기술
30개 문서
기술 · 대표 시각자료
이 분야를 그림으로 먼저 보기
p-n 접합의 실제 그래프·다이어그램·사진을 먼저 살펴보고, 연결된 문서에서 개념의 근거와 기출 맥락을 확인하세요.
300 K 이상 p-n 접합은 역방향에서 포화하고 순방향에서 지수적으로 증가한다
역방향 · −I₀에 가까운 포화
순방향 · 전압에 따른 지수 증가
300 K 이상식: I/I₀ = exp(qV/kBT) − 1. 역방향 항복·실물 소자의 직렬저항과 누설전류는 포함하지 않는다.
왼쪽 좌표 그래프는 300켈빈 이상 다이오드 모형에서 접합 전압이 마이너스 0.20볼트에서 0볼트로 변할 때 정규화 전류 I 나누기 I0가 마이너스 1에 가까운 역방향 포화에서 0으로 바뀌는 모습을, 오른쪽 좌표 그래프는 0볼트에서 플러스 0.20볼트로 변할 때 정규화 전류가 0에서 약 2290까지 지수적으로 증가하는 모습을 서로 다른 세로축 눈금으로 보여 준다
텍스트로 자세히 설명
OpenStax University Physics Volume 3의 이상 p-n 접합 식 I/I₀ = exp(qV/kBT) − 1에 T=300 K를 넣고, NIST 2022 CODATA의 정확한 기본전하 q=1.602176634×10⁻¹⁹ C와 볼츠만 상수 kB=1.380649×10⁻²³ J/K를 사용해 계산한 설명용 이론 그래프다. 왼쪽 역방향 패널은 V=−0.05·−0.10·−0.20 V에서 I/I₀가 각각 약 −0.855·−0.979·−0.9996이 되어 −1에 가까워지는 모습을 보인다. 오른쪽 순방향 패널은 V=0.05·0.10·0.15·0.20 V에서 I/I₀가 각각 약 5.92·46.9·330·2,289로 증가하는 모습을 보인다. I₀는 역포화전류이므로 I/I₀는 특정 실물 다이오드의 암페어값이 아닌 정규화 비율이다. 두 패널은 서로 다른 세로축 눈금을 쓰므로 곡선 높이를 패널 사이에서 직접 비교하지 않고 눈금값을 읽어야 한다. 이 이상식은 온도를 300 K로 고정하고 이상계수 1을 가정하며, 실제 소자의 재결합·직렬저항·누설전류·자체 발열·제조 편차와 큰 역전압에서의 항복을 포함하지 않는다. 따라서 모든 실리콘 다이오드가 특정 전압에서 같은 전류를 낸다는 뜻이 아니며, 아래 다이오드 사진에서 전압–전류 관계를 측정한 값도 아니다.
p형과 n형의 접합은 전압 방향에 따라 전류 통로를 바꾼다
p형의 양공과 n형의 전자가 경계에서 만난다
전압 방향에 따라 전류 통로가 달라진다
p형과 n형의 주 운반자를 먼저 확인하고 → p(+)·n(−)인 순방향을 표시한 뒤 → 전압 방향에 따른 전류 통로 차이와 정류 작용을 판단한다.
양공이 주된 p형 영역과 전자가 주된 n형 영역을 맞붙이고, p쪽에 플러스 n쪽에 마이너스를 연결한 순방향에서는 전류와 전구 빛이 나타나지만 반대 전압 조건에서는 통로가 막힌 두 장면 그림
텍스트로 자세히 설명
첫 패널은 왼쪽 p형 영역에 여러 양공을, 오른쪽 n형 영역에 여러 전자를 그리고 두 영역이 맞닿는 경계를 가운데 세운다. 양공과 전자 화살표는 경계 쪽으로 향한다. 둘째 패널은 두 전압 조건을 위아래로 비교한다. 위쪽 순방향은 p쪽에 플러스, n쪽에 마이너스를 연결하고 전류 화살표가 켜진 전구로 이어진다. 아래쪽 반대 전압 조건은 극성을 바꾸고 전류 길에 금지 표시를 두며 전구를 끈 상태로 그린다. 두 조건을 비교해 p-n 접합의 한 방향성을 눈으로 확인하게 한다.
