인공지능(AI)용 반도체 소재.기술 동향과 뉴로모픽(Neuromorphic) 연구.기술 개발 동향

제Ⅰ장 세계 반도체 시장 현황과 차세대 반도체 산업 전망 및 표준화 동향

1. 세계 반도체 시장 성장 배경과 품목별 주요 특징
1) 성장 배경
2) 반도체 품목별 주요 특징
3) 반도체 시장 동향
(1) 동향 개요
(2) 품목별 시장 동향
(3) 생산업체별 시장 동향
(4) 국가별 시장 동향
가. 생산 동향
나. 소비 동향
4) 반도체시장의 호황 요인
(1) 수요여건
(2) 공급여건
5) 반도체시장의 호황 지속가능 전망
(1) 반도체 시장 전망
(2) 글로벌 수요 둔화 가능성
(3) 중국 반도체 생산능력 증대
(4) 주요업체들의 생산시설 확충
(5) 국내 전망
6) 최근 반도체 신기술 이슈 동향
(1) 반도체 신기술 이슈 개요
(2) 인텔 프로세서 출시 동향
(2) 코발트 신규 소재 동향
(3) CMP 장비 재료, 수요 확대 전망
(4) ILT와 반사형 포토 마스크
(5) QLC와 92단 3D NAND 출하 전망
(6) SK하이닉스, Peri Under Cell 기술의 96단 3D NAND 공개
(7) 中, YMTC의 3D NAND 기술 동향
(8) FPGA, 향후 GPU를 대체할 반도체
(9) 7nm LPP와 5nm 공정 동향
(10) High NA EUV, 차세대 노광 장비 동향

2. 차세대 반도체 국·내외 시장 동향과 표준화 동향
1) 산업 현황
(1) 차세대 반도체 정의
(2) 산업의 범위
(3) 세계시장 동향 및 전망
가. 시스템 반도체 시장의 특성
나. 시스템 반도체 세계시장의 구조
다. 반도체 공정장비 세계시장 규모 및 성장률
(4) 국내시장 동향 및 전망
가. 우리나라 반도체 수출 규모 및 전망
나. 국내 시스템 반도체 시장 현황
다. 반도체 공정장비 시장 동향
(5) 국내외 주요기업 기술 및 제품 현황
가. 차량용 반도체
나. IoT/웨어러블 반도체
다. 전력/에너지 반도체
라. 인공지능 반도체
마. 반도체 장비
2) 표준화 동향
(1) 국제 표준화 동향
가. IEC의 TC47
나. TC47 동향
(2) IEC TC47 SC 및 WG별 주요 활동 현황
가. TC47
ⅰ. 차세대 반도체에 대응하기 위한 WG6
ⅱ. 유연메모리 반도체 소자
ⅲ. WG6에서 분리되어 최근에 설립된 WG7
ⅳ. 에너지 하베스팅(Energy Harvesting) 기술의 활용처와 에너지 전달 기술
ⅴ. 차량용 반도체
나. SC47A(Integrated circuits)
ⅰ. 3개의 WG로 이루어진 SC47A
다. SC47F(Micro-electromechanical systems)
(3) 우리나라의 국제 표준화 활동 동향

3. 인공지능 시대의 반도체 기술 동향과 반도체 및 시스템 산업의 기술적인 전망
1) 지능형 SoC와 그 응용 구현 방법과 전망
(1) 개요
(2) 지능형 SoC
(3) 지능형 SoC의 구조와 구현 방법
가. Embedded AI 구조
나. Digital CNN의 구현 예
다. Mixed Mode SVM의 구현 예
(4) 지능형 SoC의 응용 예
(5) 전망과 결론
2) 나노 반도체 공정의 아날로그 반도체 기술 동향
(1) 개요
(2) 나노 반도체 공정에서의 아날로그 회로 설계의 난이성
(3) 나노 반도체 공정에서의 새로운 아날로그 회로 설계 기법
가. 트랜지스터의 바디 단자 이용
나. 비교기를 이용한 연산증폭기 회로 대체
다. 시간 정보를 이용한 아날로그 신호 표현
라. 확률적 아날로그 신호 처리
(4) 결론
3) 기술 융합과 반도체
(1) 융합 기술 시대
(2) 기술의 발전과 기술 융합
(3) 기술 융합 시대와 반도체
(4) 융합 시대의 공학 교육
(5) 결론
4) 반도체 산업 도약 전략과 국내·외 Fabless 산업 현황
(1) 반도체 산업의 생태계
(2) 반도체 산업의 변화
(3) 국내외 팹리스 현황과 상황 변화
가. 해외
나. 국내
(4) 도약 전략
가. 신산업 제품 기술개발
나. 기술 개발 역량 강화
다. 정책적 지원

