ITPE * JackerLab

개요반도체 소자의 고성능화와 집적도가 급격히 증가함에 따라, 칩 패키징 기술의 중요성이 날로 커지고 있습니다. 그중에서도 Glass-Core Substrate Packaging(글래스 코어 기판 패키징)은 고집적, 저전력, 고신뢰성 요구를 충족하는 차세대 패키징 솔루션으로 주목받고 있습니다. 유리(glass)를 코어로 사용하는 이 방식은 기존 유기물(Organic) 기반이나 세라믹 기반 패키징 대비 우수한 전기적·기계적 특성을 제공합니다.1. 개념 및 정의Glass-Core Substrate Packaging은 반도체 패키지의 중심 기판(core substrate)을 유리(glass) 재질로 대체한 고밀도 인터커넥트 패키징 기술입니다. 전통적으로는 BT(비스말레이드 트리아진)와 같은 유기기판이 사용되어 ..

개요메모리 기술은 고속, 고집적, 저전력 특성의 요구가 갈수록 높아지고 있으며, DRAM과 플래시 메모리의 한계를 대체할 새로운 대안으로 MRAM(Magnetoresistive Random Access Memory)이 주목받고 있습니다. 그중에서도 SOT(Spin-Orbit Torque) 기반 MRAM은 속도, 내구성, 에너지 효율성 측면에서 기존 STT-MRAM을 능가하는 차세대 메모리 기술로 각광받고 있습니다.1. 개념 및 정의SOT MRAM은 스핀 궤도 토크(Spin-Orbit Torque) 현상을 이용하여 데이터를 저장하고 제어하는 비휘발성 메모리입니다. SOT는 전류가 강자성 금속과 비강자성 금속의 인터페이스를 통과할 때 발생하는 스핀 흐름을 활용해 자기장의 방향을 전환하는 방식으로 동작합니다...

개요AI의 발전과 함께 컴퓨팅 성능과 전력 효율의 한계를 극복하기 위한 새로운 패러다임이 요구되고 있습니다. 이에 따라 인간의 뇌 구조와 유사한 연산 방식을 구현하면서도 전기 대신 빛을 사용하는 "Neuromorphic Photonics(뉴로모픽 포토닉스)" 기술이 주목받고 있습니다. 이 기술은 고속, 저전력, 병렬처리 특성을 활용하여 미래 인공지능 하드웨어의 핵심으로 부상하고 있습니다.1. 개념 및 정의Neuromorphic Photonics는 신경망 구조를 모사하는 뉴로모픽 컴퓨팅 개념에 광학 소자(레이저, 광도파로 등)를 결합한 차세대 정보처리 기술입니다. 전통적인 전자 기반 뉴로모픽 칩이 가진 속도 및 발열의 한계를 광학 기술로 극복하며, 전기 신호 대신 광 신호로 뉴런과 시냅스를 구현하는 것이 ..

개요반도체 산업은 집적도 향상과 전력 효율 개선이라는 두 가지 큰 도전에 직면해 있습니다. 이를 해결하기 위한 차세대 기술로 주목받는 것이 바로 CFET(Complementary Field-Effect Transistor)입니다. 기존 FinFET을 대체하거나 보완할 수 있는 구조로, 반도체 소자의 스케일링 한계를 극복할 핵심 기술로 평가받고 있습니다.1. 개념 및 정의CFET는 "Complementary Field-Effect Transistor"의 약자로, NMOS와 PMOS를 수직으로 적층하는 트랜지스터 구조입니다. 기존의 평면적 구조(FinFET)와 달리, 동일한 칩 면적 내에서 두 종류의 트랜지스터를 위아래로 배치함으로써 공간 효율성과 전력 효율을 동시에 높일 수 있습니다.이 기술은 2nm 이하..

개요High-NA EUV(Extreme Ultraviolet) Lithography는 반도체 집적도 향상을 위해 기존 EUV 리소그래피의 수치 개구수(NA, Numerical Aperture)를 높인 차세대 미세공정 기술입니다. ASML이 주도하는 이 기술은 0.55 NA를 채택하여 2nm 이하의 해상도 구현이 가능하며, 차세대 고성능 반도체 소자의 생산을 위한 핵심 패터닝 플랫폼으로 각광받고 있습니다.1. 개념 및 정의High-NA EUV는 파장 13.5nm의 EUV 광원을 활용하면서, 광학 시스템의 수치 개구수(NA)를 기존 0.33에서 0.55 이상으로 높여 해상도를 획기적으로 향상시킨 리소그래피 기술입니다.NA 정의: NA = n × sin(θ), 해상도와 반비례기술 목표: 2nm 이하 노드 대응..

OpenYurt는 기존 Kubernetes 생태계를 엣지 환경으로 확장해, 클라우드와 엣지 간의 하이브리드 애플리케이션을 통합적으로 운영할 수 있도록 설계된 오픈소스 플랫폼입니다. Alibaba Cloud에서 시작되어 CNCF에 기여된 프로젝트로, 엣지 노드를 위한 네이티브 오케스트레이션 기능과 자율 운영 기능을 제공함으로써 엣지 컴퓨팅에서의 Kubernetes 한계를 극복합니다.1. 개념 및 정의OpenYurt는 기존 Kubernetes 클러스터 구조를 변경하지 않으면서 엣지 노드를 클러스터에 통합하여, 엣지-클라우드 간 분산 애플리케이션의 배포, 모니터링, 자원 관리 등을 통합 관리할 수 있도록 하는 플랫폼입니다.아키텍처 기반: Kubernetes + Yurt Components설계 철학: Cloud..

