近年來，RRAM 因其結構簡單、保持時間長、執行速度快、超低功耗執行能力、能夠在不影響器件效能的情況下擴充套件到更低的尺寸以及可進行三維整合的可能性而日益受到重視。過去幾年的研究表明，RRAM 是後 CMOS 時代設計高效、智慧和安全計算系統的最合適候選者之一。
半導體電子學領域在過去十年中迅速增長，對人類社會產生重大影響。這歸因於資訊通訊技術領域的空前增長，以及工程技術領域的各個領域對高效資訊處理系統需求的增加。資訊科技系統的快速發展徹底改變了智慧手機、微型計算機和物聯網（IoT）裝置等產品，這些產品需要高效能運算技術。現代產品由電氣和機械元件組成，成為了將硬體、資料儲存、感測器、軟體、微處理器和多種連線方式多種方式組合在一起的複雜系統。傳統計算系統利用馮·諾依曼體系結構執行計算任務，但由於CPU和記憶體之間的差距不斷增大，物理上分離的記憶體和計算單元產生了大量延遲和高能耗，即“馮·諾依曼瓶頸”。自20世紀60年代以來，透過縮小電子器件尺寸和降低積體電路（ICs）的製造成本來增強裝置的計算能力。然而，馮·諾依曼體系結構的固有缺陷限制了計算能力的提升。因此，研究人員將注意力轉向了阻性隨機存取儲存器（RRAM）等新型資料處理技術，以解決記憶體不足的問題。RRAM被視為現有CMOS裝置的有希望的替代品，具有諸多優勢，如可擴充套件性、高資料保留性、低功耗和相對較高的速度。RRAM採用電阻切換儲存器技術，可實現多位資訊儲存，並透過控制絲形體的形成和切換來提高均勻性和穩定性。由於其現代化的需求，RRAM技術正朝著全面商業化邁進，其在未來幾年內的發展前景廣闊。
RRAM的歷史發展
RRAM裝置的研究最初始於20世紀60年代初，將電阻性切換歸功於Hickmott。當時，電阻性切換現象在多種氧化物材料中得到報告。然而，隨後幾年對電阻性切換現象的研究並沒有取得突破。直到2000年，休斯頓大學的研究人員觀察到了磁電阻薄膜中的電阻性切換現象，重新點燃了對RRAM研究的熱情。2002年，Zhuang等人報導了基於Pr0.7Ca0.3MnO3的64位RRAM陣列。在2004年至2007年期間，英飛凌和三星的研究團隊取得了顯著的研究成果，首次展示了3D RRAM陣列。在2004年，三星展示了一個基於二元過渡金屬氧化物的簡單RRAM，完全整合了0.18微米CMOS技術。2008年，惠普的Strukov等人發表了《自然》雜誌上的論文，擴充套件了RRAM的用途，被認為是RRAM發展的轉折點。2010年，unity半導體成功展示了64MB的RRAM原型測試晶片。接下來的幾年裡，SanDisk/東芝展示了24奈米技術的32Gb RRAM儲存器裝置，而Micron/索尼展示了27奈米技術的16Gb RRAM原型。2016年，中國科學院微電子研究所的Qing等人報告了超低功耗的三維垂直十字形RRAM陣列。2020年，TSMC宣佈在40奈米和22奈米節點上生產RRAM。2021年9月，Weebit Nano與美國Skywater達成協議，將RRAM技術投入量產。Weebit Nano生產的ReRAM被稱為成本效益高、在高溫範圍內具有增強的耐久性和保留性、對輻射和電磁場具有容忍性，並且不會對前端模擬元件造成干擾。RRAM發展歷史上最重要的事件詳細列在圖2所示的時間軸圖中。
2022 年 2 月，《電子週刊》發表的文章提到，IMEC 與 Intrinsic Semiconductor Technologies 合作，成功擴充套件了其基於氧化矽的 RRAM，並展示了理想的特性，從而為邏輯器件中非易失性儲存器的成本效益和增強效能鋪平了道路。用於邊緣人工智慧和物聯網應用的先進處理節點。最近，2022 年 8 月，史丹佛大學工程師推出了一款名為“NeuRRAM”的新型 RRAM 晶片，該晶片在記憶體中具有 AI 處理能力，從而無需單獨的計算和記憶體單元。這篇發表在 Nature 上的文章聲稱該晶片只有指尖大小，比當前最先進的晶片具有更多的處理能力和更少的電池消耗。
RRAM設計和物理機制
RRAM的器件結構是簡單的金屬-絕緣體-金屬（MIM）結構，類似電容器，其中的切換層夾在兩個金屬電極之間。RRAM細胞的示意圖如圖3所示。MIM結構的電阻可以透過施加適當的電訊號而改變，並且裝置會保持當前的電阻狀態，直到施加適當的訊號以改變其電阻，代表了器件的非易失性質[37, 38]。由於RRAM器件的簡單結構，它可以輕鬆整合在帶有4F2（F是最小特徵尺寸）的無源十字陣列中，並且可以在垂直堆疊的三維（3D）架構內將尺寸進一步減小至4F2/n（n是十字陣列的堆疊層數）。