제Ⅱ장 인공지능 기술 및 소재 개발 동향

1. 인공지능 시스템의 정의 및 발전 동향
1) 인공지능 기술의 개념과 특징
(1) 인공지능의 개념
(2) 인공지능 서비스 개요 및 기술 분류
가. 머신러닝
나. 시각·언어·청각·지능
다. 상황·감정이해
라. 추론·지식표현
마. 행동·협업지능 및 지능형 에이전트
(3) 인공지능 기술혁신의 특징
2) 인공지능 시스템 정의 및 분류
(1) 인공지능 시스템의 정의
(2) 인공지능 시스템의 분류
가. 1세대 뉴로닉 컴퓨팅 시스템
나. 2세대 뉴로닉 컴퓨팅 시스템
(3) 인공지능 시스템의 발전
3) 범용하드웨어 기반 인공지능
(1) 범용 하드웨어 기반 인공지능의 발전
(2) 범용하드웨어 인공지능 최신 동향
가. 정적 이미지 처리(Convolutional Neural Network, CNN)
나. 자연어 처리와 같은 시계열(time series) 데이터 처리(Recurrent Neural Network, RNN)
(3) 범용 하드웨어 인공지능의 한계점
4) 뉴로닉 컴퓨팅 시스템 기반 차세대 인공지능

2. 국내외 차세대 인공지능 시스템 현황 및 분석
1) 해외 차세대 인공지능 시스템 현황
(1) 국가 주도 프로젝트 현황
가. 미국
나. 유럽
다. 중국
라. 일본
(2) 산업 현황
가. 뉴로닉 컴퓨팅 시스템 기반 차세대 인공지능 최신 산업 동향
ⅰ. Qualcomm
ⅱ. IBM
ⅲ. Google
ⅳ. Intel
ⅴ. Huawei
(3) 전문 인력 현황
2) 국내 차세대 인공지능 시스템 현황
(1) 국가 주도 프로젝트 현황
(2) 산업 현황
(3) 전문 인력 현황
3) 현황 진단과 문제점
(1) 차세대 인공지능 시스템 기술의 필요성
(2) 차세대 인공지능 선두주자(first-mover)로서의 가능성
(3) 국내 차세대 인공지능 정책의 문제점
(4) 전문 인력 양성 문제점
(5) 국내 메모리 반도체의 위기

