Manufactura industrial
Internet industrial de las cosas | Materiales industriales | Mantenimiento y reparación de equipos | Programación industrial |
home  MfgRobots >> Manufactura industrial >  >> Industrial materials >> Nanomateriales

Un circuito de detección temprana para la mejora de la resistencia de la matriz de memoria de acceso aleatorio resistivo de contacto rellenado

Resumen

Como una de las soluciones de almacenamiento no volátil integradas más prometedoras para módulos CMOS avanzados, las aplicaciones de memoria resistiva de acceso aleatorio (RRAM) dependen en gran medida de su ciclabilidad. A través de un análisis detallado, se han encontrado vínculos entre los tipos de ruido, las configuraciones de filamentos y la ocurrencia de fallas de reinicio durante la prueba cíclica. Además, se ha demostrado que un tratamiento de recuperación restablece la ciclabilidad de RRAM. También se propone un circuito de detección temprana de células vulnerables en una matriz para mejorar aún más la resistencia general de una matriz RRAM. La vida útil de RRAM se puede extender a más de 10 k ciclos sin fallos de bits en una matriz.

Introducción

En los últimos años, RRAM con ventajas de estructura simple, escalabilidad superior y alta compatibilidad con procesos CMOS avanzados se ha convertido en una de las tecnologías centrales para realizar módulos de memoria no volátiles integrados [1,2,3,4,5,6,7, 8]. La RRAM con alta ciclabilidad puede extender sus aplicaciones a sistemas que requieran actualizar datos no volátiles con mayor frecuencia, como computación en memoria y sistemas neuromórficos [9,10,11,12,13,14,15].

Se cree que el cambio de estado en las películas RRAM se logra mediante la generación / recombinación de vacantes de oxígeno ( V o ) para seguir controlando la construcción / destrucción de filamentos conductores (CF) [16,17,18,19,20,21,22]. Muchos estudios han demostrado que los mecanismos estocásticos en la formación de CF durante las operaciones de activación / desactivación se han encontrado como una de las causas fundamentales de las fallas de bits durante las pruebas cíclicas [23,24,25,26,27]. En una celda que no se puede configurar, el exceso de V o recombinado durante las operaciones de reinicio amplía la brecha de tunelización entre los CF residuales y el electrodo superior, lo que debilita el campo eléctrico en la región de la brecha, lo que conduce a un V bajo o generación [24]. Por otro lado, el exceso de V o generado durante la operación del conjunto, lo que lleva a un crecimiento excesivo de CF. Se cree que esta es la principal causa de fallos de reinicio [24, 28]. Además, se encuentra que el agotamiento inesperado de iones de oxígeno durante el ciclo es responsable del cierre de la ventana de resistencia [23, 28]. Varios esquemas para mitigar el efecto del proceso estocástico en V o La generación / aniquilación se ha informado en varios estudios [23, 24, 28,29,30]. Se encontró que el pulso con un gran tiempo de subida y bajada, respectivamente, reduce V o generación en el funcionamiento del conjunto y consumo de iones de oxígeno en el proceso de reinicio [23]. Para obtener una buena capacidad de control de V o , Chen et al . También sugiere un método de amplitud de pulso de sintonización para equilibrar las operaciones de ajuste / reinicio [29]. Aparte del acondicionamiento de pulsos [23, 29], se ha descubierto que los tratamientos de recuperación eléctrica de activación / desactivación fuertes en los dispositivos después de una falla de resistencia permiten que las células se puedan restaurar y ciclar nuevamente [24, 28, 30]. También se revela que el aumento de la frecuencia de las operaciones de recuperación aumenta el rendimiento general de resistencia al ciclismo [24]. La recuperación periódica de toda la matriz durante el ciclo cuesta una alta sobrecarga de energía y desafíos de implementación en módulos de memoria reales. Por lo tanto, encontrar las células débiles, que están al borde de la falla del ciclo, es fundamental para la implementación de una recuperación selectiva y oportuna. Esto puede permitir la mejora de la ciclabilidad sin desperdiciar tratamientos innecesarios en células sanas.

En nuestro trabajo anterior, se encontró que las celdas con baja eficiencia de reinicio se correlacionaban con su topografía CF. Además, los ruidos telegráficos aleatorios están relacionados con los tipos de FQ, que también reflejan el cambio de FQ después del estrés ciclista [31]. En este trabajo se han propuesto nuevos circuitos para la detección temprana de dispositivos débiles en un arreglo por sus características de corriente de lectura. También se introduce una operación de restablecimiento de recuperación para el fortalecimiento preventivo de las células vulnerables identificadas por el método de detección. Al aplicar el método de detección temprana y operaciones de fortalecimiento de CF selectivas, se ha demostrado con éxito una mejora significativa en la ciclabilidad de armado / reinicio.

