3DNews Технологии и рынок IT. Новости российская наука и промышленность В России разработали память ReRAM с хара… Самое интересное в обзорах 13.08.2020 [08:59], Геннадий Детинич Перспективные направления электроники в виде беспилотного транспорта, носимых устройств, ИИ и ряд других областей требуют передовой элементной базы, включая энергонезависимую память нового поколения. Новая «флеш-память» должна быть экономичнее, быстрее и выдерживать больше циклов перезаписи, чтобы заменить собой в процессорах память SRAM. Такой памятью может стать резистивная ReRAM. И у России теперь есть своя технология производства ReRAM. Ячейка ReRAM Panasonic О разработке энергонезависимой памяти нового поколения сообщила компания «Крокус Наноэлектроника», которую финансово поддерживает «Роснано». Ёмкость 1 Мбит может показаться небольшой, но следует напомнить, что компания Panasonic, например, в этом году приступила к производству контроллеров с блоком ReRAM объёмом 256 Кбайт. На этом фоне выпущенные на мощностях «Крокус Наноэлектроника» образцы выглядят вполне достойно, тем более что больше никто в мире память ReRAM серийно не выпускает. Фактически российские разработчики и производители оказались в первых рядах на новом участке технологического фронта, с чем их можно только поздравить. Резистивная память активно разрабатывается около 15 лет всеми производителями памяти и не только. Ячейка такой памяти представляет собой заключённый между двумя контактами слой диэлектрика, который обратимо насыщается ионами. К этому также стоит добавить высочайшую устойчивость к износу с миллионами циклов перезаписи, низкую латентность и в десятки раз более низкое потребление в режимах записи, не говоря уже об энергонезависимости. Наконец, память ReRAM устойчива к радиации, высокой температуре и прекрасно масштабируется при производстве. Массовый выпуск чипов с памятью ReRAM компания «Крокус Наноэлектроника» планирует начать в следующем году. «Первым продуктом с новой микросхемой памяти, который планируется к выпуску, является чип радиочастотной идентификации (технология UHF RFID), использующийся, в частности, для маркировки товаров при складском учете».  Ячейка ReRAM компании Weebit Nano К сожалению, пока не раскрыты подробности о характеристиках российских чипов ReRAM: техпроцесс, латентность, производительность или число циклов перезаписи. Впрочем, сравнивать пока особенно не с чем. Интересное на этом направлении обещает появиться ближе к концу текущего года. Ожидается, что массовый выпуск ReRAM начнёт компания Samsung, в основе производства которой будет технология компании Weebit Nano. Источник: Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER. Материалы по теме Постоянный URL: https://3dnews.ru/1018123 Рубрики: Новости Hardware, модули ОЗУ, карты памяти, флеш-накопители, кардридеры, российская наука и промышленность, Теги: reram, роснано, российские разработчики, производство микросхем ← В прошлое В будущее → |
Резистивная память с произвольным доступом RRAM
Одним из узких мест всех современных вычислительных систем является необходимость пересылки данных в микропроцессор для их последующей обработки и обратной пересылки результатов вычислений.
Группа ученых из Технологического университета Нанянга, Сингапур, Ахенского университета RWTH, Германия, и Forschungszentrum Juelich, одного из крупнейших исследовательских центров в Европе, нашла способ заставить микросхемы памяти не только хранить данные, но и выполнять вычислительные операции, которые традиционно выполняются процессорами.
Такой подход позволит хранить и обрабатывать данные в одном и том же месте, что приведет к росту вычислительной мощности, к увеличению энергоэффективности компьютеров и мобильных вычислительных систем, таких, как смартфоны и планшетные компьютеры. Универсальное устройство основано на технологии резистивной памяти с произвольным доступом (resistive switching random access memory, ReRAM). Производство данного вида памяти сейчас внедряется практически всеми ведущими чипмейкерами, такими, как SanDisk и Panasonic, и он является самым быстрым на сегодняшний день видом энергонезависимой памяти, которая вскоре станет доступна для широкого применения.
Принципы, лежащие в основе нового универсального чипа, позволяют в теории реализовать обработку хранящихся в них данных любой степени сложности. Это позволит устранить отдельный микропроцессор, являющийся непременным атрибутом любых цифровых устройств, что приведет к сокращению размеров и уменьшению веса этих устройств. При этом, скорость устройств, работающих на одинаковой тактовой частоте вырастет в 2 – 2.5 раза по сравнению со скоростью устройств, имеющих отдельный микропроцессор. Причиной такого кардинального увеличения вычислительной мощности станет не только избавление от необходимости постоянной пересылки данных из памяти в микропроцессор и назад.
