Neuromorphic devices are cutting-edge semiconductor devices that process data inspired by the neuronal synapse structures of human brain. Unlike conventional digital computing, which relies on sequential data operations between central processing units and memory units, neuromorphic semiconductor devices mimic the brain's parallel and distributed processing to quickly process large amount of data, making them a key part of the future Fourth Industrial Revolution.

In our lab, we are conducting research on next-generation semiconductor devices for neuromorphic computing with our fundamental understanding and insights into semiconducting materials.

뉴로모픽 소자는 인간 두뇌의 뉴런-시냅스 구조에서 영감을 받아 데이터를 처리하는 최첨단 반도체 소자입니다. 중앙 처리 장치와 메모리 장치 사이의 순차적인 데이터 연산에 의존하는 기존의 디지털 컴퓨팅과 달리 뇌의 병렬 처리와 분산 처리를 모방하여 다수의 데이터를 신속하게 처리할 수 있기에 미래 4차 산업 혁명의 핵심인 지능형 반도체 소자로 주목받고 있습니다.

우리 연구실에서는 다양한 반도체 재료를 활용하여 우수한 성능을 지닌 뉴로모픽 컴퓨팅을 위한 차세대 반도체 소자에 관한 연구를 수행하고 있습니다.

Iontronics deals with the control of electronic devices using mobile ions. Under an electric field, ions can accumulate at device interfaces or move into semiconductor layers, directly changing charge transport, electrochemical doping, and memory retention. Iontronics can be applied to a wide range of electronic materials, including both organic and inorganic semiconductors, and can be used to enhance device performance, stability, and functionality. 

In our lab, we conduct research to regulate ion transport, ion retention, and ion–semiconductor interactions through electrolyte design, including control of inter-ion interactions, interfacial ion ordering and polarization effects, and ion–polymer interactions. Through this approach, we aim to develop high-performance and reliable semiconductor electronic devices.

이온트로닉스는 이동성 이온을 이용해 전자소자의 특성을 제어하는 분야입니다. 전기장이 가해지면 이온은 소자 계면에 축적되거나 반도체 내부로 이동하며, 이 과정에서 전하 수송, 전기화학적 도핑, 메모리 유지 특성이 변화합니다. 이온트로닉스는 유기 및 무기 반도체를 포함한 다양한 전자 소재에 적용 가능하며, 소자의 성능, 안정성, 기능을 향상시키는 데 활용될 수 있습니다. 

우리 연구실에서는 전해질 설계를 기반으로 이온 간 상호작용 제어, 계면 이온 배열 및 분극 효과 조절, 이온–고분자 상호작용 제어를 통해 이온 수송, 이온 유지, 이온–반도체 상호작용을 조절하고, 고성능·고신뢰성 반도체 전자소자를 개발하기 위한 연구를 수행하고 있습니다.

AI-Assisted Materials Design explores the use of artificial intelligence and data-driven approaches to accelerate the discovery, optimization, and understanding of functional electronic materials and devices. By integrating experimental data, simulations, and machine learning algorithms, material properties, device performance, and structure–property relationships can be predicted and optimized with improved efficiency and reliability.

In our lab, we develop data-centric frameworks to establish material–structure–property relationships through experimental datasets, multivariate analysis, and machine learning approaches. Through this strategy, we aim to accelerate the development of next-generation electronic materials and intelligent semiconductor devices with enhanced functionality and reliability.

AI 기반 데이터 주도형 재료 설계는 인공지능과 데이터 기반 접근법을 활용하여 기능성 재료 및 소자의 발견, 최적화, 그리고 동작 원리 이해를 가속화하는 연구 분야입니다. 실험 데이터, 시뮬레이션, 기계학습 알고리즘을 통합함으로써 재료 특성, 소자 성능, 구조–물성 상관관계를 예측하고 보다 효율적이고 신뢰성 있게 최적화할 수 있습니다.

우리 연구실에서는, 실험 데이터 기반의 재료–구조–물성 상관관계를 구축하고, 다변량 분석 및 기계학습 기법을 활용하여 전자재료 및 반도체 소자의 설계 전략을 개발합니다. 이를 통해 차세대 기능성 전자소자 및 지능형 반도체 플랫폼 개발을 가속화하는 것을 목표로 합니다.