Νανοηλεκτρονικές διατάξεις μνήμης

Abstract

The ever-increasing market for memories due to the widespread of portable electronics, (smartphones, tablets, etc.), has led to an enormous expansion of non-volatile memories, namely memories which maintain the stored information even without voltage supply. The main leader is represented by Flash technology, which has dominated the market in the last decades and has now reached the 16 nm scaling node. However, Flash memory is reaching its scaling limits due to issues related with big leakage currents in thin film oxides, which render the write/erase states indistinguishable. In addition, there is a urgent need to explore new memory concepts capable of filling the gap which actually exists between the high-performance, low area density and expensive SRAM and DRAM, and the low cost, high density, but low-performance HDD.For this reason, in the last years there has been a huge effort in both industrial and academic research groups to overcome this scaling issue by realizing new and revolutionary non-volatile memories with novel materials, new physical concepts and increased scaling capability. The main purpose is to obtain a novel device with the high-performance and endurance of SRAM and DRAM, combined with the high density integration and robustness of conventional HDD. This new concept has been defined as Storage Class Memory. Although it seems not easy to find a new technology able to fit all the proposed requirements, some novel devices are promising for future non-volatile applications.In addition to the need of novel non-volatile memory concepts in order to satisfy the insatiable requirements of memory technology for enhanced capacity, new devices are also object of active research for novel logic and neuromorphic computation. Some operations like real-world image learning, pattern recognition and decision are extremely expensive for conventional Boolean CMOS processors, while for human brain, they represent quite easy processes. In this framework, the new devices could help in developing complex, high density and low power neuromorphic networks able to efficiently perform artificial learning and recognition tasks.One of the most promising technologies for both non-volatile memory and neuromorphic computation is represented by metal-oxide resistive switching memory, or RRAM. These devices have become one of the top competitors for new generation memory due to its extreme ease of fabrication in the back-end of a CMOS process, fast switching, relatively high endurance and low power operation. All these properties make RRAM extremely interesting for future Storage Class Memory. In addition, its intrinsic variability of the switching characteristics, which represents the major concern for industrial memory production, could become the winning feature for neuromorphic network synapses.This doctoral dissertation focuses on the study of resistive switching effect, on both theoretical and experimental level. For this reason, a variety of materials were used in order to investigate the influence of the complex fabrication parameters on the electrical performance of the memory cells, focusing mainly on titanium oxide (TiOx), hafnium oxide (HfOx) and tantalum oxide (TaOx). In the literature, exceptional properties have been presented for the above materials, whereas the last two have been successfully integrated in the CMOS process line. Thus, it was considered of outmost importance to study their response as non-volatile memories, focusing on the whole spectrum of their electrical characteristics. In addition, by employing theoretical calculations based on the Density Functional Theory (DFT), the basic conditions, which must apply on atomic scale in order for the resistive switching effect to take place, were examined.According to the theory of finite elements, the solution of three partial differential equations was achieved in 3D geometry, gaining significant insights in terms of local density of oxygen vacancies, temperature and electric potential profiles. The influence of the diffusion barrier and ion hopping distance on the current-voltage characteristics was also studied, elucidating on the origins of the sharp/gradual resistance change. At the same time, in order to understand the variability of the electrical characteristics of RRAM devices, a Monte-Carlo based algorithm was developed and a systematic study on the influence of various physical parameters (such as recombination energy, generation energy, migration energy) on the cumulative distribution functions of RRAM cells was carried out.The incorporation of metallic nanoparticles within TiOx dielectric matrix was proved a simple and promising technique, towards the enhancement of the statistical dispersion of RRAM devices, memory window and external operating voltage. The existence of a large memory window is of great importance for multilevel applications, induced either with external pulses or with compliance current limit control. The main reason for the improved electrical performance is the local increase of the electric field due to the presence of nanoparticles and the confinement of the potential percolation paths where resistive switching effect will take place.The integration of two, three or multiple layers as active material within the RRAM memory cell was also examined, in order to reduce the operating currents. The latter is achieved by depositing dielectric layers under low oxygen content conditions, acting thus as series resistances, resulting in bigger voltage drop in the layer with the biggest oxygen content. Consequently, the resistive switching effect is limited between a small region of the active layer, improving thus the statistical variability. Measurements towards neuromorphic applications were also carried out, in order to assess the potential applicability of the memory cells for artificial learning and pattern recognition. In addition, the simple structure of the RRAM cells, permits their integration into crossbar architectures, with aim to enhance the area density of the chip.