기술 · 더 보는 실제 자료
다른 문서의 그림도 이어 보기
대표 자료 한 편에 그치지 않고, 같은 분야의 다른 그래프·다이어그램·사진을 실제 화면으로 비교하세요.
전체 기술 문서
p-n 접합p-n 접합은 p형과 n형 반도체를 맞붙인 경계로, p쪽을 양(+)극에 두는 순방향에서는 전류가 빠르게 커지고 반대 방향에서는 작은 역전류만 흐르는 정류 특성을 보인다. 이상 다이오드 식은 이 비대칭을 지수 관계로 설명하지만 실제 소자에는 누설전류·직렬저항·역방향 항복과 온도·제조 편차가 있다. LED·태양전지·센서 등은 같은 접합을 서로 다른 방식으로 활용한다.
가상현실(VR)가상현실은 사용자의 움직임을 감지하고 그 시점의 장면을 계산해 감각 출력으로 돌려주는 피드백 시스템이다. 입력 장치·렌더링·HMD의 역할과 지연 조건을 구분해야 한다.
검색 엔진의 작동 원리검색 엔진의 작동 원리란 미리 정리해 둔 웹 정보에서 검색어와 맞는 후보를 찾고, 여러 신호를 종합해 결과의 순서를 정하는 과정이다. 수능 독서에서는 키워드 하나가 아니라 단계와 기준의 결합을 읽는 것이 중요하다.
기계학습의 학습 과정기계학습의 학습 과정이란 데이터를 통해 패턴을 찾고, 판정 결과의 오차를 보며 가중치를 조정해 성능을 높이는 반복 절차이다. 수능 독서에서는 한 번에 답을 내는 계산이 아니라 입력-판정-수정의 순환 구조로 읽어야 한다.
네트워크 보안과 사이버 공격네트워크 보안은 기기·서비스 가용성·데이터 기밀성·통신 상대의 신뢰성을 함께 지킨다. 맬웨어, DDoS, 스니핑, 스푸핑이 무엇을 노리는지 구분해야 한다.
데이터 무결성 검증데이터 무결성 검증이란 데이터가 전송이나 저장 과정에서 바뀌지 않았는지 확인하는 절차이다. 해시값 비교는 내용을 숨기는 기술이라기보다 변경 여부를 판단하는 조건 관계로 읽어야 한다.
데이터 압축데이터 압축은 저장·전송량을 줄이는 표현 변환이다. 무손실은 입력을 비트 단위로 복원하고, 손실은 일부 정보를 버려 더 큰 절감을 얻는다. 같은 폭포 사진의 JPEG 품질 설정별 파일 크기와 PSNR 그래프, 복원 도식, 실제 입력 사진으로 효율·오차·적용 한계를 함께 읽는다.
도핑과 n형·p형 반도체도핑은 순수 반도체에 불순물을 넣어 전기적 성질을 바꾸는 과정이며, 이를 통해 전자가 많은 n형 반도체와 양공이 많은 p형 반도체를 만들 수 있다. 수능 독서에서는 두 유형의 주된 전하 운반자를 정확히 구분하는 것이 중요하다.
로드밸런싱로드밸런싱이란 들어오는 요청을 여러 서버에 고르게 나누어 병목을 막고 처리량과 가용성을 함께 높이는 기법이다. 정해진 순서로 돌리는 정적 알고리즘과 서버의 현재 상태를 보고 정하는 동적 알고리즘으로 나뉘며, 요청이 지나는 배분 장치 자체가 단일 장애점이 되지 않도록 이중화하는 것이 중요하다.