3. 인공지능 글로벌 동향과 R&D 현황
1) 인공지능 글로벌 동향
(1)인공지능 기술 발전 전망
(2) 글로벌 시장 동향
(3) 글로벌 기업 동향
(4) 국가별 정책 추진 동향
가. 미국
나. 중국
다. 일본
라. 프랑스
마. 핀란드
2) 국내 인공지능 R&D 현황
(1) 현황 진단
가. 기술
ⅰ. 현황
ⅱ. 진단
나. 인재
ⅰ. 현황
ⅱ. 진단
다. 기반 조성
ⅰ. 현황
ⅱ. 진단
(2) 대응 전략
3) 대 정부 중점 추진과제
(1) 기술력
가. 전략분야 AI 기술역량 조기 확보 추진
ⅰ. 대형 공공특화프로젝트 추진
ⅱ. 챌린지 확대개편
ⅲ. AI 국가전략프로젝트 재구조화
ⅳ. AI HW 투자 확대
나. AI와 타 분야 혁신 시너지 확보
ⅰ. AI+타 기술분야 혁신
ⅱ. AI+산업응용
ⅲ. AI+국민생활연구
다. 차세대 AI 기술 확보 추진
ⅰ. 뇌과학 연구
ⅱ. 신경망 컴퓨팅 기초연구
ⅲ. 기술 탐색형 연구
(2) 인재
가. 인공지능 고급인재 양성(2022년까지 1,400명 규모 추진)
ⅰ. 인공지능 대학원 신설
ⅱ. 글로벌 ICT 인재양성
ⅲ. 국제공동연구 지원
ⅳ. 대학연구센터 활용 고급인재 양성
나. 인공지능 융복합 인재 양성 (’22년까지 3,600명 규모 추진)
ⅰ. AI 프로젝트형 교육
ⅱ. AI 실무인력 교육
ⅲ. MOOC 활용 융복합 양성
(3) 기반 조성
가. 인공지능 자원 제공 (AI 허브 구축)
ⅰ. 데이터
ⅱ. 컴퓨팅
ⅲ. 알고리즘
나. 인공지능 브레인랩(연구거점) 조성
다. 인공지능 기술혁신 플랫폼 구축
라. 제도 개선
ⅰ. 오픈소스SW 확산
ⅱ. 관리규정 개정
ⅲ. 성능평가 기준마련
ⅳ. 윤리적 AI 기술 기반
ⅴ. 모니터링 기술 확보

4. 국내외 인공지능 관련 국가 주도 프로젝트별 세부 현황
1) 해외 인공지능 관련 국가 주도 프로젝트
(1) BRAIN(Brain Research through Advancing Innovative Neurotechnologies) Initiative (미국)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 10년 프로그램
라. 연구 내용
마. 연구 성과물
바. 연구비 규모
(2) SyNAPSE(Systems of Neuromorphic Adaptive Plastic Scalable Electronics) (미국)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2008년 ~ 2017년
라. 연구 내용
마. 단계별 연구내용
사. 연구 성과물
아. 연구비 규모
(3) 국가로봇이니셔티브(National Robotics Initiative)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2016년 ~ 2030년 (15년)
라. 연구 내용
마. 연구 성과물
바. 연구비 규모
(4) ALIAS(DARPA 인공지능기술 기반 무인기술) 프로젝트 (미국)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2015년~
라. 연구 내용
마. 연구 성과물
바. 연구비 규모
(4) Human Brain Project(HBP) (유럽)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2013년 ~ 2023년
라. 연구 내용
ⅰ. 뇌 시뮬레이션
ⅱ. Silicon Brain
ⅲ. Understanding cognition
ⅳ. Medicine
ⅴ. Robots
ⅵ. High performance computing
마. 연구 성과물
바. 연구비 규모
(5) China Brain Project (중국)
가. 연구 목표
나. 참여 그룹 : 바이두
다. 연구 기간 : 2016년 ~ 2030년 (15년)
라. 연구 내용
마. 연구 성과물
(6) Robot Revolution Initiative (일본)
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2015년 ~ 2020년
라. 연구 내용
마. 연구비 규모
2) 국내 인공지능 관련 국가 주도 프로젝트
(1) Exobrain Project
가. 연구 목표
나. 참여 그룹 :
다. 연구 기간 : 2013년 ~ 2023년
라. 연구 내용
마. 연구 성과물
바. 연구비 규모
(2) AI 국가프로젝트
가. 연구 목표 :
나. 연구 기간 : 2017년 ~ 2023년
다. 연구 내용
라. 연구비 규모
(3) 신경망 모사기술개발사업
가. 연구 목표
나. 참여 그룹
다. 연구 기간 : 2016년 ~ 2024년
라. 연구 내용
마. 연구 성과물
바. 연구비 규모