Еще одним моментом является то, что ячейки резистивной памяти способны хранить в себе не один, а сразу два бита данных и принимать значения 0, 1, 2 и 3. Это, в свою очередь, позволит производить за один такт более сложные функции обработки данных, для выполнения которых традиционным процессорам будет требоваться несколько вычислительных циклов.
Естественно, что для сопряжения с другими существующими вычислительными системами и компьютерным периферийным оборудованием, все данные должны быть преобразованы из троичной в более традиционную двоичную форму. В данном случае эта задача решается достаточно просто при помощи вычислительных способностей того же чипа памяти-процессора, и данная задача не станет очередным узким местом, ограничивающим производительность вычислительной системы в целом.
Исследователи считают, что использование памяти ReRAM в качестве вычислительного устройства является более перспективным направлением, благодаря тому, что данный тип памяти уже практически готов к массовому производству. И уже сейчас исследовательская группа занимается поиском партнеров из промышленного сектора, которые могут взять на себя дальнейшую разработку и доработку данной технологии с целью доведения ее до вида конечного продукта.
Источник: www.ukr-portal.com
Косвенный способ добиться всестороннего улучшения характеристик резистивной памяти: когда гафний встречается с ITO в электроде
Косвенный способ добиться всестороннего улучшения характеристик резистивной памяти: когда гафний встречается с ITO в электроде
лей
Ли, и Куан-Чанг
Чанг,
* и Конг
Вы,
* б Синнан
Лин,
Принадлежности автора
* Соответствующие авторы
и Школа электронной и вычислительной техники Пекинского университета, Высшая школа Шэньчжэня, Шэньчжэнь 518055, Китай
edu.cnб Факультет физики и электроники, Университет Хубэй, Ключевая лаборатория ферро- и пьезоэлектрических материалов и устройств Хубэй, Ключевая лаборатория прикладной математики Хубэй, Ухань 430062, Китай
с Факультет физики, Национальный университет имени Сунь Ятсена, Гаосюн 804, Тайвань
д Институт материалов и оптоэлектроники, Национальный университет имени Сунь Ятсена, Гаосюн 804, Тайвань
Аннотация
rsc.org/schema/rscart38″> Появляющаяся резистивная память с произвольным доступом вызвала большой энтузиазм у исследователей. В этом исследовании представлен косвенный способ улучшить всестороннюю производительность резистивной памяти с произвольным доступом (RRAM) за счет изменения конструкции электродного материала без интенсивной разработки коммутационного слоя путем использования композита гафний-индий-олово-оксид. Рабочие параметры устройства могут быть эффективно улучшены: достигнуто не только низкое энергопотребление и высокая стабильность работы, но и значительно увеличено окно памяти, что сопровождается функцией автоматического самовыравнивания по току. Корреляция между включением гафния и улучшением характеристик и соответствующими механизмами проводимости тока была тщательно исследована, чтобы прояснить поведение резистивного переключения и объяснить буферный эффект поглощения кислорода. Атом гафния с большим атомным радиусом окружен мягкими электронными облаками и обладает высокой химической активностью по привлечению ионов кислорода.
Это способствует накоплению большего количества ионов кислорода вокруг границы раздела верхнего электрода и резистивного переключающего слоя, что приводит к снижению тока и проводимости Шоттки. В этом исследовании представлена важная стратегия проектирования и разработки электродных материалов для улучшения характеристик RRAM и предлагается непрямой метод изменения рабочего поведения устройства, а также раскрываются многообещающие перспективы его потенциального будущего применения в маломощных технологиях хранения информации и вычислений.Двухмерный массив аналоговой резистивной памяти с обработкой в масштабе пластины для вычислений на основе памяти
1. Veluri, H., Li, Y., Niu, J.X., Zamburg, E. & Thean, A.V.-Y. Высокопроизводительная, компактная и устойчивая к вариациям трехмерная вычислительная система в памяти для глубоких сверточных нейронных сетей. Интернет-вещи IEEE J .
10.1109/JIOT.2021.3058015 (2021).