Métodos

El análisis estadístico de la resistencia de RRAM se obtiene de una matriz de memoria de acceso aleatorio resistiva de contacto (BCRRAM) rellenada de 16 × 16, que se fabrica mediante un proceso lógico CMOS de 0,18 μm [32, 33]. Como se muestra en el diseño de la Fig. 1, el nodo de almacenamiento de BCRRAM está conectado en serie con un transistor de canal n para la selección de celdas en una matriz de tipo NOR. Para investigar en profundidad las propiedades físicas de la capa TMO de BCCRAM, el análisis de microscopía electrónica de transmisión (TEM) se lleva a cabo mediante microscopía electrónica de transmisión JEOL JEM-2800 con energía de 200 keV. Las imágenes TEM de sección transversal de la matriz BCRRAM a lo largo de la dirección de la línea fuente (SL) se muestran en la Fig. 2. Debido al mejor control del espesor de la película dieléctrica rellenada, se puede lograr una capa uniforme de óxido de metal de transición (TMO). Las composiciones relativas de elementos a lo largo de la profundidad de la película RRAM se proporcionan en el análisis de espectroscopía de rayos X de dispersión de energía (EDX) en la Fig.3, donde se encuentra que la película TMO de la celda BCRAM está compuesta de TiN / TiON / SiO 2 [32, 33]. El análisis eléctrico se completa con un analizador de parámetros de semiconductores y un generador de impulsos. Las características de formación / ajuste / reinicio de CC de BCRRAM se muestran en la Fig. 4a. Tenga en cuenta que se requiere un alto voltaje SL en las operaciones de conformado / fraguado para desencadenar el proceso de ruptura suave. El voltaje de línea de palabra baja (WL) de 0,6 V en la puerta del transistor seleccionado sujeta la sobretensión y evita que se sobrepase en estados de resistencia irreversibles. Como dispositivo BCRRAM en modo unipolar, mayor V WL de 1,2 V se elige para suministrar una corriente lo suficientemente alta para mejorar la difusión de iones de oxígeno y la recombinación con V o , favoreciendo el cambio de nuevo a HRS [34,35,36,37]. Como se muestra en la Fig. 4b, la ventana de corriente de lectura de 10 × se puede mantener bajo 50 ciclos de ajuste / reinicio de CC, cuyo estado de baja resistencia (LRS) / estado de alta resistencia (HRS) se configuran en 5 μA / 0.5 μA, respectivamente.

La disposición del diseño de la muestra de matriz CRRAM rellenada tipo NOR 16 × 16 que se está investigando

Imágenes TEM transversales de la matriz y las células BCRRAM. Se puede obtener un espesor dieléctrico uniforme en celdas BCRRAM

Análisis de composición basado en EDX de la capa TMO de la celda BCRRAM. La capa TMO de BCRRAM está compuesta de TiN / TiON / SiO 2 apilar

un Características de barrido de formación / establecimiento / restablecimiento de CC, cuyas líneas de bits (BL) están conectadas a tierra. b Niveles actuales después de 50 operaciones set / reset. LRS / HRS se definen como 5 μA / 0,5 μA, respectivamente, para obtener una relación de encendido / apagado de 10 ×

