中文 英语

制造钻头:2月2日

Capacitor-less DRAM;14 nm STT-MRAM;非理想ReRAM。

受欢迎程度

电容器少DRAM
在最近的2020国际电子设备会议(IEDM), Imec发表了一篇关于新颖的无电容DRAM单元结构。

DRAM用于系统中的主内存,当今最先进的设备基于大约18nm至15nm的进程。DRAM的物理限制在10nm附近。

DRAM本身是基于单晶体管、单电容(1T1C)存储单元架构。问题是,在每个节点上扩展或缩小电容器变得越来越困难。

“超越32GB的传统1T1C DRAM存储器超越32GB的芯片密度面临两个主要挑战,”根据IMEC的说法。“首先,基于SI的阵列晶体管缩放的困难使得维持所需的离电流和世界钢模电阻具有降低的细胞尺寸来挑战。二,3D集成和可扩展性 - 高密度DRAM的最终路径 - 受到存储电容的需要受限。“

在研发方面,业界正在研究各种替代DRAM的下一代存储技术。然后,一些人正在研究如何使用新材料来扩展今天的DRAM。

例如,IMEC已经设计了DRAM单元架构,其实现了两个铟 - 镓 - 氧化锌薄膜晶体管(IGZO-TFT)和没有存储电容器。2T0C(2个晶体管0电容器)配置中的DRAM电池显示出用于不同小区尺寸的400秒的保留时间。这反过来又降低了内存的刷新率和功耗。

在线后端(BEOL)制造线路中的IGZO-TFT处理IGZO-TFT的能力降低了细胞的占用空间,并打开了堆叠各个单元的可能性。

“除了长期保留时间之外,基于IGZO-TFT的DRAM细胞对电流DRAM技术的第二主要优势提供了第二重要优势。与SI不同,IGZO-TFT晶体管可以在相对低的温度下制造,因此与BEOL加工相容。这允许我们在存储器阵列下移动DRAM存储器单元的外围,这显着降低了存储器芯片的占地面积。此外,BEOL处理将打开朝堆叠单个DRAM单元格的路由,因此启用3D-DRAM架构。我们的突破解决方案将有助于拆除所谓的记忆墙,允许DRAM记忆继续在云计算和人工智能等苛刻应用中发挥至关重要的作用,“IMEC的节目总监Gouri Sankar Kar说。

14nm stt-mram
此外,IBM也在IEDM上介绍了世界上第一个嵌入式旋转转移扭矩MRAM(STT-MRAM)技术的论文在14nm CMOS工艺节点

IBM的STT-MRAM技术是专为移动、存储和其他系统中的嵌入式和高速缓存应用而设计的。

下一代内存技术,STT-MRAM很有吸引力,因为它具有SRAM的速度和闪光的非波动性,无限耐力。STT-MRAM是一种具有磁隧道结(MTJ)存储器单元的单晶硅架构。它使用电子旋转的磁性在芯片中提供非挥发性。写入和读取功能在MTJ单元格中共享相同的并行路径。

有两种类型的STT-MRAM - 独立芯片和嵌入式。独立的STT-MRAM是发货并用于企业固态驱动器(SSDS)

STT-MRAM也是针对当今的微控制器(MCU)和其他芯片中的嵌入式NOR闪存。STT-MRAM也用于缓存内存应用程序。

今天的MCU在同一芯片上集成了多个组件,例如中央处理单元(CPU),SRAM,嵌入式内存和外设。嵌入式内存用于代码存储,该代码存储,该代码存储设备并允许其运行程序。最常见的嵌入式内存类型之一被称为闪存。NOR闪存粗糙并在嵌入式应用程序中工作。

但NOR正在失去动力,很难扩展到28nm/22nm节点之外。此外,嵌入式NOR或eFlash在高级节点上变得过于昂贵。

这就是STT-MRAM适合的地方 - 它将取代嵌入式也不达到28nm / 22nm及以后。“然而,这些高级应用受到两个关键挑战的限制:1)改善MTJ性能,以减少控制分布的写入电流;2)增加MRAM / CMOS电路和高级节点缩放的细胞密度。以前的领先工作,全部在28nm - 22nm节点上突出了集成在BEOL金属水平之间可用的短垂直空间内集成紧密音高MTJ的挑战 - 这是迄今为止防止开发的14nm节点EMRAM的挑战,“Daniel Edelstein说是纸上的IBM研究员。其他人贡献了这项工作。

“在这里,我们展示了第一个14nm节点eMRAM技术。使用2Mb的eMRAM宏,我们实现了一个紧凑的MTJ间距(160nm)集成,适合M1和M2之间的垂直位置。这个位置最大化通过消除寄生堆叠BEOL eMRAM电路性能,并减少芯片尺寸和成本结算上线路轨道的逻辑,和减少的总数水平丝大数组(这可能需要n + 3 Mn mtj铜水平放置在水平,因此n = 1)的优势。我们演示了读写功能,包括写性能降至4ns,并展示了可以添加eMRAM进程模块,同时保持逻辑BEOL可靠性要求,”Edelstein说。

“几个单位过程创新使这种集成,包括新型次光图微量(μ-螺柱)底部电极(BEL),MTJ图案化和介电薄膜的精细型材控制,优化的BEL / MTJ金属化,并优化后MTJ低跨越阵列和逻辑区域的平面化,“他说。

非理想ReRAM
CEA-Leti演示了一种利用电阻RAM的“非理想”特征(RERAM)

研究人员克服了几个障碍,开发了基于rram的设备,以达到计算的边缘。

作为人工智能的一个子集,机器学习利用一个系统中的神经网络。神经网络处理数据并识别系统中的模式。然后,它匹配特定的模式,并学习哪些属性是重要的。

同时,reram也是下一代内存类型。Reram具有较低的读取延迟和比今天的闪存更快的写性能。在RERAM中,将电压施加到材料堆叠,从而在记录存储器中记录数据的电阻变化。

然而,ReRAM很难开发。只有少数几家公司在市场上出售零件。还有其他问题。“目前的方法通常使用学习算法,不能与电阻存储器固有的非理想性,特别是周期与周期之间的可变性相一致,”美国电子与电子管理局(CEA-Leti)的Thomas Dalgaty在一份技术期刊《自然电子》(Nature Electronics)上说。

Dalgaty说:“在这里,我们报告了一个机器学习方案,利用记忆电阻可变性,在一个由16384个设备组成的贝叶斯机器学习模型中实现马尔可夫链蒙特卡罗抽样。”“我们的方法证明了在1000万个持久周期下器件退化的鲁棒性,并且,基于电路和系统级模拟,训练模型所需的总能量估计在微焦耳的量级,这明显低于基于互补金属氧化物半导体(CMOS)的方法。”



发表评论


(注意:此名称将公开显示)