Η ολοένα και αυξανόμενη αγορά διατάξεων μνήμης λόγω της ταχύτατης διάδοσης φορητών ηλεκτρονικών συσκευών (smartphones, tablets κ.α.), έχει οδηγήσει σε ραγδαία ανάπτυξη της τεχνολογίας των μη-πτητικών μνημών, δηλαδή των μνημών που διατηρούν την αποθηκευμένη πληροφορία ακόμα και με απώλεια τροφοδοσίας ισχύος. Οι μνήμες FLASH αποτελούν μέχρι σήμερα τον κυρίαρχο εκπρόσωπο των μη-πτητικών μνημών, και έχουν καταφέρει να επιβιώσουν μέχρι τον τεχνολογικό κόμβο των 16 nm. Ωστόσο οι μνήμες FLASH φτάνουν τα φυσικά όρια σμίκρυνσής τους, λόγω κυρίως των μεγάλων ρευμάτων διαρροής που παρουσιάζουν σε μικρά πάχη οξειδίων και τα οποία καθιστούν τις καταστάσεις εγγραφής/διαγραφής μη διακρίσιμες. Επίσης, είναι επιβεβλημένο να εξερευνηθούν νέα σενάρια διατάξεων μνήμης ώστε να καλυφθεί το κενό που υπάρχει ανάμεσα στης υψηλής απόδοσης, χαμηλής πυκνότητας ολοκλήρωσης και δαπανηρές SRAM και DRAM, και στις χαμηλού κόστους, υψηλής πυκνότητας και χαμηλής απόδοσης HDD.Για αυτό το λόγο τα τελευταία χρόνια βρίσκεται σε εξέλιξη μια εντατική προσπάθεια, τόσο σε ακαδημαϊκό όσο και σε βιομηχανικό επίπεδο, ούτω ώστε να ξεπεραστούν τα θέματα σμίκρυνσης των διατάξεων μνήμης, εξετάζοντας νέα υλικά και φυσικούς μηχανισμούς, με αυξημένη ικανότητα σμίκρυνσης. Ο κύριος σκοπός είναι η δημιουργία καινοτόμων διατάξεων, οι οποίες θα συνδυάζουν την υψηλή απόδοση και ηλεκτρική αντοχή των SRAM και DRAM, μαζί με την υψηλή πυκνότητα ολοκλήρωσης και σταθερότητα των συμβατικών μνημών HDD. Αυτό το καινούργιο σενάριο μνήμης μπορεί να οριστεί ως Storage Class Memory. Εάν και φαίνεται δύσκολο ώστε να βρεθεί μια τεχνολογία που να μπορεί να ενσωματώσει όλα τα παραπάνω προαπαιτούμενα, ορισμένες καινοτόμες διατάξεις φαίνονται υποσχόμενες για μελλοντικές εφαρμογές μη-πτητικών μνημών.Επιπροσθέτως, η ανάπτυξη νέων διατάξεων μη-πτητικών μνημών δε λαμβάνει χώρα μόνο για να ικανοποιηθούν οι ακόρεστες ανάγκες της τεχνολογίας για αυξημένη χωρητικότητα, αλλά αποτελούν αντικείμενο εντατικής έρευνας στο χώρο των λογικών κυκλωμάτων και των νευρομορφικών (neuromorphic) ιδιοτήτων. Ορισμένες διεργασίες, όπως η εκμάθηση πραγματικών εικόνων, η αναγνώριση προτύπων και η λήψη αποφάσεων είναι εξαιρετικά δαπανηρές για τους συμβατικούς επεξεργαστές που στηρίζονται στη Boolean λογική, εν αντίθεση με τον ανθρώπινο εγκέφαλο, όπου οι παραπάνω διεργασίες λαμβάνουν χώρα αρκετά εύκολα. Κάτω από αυτό το πλαίσιο, οι νέες διατάξεις μνήμης θα μπορούσαν να εκτελούν σύνθετες διεργασίες χαμηλής ισχύος, μιμούμενες τις αντίστοιχες διεργασίες του εγκεφάλου, με στόχο την τεχνητή εκμάθηση και την αναγνώριση προτύπων.Μια από τις πιο υποσχόμενες τεχνολογίες για μη-πτητικές μνήμες και νευρομορφικές εφαρμογές, είναι οι μνήμες εναλλαγής αντίστασης βασισμένες σε οξείδια μετάλλων ή RRAM. Οι συγκεκριμένες διατάξεις αποτελούν ένα από τους ποιο πιθανούς υποψήφιους για τις μελλοντικές διατάξεις μνήμης, λόγω κυρίως της απλής δομής τους και της εύκολης ενσωμάτωσης τους στις CMOS διεργασίες, της χαμηλής κατανάλωσης ισχύος, των γρήγορων ταχυτήτων λειτουργίας και της υψηλής ηλεκτρικής αντοχής σε διαδοχικούς κύκλους εγγραφής/διαγραφής. Όλες αυτές οι ιδιότητες καθιστούν τις μνήμες RRAM κατάλληλες για μελλοντικές Storage Class Memory εφαρμογές. Επίσης, η εγγενής ανομοιομορφία των ηλεκτρικών τους χαρακτηριστικών, οι οποίες φαίνεται να αποτελούν μέχρι στιγμής το σημαντικότερο εμπόδιο για ευρεία βιομηχανική παραγωγή, μπορεί να αναδειχθεί ως ένας απρόσμενος σύμμαχος για τη μοντελοποίηση των ηλεκτρικών ιδιοτήτων των δικτύων των συνάψεων (synapses networks).