마스터-슬레이브 구조마스터-슬레이브 구조란 분산 시스템에서 데이터 수정을 맡는 마스터 한 노드와 그 변경을 복제받아 읽기를 나눠 맡는 슬레이브 노드들로 역할을 위계적으로 나눈 구조다. 쓰기를 한곳에 모아 관리가 단순해지는 대신 마스터가 단일 장애점이 되며, 동기·비동기 복제의 일관성-지연 상충과 마스터 장애 시 선거·페일오버가 핵심 쟁점이다.
반도체의 전기적 성질반도체의 전기적 성질은 도체와 부도체 사이의 전도성을 가진 물질이 외부 조건에 따라 전자와 양공의 움직임, 저항값, 전류 흐름을 달리 보이는 특성이다. 수능 독서에서는 세부 암기보다 작동 원리와 조건 변화의 방향을 읽는 것이 중요하다.
분산 시스템분산 시스템은 한 대로는 버거운 큰 일을 여러 대의 노드에 나누어 맡기고, 그 노드들이 협력해 사용자에게는 한 대처럼 보이게 하는 구조다. 용량·처리·고장이라는 한 대의 한계를 나누기·겹치기·나눠 보내기로 넘어서며, 그 과정에서 일관성·가용성·지연이 서로 맞바뀐다.
분산 파일 시스템분산 파일 시스템은 거대한 파일을 블록으로 쪼개 여러 노드에 흩어 저장하고, 각 블록을 여러 벌 복제해 잦은 고장에도 데이터를 지키는 저장 방식이다. 위치 지도를 쥔 관리자 노드와 실제 블록을 담는 저장 노드가 역할을 나눠 맡는다.
블록체인과 탈중앙화블록체인은 거래를 블록으로 묶고 이전 블록 해시로 연결한 장부를 여러 참여자가 합의 규칙에 따라 검증한다. 복제·무결성·합의를 각각 구분해야 한다.
샘플링·양자화·부호화샘플링은 측정 시점, 양자화는 크기 단계, 부호화는 단계의 비트 표현을 정한다. 시간·크기 정밀도와 데이터량의 trade-off를 구분해야 한다.
샤딩과 복제샤딩은 데이터를 서로 다른 조각으로 '나누어' 용량과 처리량을 늘리는 확장 기법이고, 복제는 똑같은 값을 여러 서버에 '겹쳐' 고장에 대비하는 가용성 기법이다. 목적이 정반대인 두 동작을 실제 시스템은 나눈 조각을 다시 복제하는 식으로 함께 쓴다.
연관규칙 분석과 순차 연관분석연관규칙 분석은 거래에서 품목 집합 X와 Y가 함께 나타나는 경향을 지지도·신뢰도·향상도로 평가하는 탐색 기법이다. Apriori의 가지치기 방향과 같은 거래의 동시 발생, 동일 대상의 시간 순차를 구별해야 규칙을 과장하지 않고 해석할 수 있다.
이진수와 정보 표현이진수와 정보 표현이란 컴퓨터가 정보를 0과 1의 조합으로 나타내는 방식을 말한다. n개의 비트가 만들 수 있는 경우의 수와 정보량의 관계를 이해하면 디지털 기술 지문의 많은 조건 관계가 보인다.
인공지능·머신러닝·딥러닝인공지능은 지능적 과제를 수행하는 시스템의 넓은 범주이고, 머신러닝은 데이터 학습 방법, 딥러닝은 다층 신경망을 쓰는 머신러닝의 한 갈래다.
인터넷 주소 체계인터넷 주소 체계란 인터넷에서 장치를 식별하는 IP 주소와, 사람이 읽기 쉬운 도메인 이름을 연결해 통신이 가능하게 하는 구조이다. 수능 독서에서는 도메인과 IP를 같은 것으로 보지 않고 DNS의 중개 역할을 읽어야 한다.
