 반도체기술의 실현을 앞당길 수 있는 고효율의 기술이라고 밝혔다.
연구를 주도한 김상욱 교수는 “분자조립 반도체 기술은 그 잠재성에도 불구하고 공정효율 제고가 큰 숙제로 남아 있었다”며 “이번 기술은 분자조립기반 반도체의 실용화에 획기적 해결책이 될 것이다”고 말했다.
신소재공학과 이건재 교수, 부산대학교 재료공학과 김광호 교수와의 공동으로 진행된 이번 연구는 과학기술정보통신부 리더연구자지원사업인 다차원 나노조립제어 창의연구단과 글로벌프론티어사업의 지원을 받아 수행됐다.
□ 사진 설명
사진1. 플래시 광을 이용한 반도체 패턴 형성
사진2. 플래시 광을 이용한 분자조립 패턴 형성 모식도
사진3. 다양한 가이드 패턴을 이용한 자기조립 패턴 제어와 고분자 유연기판에서의 플래시 자기조립 패턴 형성
-
연구 ‘사포’로 반도체를 깎았더니...AI 반도체 가공 새 길 열다
스마트폰과 인공지능(AI) 서비스의 성능과 안정성은 반도체 표면을 얼마나 고르고 정밀하게 가공하느냐에 달려 있다. 우리 대학 연구진은 일상에서 흔히 사용하는 ‘사포’의 개념을 나노 기술로 확장해, 반도체 표면을 원자 수준까지 균일하게 가공할 수 있는 새로운 기술을 개발했다. 이 기술은 고대역폭 메모리(HBM) 등 첨단 반도체 공정에서 표면 품질과 가공 정밀도를 크게 향상시킬 수 있는 가능성을 보여준다. 우리 대학은 기계공학과 김산하 교수 연구팀이 머리카락보다 수만 배 가는 탄소나노튜브를 연마재로 활용한 ‘나노 사포’를 개발했다고 11일 밝혔다. 이 기술은 기존 반도체 제조 공정보다 표면을 더 정밀하게 가공하면서도, 공정 과정에서 발생하는 환경 부담을 줄일 수 있는 새로운 평탄화 기술이다. 사포는 표면을 문질러 매끄럽게 만드는 익숙한 도구지만, 반도체와 같이 극도로 정밀한 표면 가공이 필요한 분야에는 적용이 쉽지 않았다. 이는 일반
2026-02-11 -
연구 엔비디아보다 2.1배 빠른 유튜브 추천...‘버벅임’없앴다
유튜브 영상 추천이나 금융 사기 탐지처럼 사람 사이의 복잡한 관계를 빠르게 분석하는 핵심 AI 기술로 ‘그래프 신경망(GNN, Graph Neural Network)’이 있다. 여기서 말하는 그래프는 우리가 떠올리는 그래프 그림이 아니라, 사람과 사람 사이의 연결 관계를 뜻한다. 우리 대학 연구진은 엔비디아보다 추천 속도는 2.1배 빠르고, 지연은 줄이며, 전력 소모까지 낮춘 AI 반도체 기술 ‘오토GNN(AutoGNN)’을 개발해 주목받고 있다. 우리 대학은 전기및전자공학부 정명수 교수 연구팀이 그래프 신경망 기반 인공지능의 추론 속도를 획기적으로 높일 수 있는 AI 반도체 기술 ‘오토GNN’을 세계 최초로 개발했다고 5일 밝혔다. 연구팀은 서비스 지연의 주된 원인이 인공지능 추론 이전 단계인 그래프 전처리(Graph Preprocessing) 과정에 있음을 밝혀냈다. 이 과정은 전체 계산 시간의 70~90%를
2026-02-05 -
연구 1%의 벽 넘었다… 친환경 초소형 반도체 밝기 18배 향상