5. 인공지능과 소재 개발 동향
1) 인공지능과 소재개발 개요
2) 인공지능을 이용한 소재개발 및 연구 사례
(1) 미국, Citrine Informatics
(2) 일본, 도요타(Toyota)
(3) 스위스, NCCR-MARVEL
(4) 일본, NEC
3) 인공지능을 이용한 소재개발 DB 사례
(1) The Materials Project
(2) Open Quantum Materials Database
4) 한계와 시사점
6. 내장형 인공지능 기술동향
1) 기술 개요
(1) 개념
(2) 필요성
(3) 뉴로모픽 기술의 정의 및 특성
2) 국내외 동향 및 산업 활용 사례
(1) 산업 동향
가. 시장 동향
나. 선도 기업
(2) 정책동향
(3) 핵심 기술 개발 동향
가. 임베디드 시스템기반 뉴럴 프로세싱 엔진 기술
나. 인공지능 IoT를 위한 협업 AI 기술
다. 모바일 플랫폼기반 독립형 머신러닝 프레임워크 기술
라. 내장형 인공지능 모듈 및 응용 서비스 기술
3) 관련 제품 및 산업활용 사례
(1) 국내제품
(2) 해외제품
4) 기술 전망과 시사점
(1) 내장형 인공지능 적용 시장 전망
(2) 산업용으로의 산업 확대의 의미와 국내 실정
(3) 글로벌 경쟁력 확보를 위한 정책 제안

7. AI 칩 글로벌 동향과 AI 프로세서 개발 동향
1) AI 칩 글로벌 동향
(1) 구글
(2) 애플
(3) MS
(4) 인텔+페이스북
(5) IBM+엔비디아
(6) 테슬라
(7) 중국
(8) 일본
2) AI 프로세서 개발 동향
(1) 인공지능 프로세서의 트렌드
(2) 인공지능 프로세서 개발 동향
가. 그래픽처리장치(GPU)의 재조명
나. 맞춤형 인공지능 프로세서의 부상
다. 인간의 뇌를 닮은 프로세서
(3) 전망과 시사점
가. 하드웨어 중심 인공지능 개발 트렌드 확산
나. IT 기업의 반도체 진출 가속화
다. 자사에 적합한 인공지능 프로세서 전략 수립 필요