Αυτή η διατριβή έχει ως στόχο τη μελέτη του φαινομένου εναλλαγής της αντίστασης, τόσο σε θεωρητικό όσο και σε πειραματικό επίπεδο. Για το λόγο χρησιμοποιήθηκαν μια σειρά από υλικά με σκοπό να εξερευνηθεί η επίδραση των πολυδιάστατων κατασκευαστικών παραμέτρων στην ηλεκτρική συμπεριφορά των κυττάρων μνήμης, με τη μεγαλύτερη έμφαση να δίνεται στο οξείδιο του τιτανίου (TiOx), στο οξείδιο του χαφνίου (HfOx) και στο οξείδιο του ταντάλου (TaOx). Τα παραπάνω υλικά έχουν παρουσιάσει στη διεθνή βιβλιογραφία εντυπωσιακές ιδιότητες, ενώ τα δύο τελευταία έχουν επιτυχώς ενσωματωθεί στη CMOS γραμμή παραγωγής. Έτσι, θεωρήθηκε επιβεβλημένο να μελετηθεί η συμπεριφορά τους ως διατάξεις μη-πτητικών μνημών, δίνοντας έμφαση σε όλο το εύρος των ηλεκτρικών τους ιδιοτήτων. Παράλληλα, με τη βοήθεια θεωρητικών υπολογισμών βασισμένοι στη Density Functional Theory (DFT), διερευνήθηκαν οι αναγκαίες συνθήκες που πρέπει να επικρατούν σε ατομικό επίπεδο ώστε να πραγματοποιηθεί το φαινόμενο εναλλαγής της αντίστασης.Με βάση τη θεωρία πεπερασμένων στοιχείων πραγματοποιήθηκε επίλυση τριών διαφορικών εξισώσεων σε 3D γεωμετρία, λαμβάνοντας σημαντικές πληροφορίες ως αναφορά την τοπική συγκέντρωση των κενών θέσεων οξυγόνου, της θερμοκρασίας και του ηλεκτρικού δυναμικού. Μελετήθηκε επιπλέον η επίδραση του φράγματος διάχυσης καθώς και του μήκους άλματος ιόντων στις χαρακτηριστικές ρεύματος-τάσης, εξακριβώνοντας τη φύση της απότομης/βαθμιαίας αλλαγής της αντίστασης. Παράλληλα, για την κατανόηση της ανομοιομορφίας των ηλεκτρικών χαρακτηριστικών των διατάξεων RRAM, αναπτύχθηκε ένας αλγόριθμος με βάση τη προσέγγιση Monte-Carlo και πραγματοποιήθηκε συστηματική μελέτη της επίδρασης διαφόρων φυσικών παραμέτρων στις συναρτήσεις αθροιστικής κατανομής των μνημών RRAM.Η εισαγωγή μεταλλικών νανοσωματιδίων εντός διηλεκτρικής μήτρας TiO2-x αποδείχθηκε μια απλή και πολλά υποσχόμενη τεχνική, ως αναφορά τη βελτίωση της στατιστικής κατανομής των μνημών RRAM, του παράθυρου μνήμης και της εξωτερικής τάσης λειτουργίας. Η ύπαρξη ενός μεγάλου παράθυρου μνήμης είναι επίσης ιδιαιτέρως σημαντική για multilevel εφαρμογές. Ο κύριος λόγος για τη βελτιωμένη ηλεκτρική συμπεριφορά, είναι η τοπική ενίσχυση του ηλεκτρικού πεδίου λόγω της παρουσίας των νανοσωματιδίων και ο περιορισμός των διαθέσιμων αγώγιμων μονοπατιών όπου το φαινόμενο εναλλαγής της αντίστασης θα λάβει χώρα.Μελετήθηκε επίσης η ενσωμάτωση δύο, τριών και πολλαπλών στρωμάτων ως ενεργό υλικό στο κύτταρο μνήμης RRAM, με σκοπό τη μείωση του ρεύματος λειτουργίας. Το τελευταίο επιτυγχάνεται με εναπόθεση στρωμάτων διηλεκτρικού με χαμηλό ποσοστό οξυγόνου, ούτως ώστε να λειτουργούν στη πράξη ως σειριακές αντιστάσεις, με αποτέλεσμα η μεγαλύτερη πτώση τάσης να γίνεται στο αντίστοιχο στρώμα με υψηλό ποσοστό οξυγόνου. Το αποτέλεσμα είναι ο περιορισμός του φαινομένου εναλλαγής της αντίστασης σε ένα μικρό μέρος του ενεργού υλικού και ως συνέπεια η βελτίωση της στατιστικής ανομοιομορφίας. Πραγματοποιήθηκαν επίσης μετρήσεις για νευρομορφικές εφαρμογές με στόχο να εξερευνηθεί η χρήση των κυττάρων μνήμης για τεχνητή εκμάθηση και αναγνώριση προτύπων. Η απλή δομή των μνημών RRAM επιτρέπει επίσης την ολοκλήρωσή τους σε αλληλοδιασταυρώμενες δομές, με στόχο την αύξηση της πυκνότητας ολοκλήρωσης.