• 대면적 TMDCs 소재 합성 및 이종원소 도핑에 의한 물성제어

• Graphene기반 차원복합소재 (2D-0D, 2D-1D, 2D-3D 복합소재) 합성

• 다 기능성 thin film 증착 및 Binary metal oxide 기반 Composites 합성  

나노소재는 저차원 특성으로 인한 독특한 물성 구현이 가능하다는 점에서  기존 Si기반 산업을 대체할 만한 차세대 물질로 알려져 있다. 이러한 나노소재 들을 기반으로 하는 나노복합소재는 각각의 소재 들이 가지고 있는 장점을 보유하고, 이들의 단점을 서로 상호보안 적으로 개선 할 수 있다는 점에서 주목 받고 있는 상황이다. 더 나아가, 이들의 복합화를 통해 목표로 하는 물성을 디자인 할 수 있게 된다.

• Photon-pen writing (광유도 산화물 직접합성)을 통한 산화물박막 기반 센서어레이

• 고에너지전자빔을 통한 그래핀의 선택적 화학적 기능화 (Chemical Patterning)

• 고감도 광센서 및 가스센서 어레이 개발을 통한 이미지센서 구현

다양한 형태로 합성된 나노복합소재는 발현되는 독특한 물성에 맞춤형 전자소자 구현이 가능하다. 즉, 목표로 하는 물성이 구현된 나노복합소재를 기반으로 다양한 전자 소자를 구현하게 되면 새로운 메커니즘으로 고성능 차세대 전자소자 구현이 가능하게 된다. 

기존 Si기반 산업에서 선택적 위치의 소재를 구현하기 위해 UV기반의 Lithography 공정이 사용되고 있다. 이는 전체 면적에 대상 소재를 합성하고, Masking 방식을 통한 선택적 영역에 대한 식각(etching) 등의 방식으로 진행된다. 하지만 이러한 방법은 결국 공정 소요의 증가, 고도의 기술적 요구가 증가, Cross-contamination 등의 제한 사항을 갖게 된다. 이러한 문제를 해결하기 위해 선택적 영역의 소재의 직접 합성 / 화학적 상태 변화 등의 신 개념 차세대 공정방법이 요구되는 상황이다.    

• 가스센서의 선택성 및 센서 조합에 따른 기계학습 모델 예측 정확도

• Graphene-CuCoOx 복합소재 기반 가스센서의 기계학습을 통한 다종가스 식별

• Artificial Brain, Nose, Tongue을 통한 커피의 맛과 향 식별 모델

 최근 제안되는 다양한 형태의 센서는 단순 선택적 signal의 증감 여부 등으로 대상 목표 분석물의 농도/강도를 식별하고 있다. 하지만 이러한 증감의 비교만으로는 다종의 대상 분석물 및 복합형태의 자극을 구분하기 어렵다. 이러한 점을 극복하기 위하여 머신러닝과 같은 데이터 기반의 분석기법을 활용되는 상황이다. 

또한, 소재 합성으로부터 시작하여 반도체소자 공정 최종 반도체 소자의 전기적 특성 검증 단계에 이르기까지 상당히 많은 공정 소요가 발생하고, 대량의 공정 파라미터와 간의 최종 특성간의 상관관계를 밝히는 일은 크게 제한되는 상황이다. 이러한 문제를 해결하기 위해 대량의 데이터를 기반으로 하는 인공지능 기법이 활용되는 상황임.