제Ⅲ장 AI용 반도체 및 소재 시장·기술 동향

1. AI 반도체 시장·업체 동향과 최근 이슈 전망
1) AI 반도체의 대두 배경과 정의
(1) 대두 배경
가. 서버용 인공지능 반도체
나. 에지 디바이스용 인공지능 반도체
(2) 정의와 유형
가. 정의: 인공지능 반도체란 인공신경망 알고리즘을 보다 효율적으로 계산하는 반도체
나. 기술 유형
ⅰ. 기존 반도체 진화형
ⅱ. 1세대 AI 반도체
ⅲ. 2세대 AI 반도체
2) AI 반도체 시장 동향
(1) 시장 분류와 특성
가. 시장 분류
ⅰ. 사용 환경에 따른 분류
ⅱ. 반도체 유형에 따른 분류
ⅲ. 사용 목적에 따른 분류
나. 시장 특성
(2) 시장 전망
3) AI 반도체 업체 동향
(1) 미국
가. 개요
ⅰ. 대기업
ⅱ. 스타트업
나. 주요 기업 동향
ⅰ. 인텔
ⅱ. 엔비디아
ⅲ. 구글
ⅳ. 애플
(2) 중국
가. 개요
나. 주요 기업 동향
ⅰ. 하이실리콘(HISILICON)
ⅱ. 캄브리콘(Cambricon)
ⅲ. 호라이즌 로보틱스(Horizon Robotics)
ⅳ. 디파이테크(DEEPHi)
ⅴ. 칭화대
다. 정책 동향
(3) 대한민국
가. 개요
나. 주요 기업 동향
ⅰ. 삼성전자
ⅱ. 네패스
ⅲ. 넥셀
ⅳ. ETRI
ⅴ. KAIST
4) AI 반도체 특허 동향
(1) 특허 분석 개요
(2) 세계 특허 규모 및 성장률
(3) 국내 특허 규모 및 성장률
(4) 특허로 본 앞으로의 전망
(5) 주요 출원인 기술 분석
가. 인공지능 반도체 제품별 주요 출원인 현황
나. 뉴로모픽용 비메모리반도체 - IBM
다. 기계학습용 비메모리 반도체 - QUALCOMM
라. 추론기술용 비메모리 반도체 - Microsoft
마. 인공지능 메모리 반도체 - 삼성전자
5) 최근 지능형 반도체 이슈 동향
(1) 최근 이슈 동향
가. 글로벌 IT 거대 기업들의 에지 컴퓨팅 투자 확대
나. 삼성전자, AI 중심 경영 선언
다. 정부, 지능형 반도체 개발 사업 예비타당성 조사 신청
라. SK텔레콤, 국내 데이터센터로는 처음으로 AI 가속기로 FPGA 채택
마. 바이두?화웨이?알리바바 등 중국 ICT 공룡들의 AI 반도체 개발 러시
바. 구글, 에지 디바이스용 AI 반도체‘에지 TPU’공개
사. 에지 컴퓨팅과 지능형(AI) 반도체의 필요성 대두
(2) 향후(2019-2020) 전망
가. 5G 서비스 상용화 대비 에지 컴퓨팅 투자 확대 전망
나. 지능형 반도체 시장 전망
(3) 시사점
2. AI 반도체 연구·기술 동향
1) 머신러닝 가속기 연구 동향
(1) 연구 배경
(2) 구현과 기술
가. 인공신경망 응용의 병목
나. 데이터 재사용 문제
다. 불필요한 데이터의 생략
라. Processor In Memory (PIM)
(3) 동향 및 응용
가. Tensor Processing Unit (TPU)
나. Cnvlutin
다. Cambricon
라. 모바일 Deep Learning
2) 효율적 메모리 관리를 통한 모바일 CNN 가속기의 최적화 연구 동향
(1) 개요
(2) CNN 알고리즘 및 하드웨어 가속기 구조
(3) 데이터 재사용을 통한 메모리 접근 빈도 최적화
(4) 네트워크 및 데이터 압축을 통한 최적화
가. Pruning
나. Network quantization, weight sharing
다. 데이터 압축
(5) 결론
3) 에너지 고효율 인공지능 하드웨어 연구 동향
(1) 개요
(2) 인공지능 하드웨어의 경량화
가. 기계학습에 대한 소개 및 경량화 연구추세
나. 인공신경망 모델(MLP/CNN)의 경량화
다. 순환신경망 모델(RNN)의 경량화
(3) 인공지능을 위한 고성능 시스템 구조
가. NeuroCube: PIM 형태의 인공지능 하드웨어
나. PIM 기반 인공지능 하드웨어 연구의 진행
(4) 결론 및 전망
4) 인공지능 하드웨어 설계 및 최적화 기술 동향
(1) 개요
(2) DNN 하드웨어 설계 기술
가. 구조적 차이에 따른 연산처리 방법
ⅰ. 시간적 구조
ⅱ. 공간적 구조
나. 효율적인 데이터플로우 구조
(3) DNN 하드웨어 설계 최적화 기술
가. 정밀도 최적화 방법
ⅰ. 선형 양자화
ⅱ. 비선형 양자화
나. 오퍼랜드(operand)와 모델 크기 최적화
ⅰ. 활성화 통계 활용 방법
ⅱ. 네트워크 모델 최적화
ⅲ. 네트워크 구조 소형화
ⅳ. 지식 정제(knowledge distillation)
(4) 전망과 결론
5) 뉴로모픽 컴퓨팅 기술 동향
(1) 개요
(2) 뉴로모픽 컴퓨팅 기술의 발전
(3) 뉴로모픽 신호처리 및 학습
(4) 뉴로모픽 반도체의 구현
(5) 결론
6) nepes社의 인공지능반도체 NeuroMem500 기술 동향
(1) 개요
(2) 뉴로모픽 칩
(3) NM500(NeuroMem500)
(4) NM500 활용
(5) NM500 응용 사례
(6) 결론