在RRAM中，透過在電極之間施加外部電壓脈衝來改變器件的電阻。RRAM背後的固有物理現象是電阻性轉換（RS），這意味著在外部電刺激下，裝置可以自由地程式設計為高電阻狀態（HRS，或關斷狀態）或低電阻狀態（LRS，或通斷狀態）。傳統的儲存器件以二進位制形式儲存資料，“0”代表未儲存的資料，“1”代表已儲存的資料。RRAM裝置利用氧化和還原等氧化還原反應來進行有效的資料儲存，在這種反應中，氧化還原反應在絕緣體內形成導電絲（CF）在兩個金屬電極之間。由於外部電脈衝的作用，導電絲在RRAM的兩個金屬電極之間形成，裝置被認為處於低電阻狀態（LRS），通常稱為邏輯狀態“1”。當導電絲破裂時，裝置被認為處於高電阻狀態（HRS），通常稱為邏輯狀態“0”。圖4顯示了RRAM的操作機制的示意流程圖。
RRAM 的三維 (3D) 整合
3D計算結構排列顯著提高了儲存器的能耗和頻寬訪問。近年來，已經在單個器件級別對許多垂直RRAM架構進行了實驗研究，它們似乎是很有前途的。然而，要完全實現3D儲存系統，需要解決許多基本技術問題，其中一些包括低電阻銅互連與低介電層之間的問題，由於電晶體互連導致的熱預算不相容。因此，需要評估3D RRAM系統在陣列級別的效能。已經提出了幾種建模方法來研究基於寫入/讀取方案設計、幾何縮放趨勢以及器件引數等的3D RRAM結構。
圖a顯示了3D水平RRAM陣列。3D垂直RRAM陣列被視為一組垂直排列的2D平面，通常由選擇線（SL）選擇，如圖b所示。解碼通常由SL、位線（BL）和字線（WL）完成。每個垂直電極的邊緣與一個WL相連。柱體與陣列底部的BL連線。用於操作與柱體電極串聯的垂直電晶體的SL。然而，對於特定蝕刻橫徑比（AR）的3D排列，最大高度限制可在已知特徵尺寸（F）時計算；當柱體電極的直徑（d）加上兩倍的RRAM絕緣氧化物厚度（tox）時，可以確定F；此外，F被視為相鄰柱體電極中心之間距離的一半。因此，每個層由一個厚度為（tm）的平面電極和一個厚度為（ti）的分離層組成。利用電阻率和這些幾何因素，可以計算平面和柱狀互連的電阻。利用位成本可擴充套件（BICS）技術，將3D垂直RRAM架構用於將儲存單元放置在平面電極和垂直柱體之間作為3D NAND快閃記憶體的替代方案。
基於RRAM的神經形態計算的原型
傳統上，RRAM可以實現儲存和儲存器裝置的目標。在RRAM中發生模擬或突變的切換。這種型別的切換在需要準確的導電變化的神經形態學應用中非常重要。為了解決與人工智慧相關的問題，將RRAM與CMOS技術整合可以被證明非常有效。神經形態計算架構需要低功耗和高密度的結構，每個單元至少具有5位/單元的儲存。基於RRAM的神經網路的原型，採用Ag摻雜SiO𝑥N𝑦結構的8×8 1T1R陣列。
a. 1T1R結構的8×8基於RRAM的神經網路的光學影像。b. 1T1R單元的掃描電子顯微鏡影像，c. 單個1R單元的影像。d. 輸入模式，e. 峰值神經電流，f. 每個訓練週期的突觸權重。g. 短期突觸可塑性的實驗觀察。h. 基於間隔時間的漂移電阻突觸與擴散電阻突觸串聯的導電（權重）變化，顯示生物逼真的STDP。i. 用於麵包板上TRNG應用的RRAM器件的電路佈置。j. 對1 kHz輸入電壓脈衝的一個計數器輸出。k. TRNG器件中連續開關迴圈中隨機二進位制輸出翻轉狀態。
自物聯網裝置日益重要以來，eNVM（非易失性儲存器）裝置的重要應用領域之一是硬體安全領域。在儲存應用中，需要指出的是，eNVM的隨機性是不受歡迎的；相反，隨機狀態變化更適合用作安全應用的熵源。在安全應用中，STTRAM和RRAM是主要競爭者，在操作條件控制下，eNVM裝置的隨機電報噪聲、電阻、開關電壓和開關產量的可變性非常重要。對於基於RRAM裝置的安全系統，隨機性是各種應用（如物理不可克隆功能（PUF）和真隨機數生成器（TRNG））的關鍵特徵。對於這些裝置，內在的隨機特性是熵變化（隨機性）的重要來源，用於生成隨機數和加密金鑰。從LRS或HRS的週期到週期和器件到器件的變化用於實現TRNG裝置中的變化。