2025년 2월 12일(수) / 14:00 ~ 18:00
분야 | DRAM |
---|---|
대주제 | DRAM의 과거, 현재 그리고 미래 |
강연설명 | DRAM의 기본 원리, 최신 공정 기술, 아키텍처, 그리고 주요 성능 향상 기술에 대해 소개함으로써 참가자들이 실제 연구 및 개발에 적용할 수 있도록 돕고자 합니다 |
좌장 |
이가원 교수
충남대학교
|
연사 |
DRAM Device Technology : History and Future
오정훈 마스터
삼성전자
DRAM의 기본 원리와 연결하여, DRAM에서 사용되는 소자의 개요와 개발 History를 소개하고,
향후 DRAM 소자의 종류별 기술 발전 방향 전망까지 짚어보는 내용으로 구성하여, 참가자들이 간접 경험과 인사이트를 얻도록 합니다.
|
최동구 부사장
SK하이닉스
|
|
LPDDR 메모리인터페이스 연구 동향
이원영 교수
서울과학기술대학교
저전력 모바일 디바이스를 위한 Low Power DDR (LPDDR) 메모리의 최근 연구 동향과 이와 관련한 저전력 고성능 동작을 위해 필수적인 특성 트레이닝에 대해서 소개합니다.
|
|
DRAM Chip and Architecture
임성수 상무
삼성전자
DRAM의 chip, cell architecture가 어떻게 바뀌어왔고, 미래 DRAM은 어떤 방향으로 가고 있는지, 그 과정에서 우리에게는 어떤 고민들이 남겨졌는가를 함께 생각해보고자 한다.
|
2025년 2월 12일(수) / 14:00 ~ 18:00
분야 | Beyond visible Image Sensor 및 Micro Display 기술 |
---|---|
대주제 | 특화 이미지 센서 분야 및 Micro LED Display 분야의 발전 |
강연설명 | 가시광 영역을 넘어서 NIR, SWIR, UV 대역에서의 이미지 센서 기술을 살펴보고 Display 분야에서의 Full Color Integration 구현 방법 등 최신 연구 기술을 돌아 봅니다. |
좌장 |
하만륜 상무
DB하이텍
|
연사 |
양자점 기반 적외선 이미징 기술
이지원 교수
POSTECH
초저가로 고성능 적외선 이미징을 가능하게 하는 콜로이드 양자점 기반의 이미지센서 기술이 주목받고 있다. 본발표에서는 기초 이론에서부터 최근 동향 및 발전 방향에 대한 전반적인 이해를 제공하고자 한다.
|
적외선 센서의 현황 및 전망
김영호 전무
i3system, Inc.
CIS로 감지할 수 없는 작은 에너지의 빛을 감지하는 적외선 검출기는 1950년대 이후 다양한 분야에서사용되는 중요한 도구이다.
본 발표에서는 적외선 검출기의 동작원리 및 개발 현황, 향후의 발전 방향에 대해서 알아본다. |
|
마이크로 LED 디스플레이를 위한 full-color 구현 기술
이동선 교수
GIST
최근 마이크로 LED를 이용한 디스플레이가 장착된 TV가 이미 개발되었고, 이것을 XR, MR과 같은 다양한 디스플레이에도 적용하려는 연구가 활발히 진행되고 있다. 마이크로 LED를 만들고 full-color integration을 구현하는 다양한 방법과 연구동향에 대한 발표가 진행된다
|
2025년 2월 12일(수) / 14:00 ~ 18:00
분야 | AI |
---|---|
대주제 | AI반도체 현재와 미래 |
강연설명 | 현재 널리 사용되는 AI 반도체 기술의 최신 동향을 분석하고, 앞으로 발전할 AI 반도체 관련 차세대 기술들을 살펴보고자 한다. |
좌장 |
김지훈 교수
이화여자대학교
|
연사 |
AI 기술 발전 방향과 반도체
정무경 대표
디노티시아
Deep Learning이 출연한 뒤 지금까지 급격하게 발전해 온 AI 알고리즘의 변화 흐름을 알아보고, 미래 AI 기술 발전 방향과 이에 따른 AI 반도체의 발전 방향을 논의합니다.
|
박준석 박사
삼성전자
|
|
수십ns의 지연시간을 가진 CXL 컨트롤러를 이용한 GPU 메모리 확장에 대해 소개함. GPU의 메모리 요구량은 늘어나는 추세임에 반면 기존 해결 방식(GPU-Direct Storage, Unified Virtual Machine)은 복잡한 사용이나 성능 병목의 문제점을 가지고 있음. 파네시아의 CXL을 이용한 메모리 확장은 기존 문제를 해결하고 UVM 대비 최대 1.7배의 성능 향상을 보였음
|