Resultados y discusión

Esquema de recuperación de ciclabilidad y restablecimiento

La resistencia cíclica de BCRRAM se examina mediante un algoritmo optimizado de programación de impulsos por pasos incrementales (ISPP) que se muestra en la Fig. 5a. Después de cada pulso de estrés, los estados de BCRRAM se verifican para determinar si V WL / V SL debe aumentarse para las siguientes operaciones de ajuste / reinicio [38]. Como se muestra en la Fig. 6a, la ventana de corriente de lectura estable se puede obtener dentro de un tiempo de ajuste / reinicio de 20 μs, ver en la Fig. 6b, para 1k ciclos. Los datos experimentales muestran que el tiempo de reinicio requerido para alcanzar el HRS objetivo aumenta gradualmente cuando el número de ciclos pasa de 1000. Los datos también revelan que la mayoría de las celdas finalmente se atascan en LRS incluso después de aumentar el tiempo de reinicio a 60 μs. Para investigar la causa raíz de la degradación del restablecimiento durante el ciclo, se investiga el ruido de baja frecuencia (LFN) que se encuentra en la corriente de lectura y se informa como un índice que refleja las propiedades de los CF [39,40,41]. En nuestro trabajo anterior [31], las células con diferentes densidades de CF dentro de sus capas de TMO exhiben un espectro de ruido distinto en su corriente de lectura. Como se muestra en la Fig. 7a, las células se pueden clasificar en dos grupos basándose en las características del espectro LFN en su corriente de lectura, en la Fig. 7b. Las células con baja densidad de CF, etiquetadas como "sanas", son más robustas y se espera que soporten más estrés cíclico. Se cree que las células que contienen múltiples CF diminutas, denominadas "débiles", son más vulnerables al estrés. Para estudiar los principales mecanismos de falla de las células sometidas a pruebas de ciclo, se monitorean los dispositivos LFN de BCRRAM. Como se resume en la Fig. 6c, se encuentra una fuerte correlación entre los tipos de células y el número de ciclos en la matriz BCRRAM. La porción de células débiles con múltiples rutas conductoras en las capas de TMO aumenta significativamente después del ciclo, lo que se cree que causa un calentamiento menos eficiente en una CF dispersa, lo que ralentiza el proceso de reinicio [31]. Como resultado, la falla de resistencia en la operación de reinicio se atribuye a la generación de múltiples rutas conductoras. Además de las pruebas ISPP, también se informaron diferentes tipos de generaciones de CF después de las tensiones de voltaje constante [27, 28]. Se creía que los CF innecesarios generados por las condiciones de operación de activación / desactivación fijas eran una de las razones que provocaban que las células perdieran gradualmente sus capacidades al volver a cambiar a HRS. Para reactivar las células después de una falla de reinicio, los CF innecesarios dentro de sus capas de TMO deben recortarse a través de fuertes pulsos de recuperación de reinicio con las condiciones en la Fig. 5a, V WL =1,2 V, V SL =2V y ancho de pulso de 50 μs, como se muestra en la Fig. 6a. Con el tratamiento de recuperación de restablecimiento adecuado, se puede restaurar la ventana actual de lectura, así como su ciclabilidad. Sin embargo, como se muestra en la Fig. 6b, los pulsos de recuperación de reinicio se necesitan con más frecuencia en las celdas que experimentaron más de 10 k ciclos. Los datos de la Fig. 6a también indican que las operaciones de recuperación de restablecimiento pueden volverse inútiles para algunas células después de un ciclo de estrés prolongado, lo que sugiere que los CF en estas células están dañados sin posibilidad de reparación.

un El algoritmo de configuración / reinicio del ISPP y la recuperación de las condiciones de reinicio para las pruebas cíclicas. La V WL y V SL se incrementan, respectivamente, en las operaciones de ajuste / reinicio. b El algoritmo para la detección temprana de células débiles

un 100 k ciclos de activación / desactivación de ISPP. Las celdas viudas de lectura perdidas después de 6 k ciclos se pueden recuperar mediante 5 pulsos de reinicio fuertes con condiciones V WL =1,2 V, V SL =2 V y ancho de pulso de 50 μs. El tratamiento de restablecimiento de recuperación no es válido después de 10 k ciclos. b Se requiere el tiempo de ajuste / reinicio para completar el cambio de estado durante 100 k ciclos. c Los cambios en el tipo de celda, definidos por sus características de ruido, se encuentran durante las pruebas cíclicas de ISPP

un Ilustraciones de los filamentos y estados de la trampa en la capa de TMO en estado sano / débil. b Tendencias de ajuste correspondientes en espectros de ruido

El cambio en la característica de ruido de la celda observado en la Fig. 6c implica que los tipos de celda son un índice útil para reparar una celda vulnerable antes de que llegue a fallar por completo. Por lo tanto, distinguir los tipos de células por sus características de ruido durante la operación es un factor crucial en la realización de intervenciones tempranas para fortalecer las FC.