3. AI용 반도체 소재 기술 동향
1) 실리콘기반 초고집적 반도체 소재기술 동향
(1) 기술개요
(2) 연구개발 동향
가. 초고집적 반도체 소자 기술
나. 초고집적 반도체 소재 기술
다. 초고집적 반도체 공정기술 동향
ⅰ. EUV 노광공정
ⅱ. Selective hetero-epitaxial 공정
ⅲ. Atomic layer etching(ALE) 공정
라. 초고집적 반도체 집적기술
마. 초고집적 반도체 패키징기술
(3) 향후 기술 전망
2) 인공지능 반도체 소재기술 동향
(1) 기술 개요
가. 기술의 정의 및 분류
ⅰ. 인공지능과 인공신경망
ⅱ. 인공지능 반도체의 정의
ⅲ. 인공지능 반도체의 분류
나. 기술의 원리
다. 기술의 중요성
(2) 연구·기술 개발 동향
가. 1세대 인공지능 반도체
ⅰ. 국내 동향
ⅱ. 해외 동향
나. 2세대 인공지능 반도체
ⅰ. 국내 동향
ⅱ. 해외 동향
(3) 향후 전망
3) 반도체 재료기반 시냅스 소자 기술 동향
(1) 병렬 방식의 컴퓨팅 구조를 구현을 위한 하드웨어
가. 시냅스 특성을 위한 뉴로모픽 소자
나. 시냅스 가소성 및 학습
다. 4차 산업혁명 관점에서 기술의 중요성
(2) 다양한 재료 기반의 시냅스 소자 연구개발 동향
가. 나노 이온 저항 변화 메모리 기반 시냅스 소자
나. 상변화 메모리 기반 시냅스 소자
다. 강유전체 재료 기반 시냅스 소자
라. 자성 재료 메모리 기반 시냅스 소자
마. 전계 효과 기반 시냅스 소자
바. 국내외 선도기관
(3) 산업 및 시장 동향
가. 국내 동향
ⅰ. 시장규모 및 전망
ⅱ. 기업 현황
나. 해외 동향
ⅰ. 시장규모 및 전망
ⅱ. 기업 현황
다. 국내외 선도기업
(4) 향후 연구방향 및 정책 시사점
가. 향후 연구방향
ⅰ. 뉴로모픽 소자를 위한 다양한 재료 연구
ⅱ. 단일 소자, 어레이 소자 및 시스템 레벨의 뉴로모픽 칩 연구
ⅲ. 시스템 레벨 구현을 위한 융합연구
나. 정책 시사점
ⅰ. 정부의 적극적 지원
ⅱ. DNN과 SNN 구조의 Two Tracks 지원
ⅲ. 인력 양성 및 오픈 웨어 인프라 구축

제Ⅳ장 뉴로모픽(Neuromorphic) 연구·기술 개발 동향

1. 뉴로모픽 뇌 구조 및 뇌 모델링 연구 개발 동향
1) 뇌 구조 및 기능의 뉴로모픽 인공두뇌 모델
(1) 인간 뇌 신경회로의 구조적?기능적 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 시장규모
라. 기술적 한계
(2) 뇌 시각 정보처리 시스템의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
라. 기술적 한계
(3) 뇌 기억 중추 회로 (해마)의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 시장규모
(4) 뇌 청각 정보처리 시스템의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
(5) 뇌 운동 정보처리 중추(소뇌)의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
라. 기술적 한계
(6) 초파리 신경망의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 기술의 이점
라. 성공사례
마. 기술적 한계
(7) 화학적 신경조절물질 기반 정보처리의 뉴로모픽 모델
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
라. 기술적 한계
(8) 수면의 신경 회로 연구 및 안정적 인공 신경회로 모델
가. 개념
나. 트렌드 및 연구현황
다. 기술적 한계
2) 뉴로모픽 인공두뇌 모델링 소프트웨어 및 데이터베이스
(1) 뉴로모픽 모델링 플랫폼
가. 개념
나. 트렌드 및 기술현황
다. 시장규모
라. 기술적 한계
(2) 뇌의 유전학적 구조적 연결의 뇌지도 데이터베이스
가. 개념
나. 트렌드 및 기술현황
다. 시장규모
라. 기술적 한계
(3) 뇌 신경세포 내 이온 채널의 구조적 기능적 데이터베이스
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
3) 뉴로모픽 인공두뇌 모델의 응용 기술
(1) 해마 손상에 대한 뉴로모픽 모델 이식 기술
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
라. 기술적 한계
(2) 뇌의 정보처리 기전을 모방하는 뉴로모픽 칩
가. 개념
나. 트렌드 및 기술현황
다. 성공사례
라. 기술적 한계
(3) 뇌 학습원리 기반의 뉴로모픽 딥러닝 기술
가. 개념
나. 트렌드 및 기술현황
다. 기술적 한계