개요KubeEdge는 Kubernetes 기반의 오픈소스 엣지 컴퓨팅 플랫폼으로, 클라우드 네이티브 기술을 엣지 환경에 확장하여 분산된 장치와 애플리케이션을 통합적으로 관리할 수 있게 해줍니다. IoT, 산업 자동화, 스마트시티, 제조 등에서 클라우드와 엣지 간의 원활한 연산 분배와 네트워크 제약 극복을 위한 핵심 기술로 주목받고 있습니다.1. 개념 및 정의KubeEdge는 Kubernetes를 엣지 노드까지 확장하여, 클라우드와 엣지 간의 워크로드 오케스트레이션, 디바이스 통신, 상태 동기화 등을 지원하는 프레임워크입니다.기본 아키텍처: Cloud Core(K8s 마스터) + Edge Core(에이전트 노드)개발 주체: CNCF(Cloud Native Computing Foundation)목표: 지연 ..

개요OAM(Orbital Angular Momentum) Multiplexing은 전자기파가 가지는 위상 구조의 나선형 특성(위상 소용돌이)을 활용하여, 서로 다른 위상 모드를 독립적인 채널로 활용하는 차세대 공간 다중화(Spatial Multiplexing) 기술입니다. 기존의 주파수/시간/편파 기반 다중화 기법보다 높은 채널 용량을 제공할 수 있어, 테라헤르츠(THz) 무선통신, 광통신, 위성통신, 6G 시스템 등에서 핵심 기술로 주목받고 있습니다.1. 개념 및 정의OAM은 빛이나 전자기파가 가지는 두 가지 각운동량 중 궤도 각운동량(Orbital Angular Momentum)을 의미하며, 위상이 회전하는 모양(나선형 파front)을 통해 각기 다른 위상모드를 생성할 수 있습니다.기본 원리: 위상 ..

개요RIS(Reconfigurable Intelligent Surface)는 반사형 표면에 전자 제어 기능을 추가하여 무선 신호의 전파 경로를 능동적으로 조작하는 기술입니다. 수동적 반사체를 넘어, 전파의 위상·진폭·편파를 제어할 수 있는 이 지능형 메타표면은 기존 인프라의 한계를 극복하고, 6G 시대의 초고속·초정밀·초저지연 통신을 실현하는 핵심 기술로 주목받고 있습니다.1. 개념 및 정의RIS는 수많은 반사소자(unit cell)로 구성된 메타표면으로, 각 소자의 반사 특성을 실시간으로 제어해 신호 전파 방향을 조작할 수 있는 인공 표면입니다.기능: 빔 조향, 경로 전환, 채널 보정구성: 메타소자 배열 + 디지털 제어 유닛 + RF 프로토콜 연동역할: 능동적 채널 환경 설계 (Smart Radio E..

개요Integrated Sensing and Communication(ISAC)은 무선 통신 시스템에서 ‘통신’과 ‘센싱(탐지 및 측정)’ 기능을 하나의 인프라에서 동시에 구현하는 차세대 융합 기술입니다. 6G 시대를 대비해 고정밀 위치 측정, 환경 인식, 사용자 추적 등의 센싱 기능을 통신 신호 기반으로 구현함으로써, 자율주행, 스마트팩토리, UAM, XR 등 실시간 동기성과 정밀성이 중요한 응용 분야에서 핵심 기술로 주목받고 있습니다.1. 개념 및 정의ISAC은 동일한 주파수, 안테나, 파형을 사용하여 하나의 물리계층에서 동시에 데이터 통신과 환경 센싱을 수행하는 기술 프레임워크입니다.목표: 스펙트럼 및 하드웨어 자원 효율성 극대화기반: mmWave/THz, MIMO, OFDM, AI 기반 채널 추정..

개요HELM(Holistic Evaluation of Language Models)은 다양한 대규모 언어 모델(LLM)의 능력을 공정하고 포괄적으로 평가하기 위한 벤치마크 프레임워크입니다. 단순 정확도 측정에서 벗어나, 정확성, 편향성, 효율성, 유해성 등 다면적 기준을 기반으로 모델의 실사용 적합성을 판단할 수 있도록 설계되었습니다. Stanford CRFM(Center for Research on Foundation Models) 주도로 개발되었으며, GPT, Claude, PaLM, LLaMA 등 주요 LLM들을 비교 평가하는 지표로 활용됩니다.1. 개념 및 정의HELM은 단일 태스크 중심의 벤치마크 한계를 넘어, 언어 모델의 '실제 활용 가치'를 다양한 기준으로 측정하는 멀티태스크·멀티지표 평가 ..

개요AudioLDM(Audio Latent Diffusion Model)은 텍스트로부터 고품질 오디오(예: 음악, 사운드 이펙트, 음성 등)를 생성하는 텍스트-투-오디오(text-to-audio, TTA) 모델입니다. Latent Diffusion 기반으로 효율성과 품질을 모두 확보하며, 텍스트 설명에 기반해 다양한 사운드를 생성할 수 있어 오디오 생성 AI의 대표 기술로 주목받고 있습니다.1. 개념 및 정의AudioLDM은 텍스트 임베딩을 조건으로 하여 오디오의 잠재 표현(latent representation)을 디퓨전 모델로 생성한 후, 이를 디코더를 통해 실제 파형(waveform)으로 복원하는 구조의 생성형 모델입니다.핵심 구조: Text Encoder + Latent Diffusion + Au..