Circuito de detección temprana

Para las células con más CF dentro de las capas de TMO, su corriente de lectura fluctúa entre múltiples estados de resistencia. Por el contrario, las células con un CF dominante en las películas de RRAM, la corriente salta repetidamente entre dos estados distintos, que pueden utilizarse como índices de las células sanas [31]. Como resultado, el número de estados intermedios en la corriente de lectura puede ayudarnos a identificar las células vulnerables antes de que falle por completo. Por lo tanto, en el algoritmo que se muestra en la Fig. 5b, para detectar temprano una célula vulnerable y reactivarla antes de perder completamente su capacidad cíclica, la corriente de muestreo de las células se alimenta al circuito de detección. Una vez diagnosticadas, las operaciones de restauración se realizan en las células débiles confirmadas. Por lo tanto, en las siguientes secciones se presentan y analizan dos circuitos para detectar estas células débiles.

El primer circuito de detección mediante el método de puerta de almacenamiento intermedio (BG) se ilustra en la Fig. 8a. Primero, la corriente de muestreo de las celdas BCRRAM se refleja y se filtra mediante un capacitor para establecer un nivel promedio. A continuación, se amplifica la diferencia entre los dos lados. La diferencia amplificada de los estados medios todavía fluctúa ligeramente entre 0,55 V y 0,45 V. Por otro lado, la celda con un CF dominante, donde se encuentra que la corriente de lectura salta entre dos niveles; cuando pasa a través del circuito del detector, la salida se puede empujar a los niveles de voltaje alto / bajo. Como se muestra en la Fig. 8b, los dos BG generan diferentes estados lógicos con los voltajes de transición adecuados y la puerta lógica XOR. Para las celdas que exhiben RTN de estado medio, el voltaje de salida ( V fuera ) se convierte en pestillo en estados de alto voltaje ( V H ) en lugar de estados de bajo voltaje ( V L ). La relación entre la probabilidad de producción en V H ( P H ) frente al de V L ( P L ) de la salida de XOR en las células categorizadas primero por su LFN como células sanas / débiles se resumen en la Fig. 8c. Para las celdas con múltiples niveles de corriente en los niveles de corriente leídos, una porción mayor de la salida XOR permanece en estados altos cuando las celdas débiles se colocan en el circuito de detección. Por otro lado, es más probable que las células sanas con una única CF dominante y distintos niveles de resistencia pongan la salida XOR en los estados de bajo voltaje.

un Esquema del circuito de detección de glucosa en sangre y b su salida de voltaje. c Gráficos circulares de voltajes de salida en células sanas / débiles en el método BG. Una gran parte de los estados altos en una celda débil, que lee la corriente cambia rápidamente entre múltiples niveles de resistencia

El segundo circuito propuesto aquí para seleccionar células vulnerables, denominado método de activación de Schmitt (ST), se ilustra en la Fig. 9a. En su lugar, se utilizan dos disparadores Schmitt, cuyos disparadores superior / inferior están diseñados para ser 0,65 V / 0,35 V y 0,55 V / 0,45 V, respectivamente, para averiguar la probabilidad de la lectura de corriente en su estado medio. El voltaje de salida, que se muestra en la Fig. 9b, se vuelve alto cuando la corriente de lectura está en su estado medio. A partir del método ST, los porcentajes de niveles altos / bajos en la salida XOR se resumen en la Fig. 9c. Es más probable que las salidas de detección permanezcan en V H para las células débiles que para las sanas.

un Esquema del circuito de detección ST y b su salida de voltaje. c Gráficos circulares de voltajes de salida en células sanas / débiles en el método ST. Se puede obtener más LV en una célula sana, que probablemente solo tenga una CF dominante

Para investigar la tasa de éxito de la detección en la identificación de las células débiles, en la figura 10a, b se compara la relación de estados altos de la salida del detector para los dos grupos de células categorizados en primer lugar por las características de LFN. Para el circuito de detección de glucosa en sangre, definimos una celda débil teniendo una P H / P L relación por encima de 2,3. Con este criterio, el 70% de las células débiles se pueden detectar con éxito y, al mismo tiempo, dar lugar a un 30% de falsos positivos. Para el método ST, cuando el criterio de selección se establece en una P H / P L ratio> 0,25, la tasa de cobertura puede alcanzar el 60%, mientras que el falso positivo puede llegar al 50%. Esto hace que el método ST sea un método de detección menos eficaz. En comparación con la Fig. 10c, el método BG demuestra una mayor tasa de cobertura y una menor probabilidad de falsos positivos.

