삼성전자 산하 종합기술원 SAIT(삼성종합기술원) 연구팀이 새로운 낸드플래시 아키텍처에 대한 획기적인 연구 결과를 최고 권위의 국제 학술지에 발표했다고 27일 밝혔다. 자연. 연구에 따르면 강유전 반도체 그리고 산화물 반도체새로운 NAND 셀은 다음을 달성할 수 있습니다. 90% 이상의 전력 절감 문자열 연산 중에도 높은 확장성과 멀티비트 저장 능력을 보여줍니다. 이 기술은 AI 데이터센터와 모바일 디바이스의 에너지 효율에 큰 영향을 미칠 것으로 예상됩니다.
새로운 아키텍처로 초저전력 및 멀티 레벨 스토리지 구현
삼성 SAIT에 따르면 이 논문에서 제안한 FeFET/Fe-NAND 구조는 강유전체 박막의 분극 특성을 이용해 데이터를 저장합니다. 따라서 기존의 플로팅 게이트 또는 전하 트랩 구조에서 나타나는 고전압과 큰 쓰기 에너지에 대한 의존성을 크게 줄입니다.
동시에 산화물 반도체는 누설 전류가 매우 낮기 때문에 NAND 스트링이 거의 제로에 가깝게 작동할 수 있습니다. 통과 전압 읽기/쓰기 프로세스 중. 이 소재 조합은 에너지 소비를 직접적으로 크게 감소시킵니다. 이 백서에 표시된 데이터에 따르면 일반적인 문자열 작업 시 새로운 구조는 다음을 달성할 수 있습니다. 90% 이상, 최대 약 96%의 전력 절감 효과.
더욱 유망한 점은 강유전체 구조가 자연스럽게 다단계 스토리지를 지원한다는 점입니다. 실험 결과 최대 셀당 5비트이는 향후 스토리지 밀도가 제한된 면적 내에서 증가하여 업계의 현재 QLC(4비트) 방향과 일치하거나 심지어 이를 능가할 수 있음을 의미합니다.
AI 데이터 센터와 모바일 디바이스가 큰 혜택을 누릴 수 있습니다.
이 기술은 특히 전력 소비가 주요 병목 현상이 되고 있는 현 시점에서 기존 NAND 아키텍처에 획기적인 추가 기능으로 여겨지고 있습니다.
AI 데이터센터에서는 모델 훈련과 추론을 위해 방대한 데이터세트를 자주 읽고 써야 하므로 스토리지 전력 소비가 꾸준히 증가합니다. 새로운 Fe-NAND가 엔지니어링 개발 후 양산에 돌입하면 90%의 작동 전력 감소로 전반적인 데이터센터 에너지 효율을 높이고 전기 비용을 절감하며 대규모 컴퓨팅 시설의 열 발생 압력을 줄일 수 있을 것으로 기대됩니다.
모바일 및 엣지 디바이스에서 쓰기 전력과 대기 전력의 이점은 배터리 수명을 연장하고 특히 오프라인 추론, 지속적인 감지 작업, 고대역폭 데이터 캐싱 등 더 복잡한 온디바이스 AI 처리를 지원할 수 있습니다.
한편, 강유전 소자는 자연적으로 미래에도 적합합니다. 메모리 내 컴퓨팅 아키텍처를 사용하여 뉴로모픽 하드웨어의 잠재력을 제공합니다.
대량 생산 전에 해결해야 하는 여러 엔지니어링 과제
이 논문의 결과는 흥미롭지만, 업계 전문가들은 상용 제품을 개발하려면 다음과 같은 몇 가지 엔지니어링 장벽을 극복해야 한다고 지적합니다:
- 제조 호환성: 강유전체 박막의 증착 및 열처리, 그리고 기존 3D V-NAND 공정과의 호환성은 특히 고적층 구조에서의 수율 및 안정성과 관련하여 추가적인 검증이 필요합니다.
- 내구성 및 데이터 보존: 상업용 NAND는 학술용 실험보다 훨씬 더 많은 쓰기 주기와 장기 데이터 보존을 필요로 합니다. 대규모 어레이에서 강유전체 재료의 장기적인 성능은 더 많은 테스트가 필요합니다.
- 디바이스 일관성 및 오류 제어: 다단계 프로그래밍은 노이즈 허용 오차가 매우 엄격하며 ECC 및 시스템 수준 프로그래밍 알고리즘과의 공동 최적화가 필요합니다.
- 비용 및 수익률: 성숙한 생산 라인에 새로운 재료와 새로운 구조를 도입하면 필연적으로 비용, 공정 기간 및 대량 생산 품질에 문제가 발생합니다.
이러한 이유로 업계에서는 일반적으로 단기(1~3년)에는 샘플 칩이나 소규모 제품이 특수 목적 또는 고부가가치 시장에서 먼저 등장하고, 주류 소비자 또는 기업용 스토리지에 진입하는 데는 시간이 더 걸릴 것으로 보고 있습니다.
전반적으로 삼성 SAIT가 발표한 새로운 Fe-NAND 아키텍처는 다음과 같습니다. 자연 는 용량이나 저장 밀도의 저하 없이 에너지 효율을 크게 개선하는 낸드 플래시의 미래 방향을 보여줍니다. 향후 엔지니어링이 순조롭게 진행되면 이 기술은 차세대 저전력 비휘발성 메모리의 핵심 기반이 될 수 있으며, 특히 전력 소비가 많은 AI 시대에 중요한 의미가 있습니다.