2. Иельмини Д., Вонг Х-СП. Вычисления в памяти с резистивными переключающими устройствами. Нац. Электрон. 2018;1:333–343. doi: 10.1038/s41928-018-0092-2. [CrossRef] [Google Scholar]
3. Pickett MD, Medeiros-Ribeiro G, Williams RS. Масштабируемый нейристор, построенный на мемристорах Мотта. Нац. Матер. 2013;12:114. doi: 10.1038/nmat3510. [PubMed] [CrossRef] [Google Scholar]
4. Wang Z, et al. Мемристоры с диффузионной динамикой как эмуляторы синапсов для нейроморфных вычислений. Нац. Матер. 2017;16:101. doi: 10.1038/nmat4756. [PubMed] [CrossRef] [Академия Google]
5. Найл, С. и др. . Понимание выносливости RRAM, удержания и компромисса между окнами с использованием экспериментальных результатов и моделирования. Международная встреча IEEE по электронным устройствам (IEDM), 2016 г. . 10.1109/IEDM.2016.7838346 (IEEE, 2016).
6. Дабрал А., Лу А., Чиап Д., Хусса М., Пуртуа Г. Систематическое исследование различных двумерных материалов в свете образования дефектов и окисления.
7. Liu Y, Gu F. Синтез монослоя MoS 2 в масштабе пластины и их полевых транзисторов для практического применения. Наномасштаб Adv. 2021;3:2117–2138. doi: 10.1039/D0NA01043J. [CrossRef] [Google Scholar]
8. Timpel M, et al. 2D-MoS 2 превращается в 3D: перенос оптоэлектронных свойств 2D MoS 2 на тонкую пленку большой площади. npj 2D Матер. заявл. 2021; 5:1–10. doi: 10.1038/s41699-021-00244-x. [CrossRef] [Google Scholar]
9. Nardi MV, et al. Универсальная и масштабируемая стратегия выращивания 2H-MoS 9, полученного из золь-геля0090 2 тонкие пленки с превосходными электронными свойствами: мемристив. Приложение ACS Матер. Интерфейсы. 2018;10:34392–34400. doi: 10.1021/acsami.8b12596. [PubMed] [CrossRef] [Google Scholar]
10. Lee C-S, Kim TH. Крупномасштабное приготовление композитов MoS 2 /Графен для электрохимического обнаружения морина.
Приложение ACS Нано Матер. 2021; 4: 6668–6677. doi: 10.1021/acsanm.1c00622. [CrossRef] [Google Scholar]
11. Wang M, et al. Надежные мемристоры на основе слоистых двумерных материалов. Нац. Электрон. 2018;1:130. дои: 10.1038/s41928-018-0021-4. [CrossRef] [Google Scholar]
12. Hui F, et al. Графен и родственные материалы для резистивных запоминающих устройств с произвольным доступом. Доп. Электрон. Матер. 2017;3:1600195. doi: 10.1002/aelm.201600195. [CrossRef] [Google Scholar]
13. Zhao H, et al. Атомарно тонкое фемтоджоулевое мемристивное устройство. Доп. Матер. 2017;29:1703232. doi: 10.1002/adma.201703232. [PubMed] [CrossRef] [Google Scholar]
14. Kim M, et al. Радиочастотные переключатели с нулевой статической мощностью на основе MoS 2 атомристоры. Нац. коммун. 2018; 9:1–7. doi: 10.1038/s41467-017-02088-w. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
15. Xu R, et al. Вертикальный двухслойный мемристор MoS 2 с электрохимической металлизацией в виде синапса атомного масштаба с порогами переключения, приближающимися к 100 мВ.
Нано Летт. 2019;19:2411–2417. doi: 10.1021/acs.nanolett.8b05140. [PubMed] [CrossRef] [Google Scholar]
16. Ge R, et al. Атомристор: энергонезависимое переключение сопротивления в атомарных слоях дихалькогенидов переходных металлов. Нано Летт. 2018;18:434–441. doi: 10.1021/acs.nanolett.7b04342. [PubMed] [CrossRef] [Академия Google]
17. Wu X, et al. Самая тонкая энергонезависимая память на основе однослойного h-BN. Доп. Матер. 2019;31:1806790. doi: 10.1002/adma.201806790. [PubMed] [CrossRef] [Google Scholar]
18. Chen S, et al. Интеграция двумерных материалов в масштабе пластины в массивы мемристивных поперечин высокой плотности для искусственных нейронных сетей. Нац. Электрон. 2020;3:638–645. doi: 10.1038/s41928-020-00473-w. [CrossRef] [Google Scholar]
19. Sun L, et al. Самоселективные гетероструктуры Ван-дер-Ваальса для крупномасштабных массивов памяти. Нац. коммун. 2019;10:1–7. doi: 10.1038/s41467-018-07882-8. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
20.