TV, 스마트폰, 조명처럼 빛을 내는 반도체는 우리 일상 곳곳에 쓰이고 있다. 하지만 친환경 반도체를 만들기 위해서는 아직 넘어야 할 기술적 장벽이 많다. 특히 머리카락 굵기(약 10만 나노미터)보다 수만 배 작은 크기의 나노 반도체는 이론적으로는 밝은 빛을 낼 수 있지만, 실제로는 빛이 거의 나지 않는 문제가 있었다. 우리 대학 연구진이 이 한계를 해결할 수 있는 새로운 표면 제어 기술을 개발했다. 우리 대학은 신소재공학과 조힘찬 교수 연구팀이 차세대 친환경 반도체 소재로 주목받는 나노 반도체 입자인 인듐 포스파이드(InP)* 매직 사이즈 나노결정(Magic-Sized Clusters, MSC)의 표면을 원자 수준에서 제어하는 원천 기술을 개발했다고 14일 밝혔다. *인듐 포스파이드(InP): 인듐(In)과 인(P)으로 만든 화합물 반도체 물질로 카드뮴 같은 환경 유해 물질을 쓰지 않은 친환경 반도체 소재 연구팀이 주목한 소재는 ‘매직 사이즈 나노결정&rsquo
2026-01-14 -
연구 반도체 성능 망치는 ‘숨은 결함’ 1,000배 더 찾아낸다
메모리와 태양전지 등은 모두 반도체로 만들어지며, 반도체 내부에는 전기 흐름을 방해하는 보이지 않는 결함이 숨어 있을 수 있다. 공동연구진이 이러한 ‘숨은 결함(전자 트랩)’을 기존보다 약 1,000배 더 민감하게 찾아낼 수 있는 새로운 분석 방법을 개발했다. 이 기술은 반도체 성능과 수명을 높이고, 불량 원인을 정확히 찾아 개발 비용과 시간을 크게 줄일 것으로 기대된다. 우리 대학은 신소재공학과 신병하 교수와 IBM T. J. Watson 연구소의 오키 구나완(Oki Gunawan) 박사 공동 연구팀이 반도체 내부에서 전기를 방해하는 결함(전자 트랩)과 전자의 이동 특성을 동시에 분석할 수 있는 새로운 측정 기법을 개발했다고 8일 밝혔다. 반도체 안에는 전자를 먼저 붙잡아 이동을 막는 전자 트랩이 존재할 수 있다. 전자가 여기에 걸리면 전기가 원활히 흐르지 못해 누설 전류가 생기거나 성능이 저하된다. 따라서 반도체 성능을 정확히 평가하려면 전자 트랩이
2026-01-08 -
인물 전기및전자공학부 정명수교수, ‘대한민국 과학기술인상’ 1월 수상
우리 대학 전기·전자공학부 석좌교수이자 파네시아 대표인 정명수 교수가 대한민국 과학기술인상 1월 수상자로 선정됐다. 대한민국 과학기술인상은 과학기술정보통신부와 한국연구재단이 최근 3년간 독창적인 연구 성과를 창출해 과학기술 발전에 크게 기여한 연구자를 매월 1명 선정해 과기정통부 장관상과 상금 1천만 원을 수여하는 상으로, 올해부터 기존 ‘이달의 과학기술인상’에서 명칭이 격상됐다. 정명수 교수는 모듈형 인공지능(AI) 데이터센터 아키텍처 설계 기술을 통해 AI 인프라 비용을 절감하고 효율을 높인 공로를 인정받았다. 기존 데이터센터는 CPU, GPU, AI 가속기, 메모리 비율이 고정돼 있어 활용에 한계가 있었으나, 정 교수는 필요에 따라 서로 다른 장치를 자유롭게 조합할 수 있는 구조를 제시했다. 또한 차세대 연결 표준인 컴퓨트익스프레스링크(CXL)를 기반으로 장치들을 분리·관리하는 저전력·고효율 링크 기술을 개발
2026-01-07