報導了一種基於揮發性擴散RRAM的TRNG，該TRNG利用了Ag摻雜的SiO2結構中金屬原子的擴散動力學。圖29i-k顯示了電路佈置，包括一個Ag摻雜的擴散型RRAM、一個比較器、一個AND門和一個計數器。在這種情況下，熵的來源被認為是延遲時間的內在隨機性。圖29i、j顯示了使用簡單的基於闆闆的電路建立的實驗設定和使用示波器監測的原型工作，分別。使用具有恆定幅度（𝑉1 = 0.4 V）和300和700 𝜇s間隔（即1 kHz頻率）的脈衝列。對於初始狀態，位保持在低邏輯電平（“0”），計數器在一段延遲時間後開始接收時鐘訊號（以4 MHz），位在低電平和高電平之間迅速改變其狀態（“0”和“1”）。計數器在輸入脈衝（𝑉1）結束時停止計數，同時保持其之前的狀態，直到接收到下一個計數訊號。微控制器將此前狀態讀取為輸出位。由於每個週期延遲時間的隨機性質，每個脈衝後計數器輸出完全不可預測，並在四個連續的ON切換週期中隨機翻轉二進位制位，從“1”→“0”→“0”→“1”→“0”。
總結
在過去的幾十年裡，人們在 RRAM 技術領域做出了巨大的努力，主要集中在研發領域，旨在將其商業化並對其進行了解。截至今天，它的採用仍然有限，而且它的理解仍然不完整。 RRAM 技術提供了許多值得研究和開發的獨特屬性，並有助於克服困難的擴充套件障礙。在這項工作中，我們概述了 RRAM 器件在各個領域的進展，包括應用於 RS 層和電極的薄膜材料、RS 機制的分類和人工突觸的研究。使用氧化物、固體電解質和二維材料等無機材料製備基於RRAM的器件已在各種研究工作中得到報導，器件表現出相對成熟的效能。因此，RRAM器件具有有機材料廣闊的應用前景。器件的效能在很大程度上取決於RS機制，這也與薄膜材料的選擇和加工技術有很大關係。基於不同材料的RRAM技術在大規模商業化方面表現出了巨大的潛力，前景十分廣闊。除了傳統的大規模商業化程式之外，分析不同RRAM器件效能的更大目標是為人工智慧和神經形態計算系統提供潛在的幫助。 RRAM器件可以透過電效能模仿生物突觸的功能，這對人工智慧領域的硬體應用產生積極影響。此外，它的STM和LTM等類人腦行為使得神經形態計算系統在未來的發展成為可能。儘管遙感器件的大規模應用和產業化還有很長的路要走，但隨著研究的不斷深入，新型低維奈米材料已被證明是一種有前途的候選材料，對效能提升的副作用較小，也將保證小型器件的製造。維度裝置。隨著大資料時代的到來，對儲存陣列、神經擬態計算和透明柔性器件的3D整合有巨大的需求。未來低維奈米材料無疑將在此類領域發揮不可替代的作用。
參考文獻
Wong HSP, Salahuddin S. Memory leads the way to better computing. Nat Nanotechnol. 2015;10(3):191–94.
Resistive random access memory: introduction to device mechanism, materials and application to neuromorphic computing.Discov Nano. 2023 Dec; 18(1): 36.Published online 2023 Mar 9.
許永康,鮑嘉明,陳瑞隆等.一種新型阻變儲存器1T2R儲存單元[J].固體電子學研究與進展,2022,42(05):393-399.
張嬌嬌,周龍,王洪強等.金屬氧化物基阻變儲存器的研究進展[J].鑄造技術,2023,44(01):23-31.
葉沁桐.基於憶阻器的LSTM神經網路存內計算架構設計[J].積體電路應用,2023,40(10):18-21.
Kim J, Kim CH, Woo SY, Kang WM, Seo YT, Lee S, et al. Initial synaptic weight distribution for fast learning speed and high recognition rate in STDP-based spiking neural network. Solid-State Electron. 2020;165(1):107742.
說明：本文來自CSDN存內社群，原文作者：叫我兔兔醬
https://bbs.csdn.net/topics/618092931