2. 뉴로모픽 시스템용 시냅스 트랜지스터의 최근 연구 개발 동향
1) 개요
2) 실리콘(Silicon) 시냅스 채널 소재 동향
3) 유기물(Organic) 반도체 동향
4) 산화물 반도체(Oxide semiconductor) 동향
5) 카본나노튜브(Carbon nanotube) 동향
6) 2D 반데르발스 소재(2D van der Waals materials) 동향
7) 결론 및 시사점

3. Neuromorphic 시스템 설계 기술 동향
1) 뉴로모픽 시스템의 설계 기술과 전망
(1) 개요
(2) 생물학적 뉴런과 모델링
(3) 시냅스 웨이트 학습 방법
가. 최소자승법, 퍼셉트론 학습
ⅰ. Least Mean Square(LMS)
ⅱ. Perceptron
나. 역전파 학습
다. Spike Time Dependent Plasticity(STDP)
라. Spike Driven Synaptic Plasticity(SDSP)
마. Sparse coding
(4) 뉴로모픽 시스템 설계를 위한 하드웨어 연구
가. 저전력, 저면적 시냅스 회로 연구
ⅰ. 전치 메모리 시냅스 회로
ⅱ. 스위치 커패시터 시냅스 회로
ⅲ. 쌍 안정 시냅스 회로
나. 신경 시스템에 적합한 아키텍처 연구
ⅰ. Neurogrid
ⅱ. TrueNorth
(5) 향후의 연구 동향
2) 멤리스터 소자를 활용한 뉴로모픽 동향 연구
(1) 개요
(2) 뉴로모픽
(3) 멤리스터
(4) 멤리스터를 활용한 뉴로모픽
(5) 결론
3) 확률 컴퓨팅 기반 딥뉴럴넷 연구 동향
(1) 개요
(2) 배경지식
(3) 확률 컴퓨팅 기반 딥뉴럴넷
가. 초기의 확률 컴퓨팅 뉴럴넷 연구
나. 확률 컴퓨팅 기반 딥뉴럴넷
다. 확률 컴퓨팅 딥뉴럴넷의 인식률 제고
라. 확률 컴퓨팅의 유연한 정밀도 활용
마. 디지털 입출력 뉴런을 위한 새로운 곱셈기
바. 대규모 딥뉴럴넷으로의 확장
사. 비교 및 정리
(4) 향후 연구 전망
4) 추론 전용 저항성 메모리 기반 뉴럴 네트워크 가속기 하드웨어 연구 동향
(1) 저항성 메모리 기반 뉴럴 네트워크 가속기 하드웨어 개요
(2) 저항성 메모리 기반 뉴럴 네트워크 가속기 설계 시 고려 요소
가. 저항성 메모리의 비선형 전류/전압 특성
나. 비선형 전류/전압 특성을 보상하기 위한 회로 설계 방법
다. 저항성 메모리에 특화된 뉴럴 네트워크
라. 대규모 뉴럴 네트워크 구현을 위한 scalable 저항성 메모리 기반 하드웨어 구현
(3) 발전 방향과 전망
5) 엣지 디바이스를 위한 뉴로모픽 비동기 프로세서의 설계 동향
(1) 개요
(2) 비동기 설계 방식
(3) 뉴로모픽 비동기 프로세서의 구현
가. 인텔社의 Loihi
ⅰ. Loihi 칩의 메쉬(mesh) 동작
ⅱ. Loihi 칩 디자인 구현
ⅲ. Loihi 칩 비동기 설계 방법
나. aiCTX社의 DYNAP
ⅰ. DYNAP의 Memory Optimized Routing 방법
ⅱ. DYNAP의 계층적 메쉬 라우팅(mesh routing) 아키텍처
다. Eta Compute社의 EtaCore
ⅰ. EtaCore의 DIAL architecture
ⅱ. EtaCore의 Always-on Paradigm
(4) 결론