자료구조자료구조는 데이터를 저장·탐색·변경하는 관계와 순서를 정한 구조다. 배열·연결 리스트·스택·큐·트리의 연산별 장단점을 목적에 맞게 비교해야 한다.
자율주행과 엣지 컴퓨팅자율주행은 긴급 판단을 차량과 가까운 엣지에서, 넓은 범위의 축적·학습을 클라우드에서 처리한다. 지연·범위·자원에 따른 처리 위치 분담이 핵심이다.
전자와 양공전자와 양공은 반도체 안에서 전류 흐름을 설명할 때 함께 읽어야 하는 이동 단위이다. 전자는 이동 방향을 따져야 하는 요소이고, 양공은 전자가 빠진 빈자리처럼 다루어져 p형 반도체의 전기적 성질을 이해하는 데 쓰인다.
추천 랭킹의 위치 편향과 자기 강화추천 랭킹의 위치 편향과 자기 강화는 위쪽에 놓인 항목이 더 눌리고 그 반응이 다시 그 항목을 위로 올리는 되먹임으로 순위가 스스로 굳는 현상이다. 위치 편향은 순서가 반응에 끼치는 영향을, 자기 강화는 노출과 반응이 서로를 키우는 순환을 가리키며, 짧은 이력이 인기로 쏠리는 인기 편향과 맞물려 부익부를 만들고 신선도와 탐색이 이를 누그러뜨린다.
추천 랭킹의 탐색과 활용 균형추천 랭킹의 탐색과 활용 균형은 이미 좋아할 항목을 그대로 미는 활용과 낯선 항목을 시험 삼아 섞는 탐색 사이의 비율을 정하는 문제다. 탐색 비중을 0에 두면 관련성만 좇고 1 쪽으로 올릴수록 발견이 커지되 당장의 관련성은 줄어드는 맞바꿈이 있으며, 반응이 없는 새 항목의 콜드스타트를 탐색이 누그러뜨린다.
캐시 메모리캐시란 다시 찾을 가능성이 큰 데이터의 사본을 가까운 곳에 미리 두어, 원본까지 가는 왕복을 줄이는 저장 방식이다. 수능 독서에서는 신선도(유효 기간)와 검증, 공유·개인 캐시의 구분이 핵심 축이 된다.
컴퓨터 그래픽 렌더링컴퓨터 그래픽 렌더링은 3차원 장면에서 보일 폴리곤을 고르고 빛·색·재질을 계산해 2차원 프레임으로 출력하는 과정이다. 속도와 사실성의 절충을 단계별로 읽어야 한다.
평판 점수의 신뢰구간과 베이지안 보정평판 점수의 신뢰구간과 베이지안 보정은 반응이 적어 믿기 어려운 평점을 조심스럽게 읽고 바로잡는 두 도구다. 신뢰구간은 하나의 값 대신 참값이 들어 있을 범위로 불확실성을 드러내고, 베이지안 보정은 얇은 표본의 점수를 전체 평균 쪽으로 당겨 리뷰 몇 개짜리 만점이 검증된 항목을 앞지르지 못하게 하며, 반응이 쌓일수록 당기는 힘은 약해진다.
평판 점수의 표본 크기와 최근성 가중평판 점수의 표본 크기와 최근성 가중은 여러 반응을 하나로 요약한 점수를 읽을 때 그 점수가 몇 개의 반응에 근거하는지와 언제의 반응인지를 함께 따지는 문제다. 표본이 클수록 추정이 단단하고 작을수록 흔들리며, 최근성 가중은 오래된 반응의 무게를 줄여 지금의 상태를 비추되, 최근성을 강조할수록 안정을 위해 더 큰 표본이 필요해지는 맞바꿈이 있다.
폰 노이만 구조폰 노이만 구조는 프로그램 명령과 데이터를 메모리에 저장하고 CPU가 가져오기·해석·실행을 반복하는 저장 프로그램 구조다. CPU 구성과 메모리 계층을 함께 구별해야 한다.