Distribución acumulativa de la relación de probabilidades en estados lógicos alto / bajo en diferentes tipos de celdas en a Método de glucosa en sangre, b Método ST. c Comparación de la tasa de cobertura y la tasa de falsos positivos entre dos esquemas de circuito

Debido a la alta tasa de cobertura proporcionada por el método BG, se emplea para la detección de células vulnerables con alto riesgo de falla de resistencia para el inicio de intervenciones tempranas. Las características cíclicas de las células que experimentan diferentes tipos de intervenciones de recuperación se comparan en la Fig. 11a. Se encuentra que las células soportan solo 2 k ciclos cuando no se realiza ninguna intervención durante las pruebas de ciclismo. La vida útil de BCRRAM se puede extender en varios miles de ciclos cuando se aplican pulsos de recuperación de restablecimiento después de una falla de restablecimiento. Sin embargo, la mayoría de las células revividas no pueden superar los 8 k de ciclos. A través del circuito de detección temprana con esquema BG, se pueden detectar celdas débiles en una matriz antes de la falla del ciclo. Con un pulso de recuperación aplicado en una celda débil detectada, la resistencia de la mayoría de las celdas BCRRAM se puede extender significativamente a más de 40 k ciclos. En la Fig. 11b se comparan las celdas al 15% en una matriz de memoria de 16 × 16 que requirieron un tratamiento de restablecimiento de recuperación en diferentes métodos. Aunque es necesario recuperar más células antes de los ciclos de 10 k en el método de detección de BG, su porcentaje de células es relativamente estable durante una prueba de ciclos de 50 k. Sin embargo, en el grupo de comparación, donde los dispositivos se restauran después de una falla de reinicio, la proporción de células que necesitan intervenciones de recuperación aumenta con el estrés del ciclo, lo que sugiere una sobrecarga de operación más pesada tanto en velocidad como en potencia.

un Comparación de resistencia de diferentes técnicas, incluido el tratamiento de restablecimiento de recuperación y la detección del circuito BG. b Número de células que experimentaron el tratamiento de restablecimiento de recuperación durante los ciclos

Gracias al circuito de detección y la recuperación de reinicio, la vida útil cíclica de BCRRAM se puede extender de manera efectiva. Aunque la tasa de cobertura del circuito de detección de BG alcanza el 70%, algunas células vulnerables no se identifican. Como resultado, creemos que mejorar la tasa de cobertura es una de las vías para mejorar aún más la resistencia general de las matrices BCRRAM. La configuración del circuito de detección se puede ajustar aún más para disminuir la tasa de falsos negativos, mejorando la tasa de cobertura. Además, el restablecimiento de recuperación de restablecimiento se puede optimizar para reactivar mejor BCRRAM a sus capacidades de ciclo.

Conclusiones

En este estudio, se establecen correlaciones de LFN, topografías de CF y falla de reinicio durante el ciclismo. Además, se implementa un tratamiento de restablecimiento de recuperación en la matriz BCRRAM para restaurar el fallo de restablecimiento. Se proponen e investigan dos circuitos de detección, el método BG y el método ST, para seleccionar las células vulnerables para intervenciones de recuperación temprana. Además, el método BG propuesto con una tasa de cobertura más alta se emplea en una matriz BCRRAM para mejorar la resistencia. Con los circuitos de detección de glucosa en sangre recientemente propuestos y la operación de recuperación de reinicio iniciada con detección temprana, se ha demostrado una mejora significativa de la resistencia al ciclismo durante más de 10 k veces.

Disponibilidad de datos y materiales

Los conjuntos de datos que respaldan las conclusiones de este artículo se incluyen en el artículo.


Nanomateriales

  1. FPGA de grado de defensa debuta con acceso anticipado
  2. Protección de circuito inteligente y diseño de detección para cerraduras y controles de acceso de hogares inteligentes
  3. Acelerando la detección temprana de enfermedades con nanobiotecnología
  4. Demostración de un biosensor flexible basado en grafeno para la detección rápida y sensible de células de cáncer de ovario
  5. Nanodots de carbono como nanosensores de modo dual para la detección selectiva de peróxido de hidrógeno
  6. Un estudio colectivo sobre modelado y simulación de memoria resistiva de acceso aleatorio
  7. Aptasensor fluorescente a base de óxido de grafeno para la detección de encendido de CCRF-CEM
  8. Un estudio de la variabilidad en la memoria de acceso aleatorio resistivo de contacto por modelo de vacante estocástico
  9. Un nuevo nanobiosensor magnetoelástico para la detección altamente sensible de atrazina
  10. Liposoma paramagnético de enfoque dual de integrina αvβ 3 y NRP-1 para la detección temprana de tumores en imágenes de resonancia magnética
  11. Sistema para la detección de defectos in situ en composites durante el curado