Backes C, et al. Получение обогащенных монослоем дисперсий жидкостно-расслоенных нанолистов методом жидкостного каскадного центрифугирования. АКС Нано. 2016;10:1589–1601. doi: 10.1021/acsnano.5b07228. [PubMed] [CrossRef] [Google Scholar]
21. Lin Z, et al. Двумерные полупроводники, пригодные для обработки, для высокопроизводительной электроники большой площади. Природа. 2018;562:254. doi: 10.1038/s41586-018-0574-4. [PubMed] [CrossRef] [Академия Google]
22. Pan C, et al. Сосуществование биполярного и порогового резистивного переключения на границах зерен в многослойном гексагональном нитриде бора. Доп. Функц. Матер. 2017;27:1604811. doi: 10.1002/adfm.201604811. [CrossRef] [Google Scholar]
23. Sangwan VK, et al. Визуализация термоактивируемого мемристивного переключения в перколяционных сетях двумерных полупроводников, обработанных раствором. Доп. Функц. Матер. 2021;31:2107385. doi: 10.1002/adfm.202107385. [CrossRef] [Google Scholar]
24. Tan C, Liu Z, Huang W, Zhang H.
Устройства энергонезависимой резистивной памяти на основе обработанных раствором ультратонких двумерных наноматериалов. хим. соц. 2015; 44:2615–2628. дои: 10.1039/C4CS00399C. [PubMed] [CrossRef] [Google Scholar]
25. Han ST, et al. Квантовые точки черного фосфора с настраиваемыми свойствами памяти и многоуровневыми характеристиками резистивного переключения. Доп. науч. 2017;4:1600435. doi: 10.1002/advs.201600435. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
26. Sivan M, et al. Все резистивные ячейки ОЗУ WSe 2 1T1R для будущей интеграции встроенной монолитной 3D-памяти. Нац. коммун. 2019;10:1–12. doi: 10.1038/s41467-019-13176-4. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
27. Абделькадер А., Купер А., Драйфе Р.А., Кинлох И. Как попасть между листами: обзор недавних работ по электрохимическому расслаиванию графеновых материалов из объемного графита. Наномасштаб. 2015;7:6944–6956. doi: 10.1039/C4NR06942K. [PubMed] [CrossRef] [Google Scholar]
28.
Son D, et al. Коллоидный синтез нанолистов дисульфида молибдена одинакового размера для гибкой энергонезависимой памяти в масштабе пластины. Доп. Матер. 2016;28:9326–9332. doi: 10.1002/adma.201602391. [PubMed] [CrossRef] [Академия Google]
29. Бессонов А.А., и соавт. Слоистые мемристивные и мемеменсивные переключатели для печатной электроники. Нац. Матер. 2015;14:199–204. doi: 10.1038/nmat4135. [PubMed] [CrossRef] [Google Scholar]
30. Eda G, et al. Фотолюминесценция химически эксфолиированного MoS 2 . Нано Летт. 2011;11:5111–5116. doi: 10.1021/nl201874w. [PubMed] [CrossRef] [Google Scholar]
31. Wilcoxon J, Newcomer P, Samara G. Синтез и оптические свойства MoS 2 и изоморфных нанокластеров в режиме квантового ограничения. Дж. Заявл. физ. 1997;81:7934–7944. дои: 10.1063/1.365367. [CrossRef] [Google Scholar]
32. Lee C, et al. Аномальные колебания решетки одно- и малослойного MoS 2 . АКС Нано. 2010;4:2695–2700. doi: 10.
1021/nn1003937. [PubMed] [CrossRef] [Google Scholar]
33. Zhan Y, Liu Z, Najmaei S, Ajayan PM, Lou J. Рост больших площадей из паровой фазы и характеристика атомных слоев MoS 2 на SiO 2 подложка. Маленький. 2012; 8: 966–971. doi: 10.1002/smll.201102654. [PubMed] [CrossRef] [Академия Google]
34. Бхаттачарджи С. и др. Взгляд на многоуровневое резистивное переключение в монослое MoS 2 . Приложение ACS Матер. Интерфейсы. 2020;12:6022–6029. doi: 10.1021/acsami.9b15677. [PubMed] [CrossRef] [Google Scholar]
35. Yin X, et al. Мемристивное поведение обеспечивается аморфно-кристаллической двумерной оксидной гетероструктурой. Доп. Матер. 2020;32:2000801. doi: 10.1002/adma.202000801. [PubMed] [CrossRef] [Google Scholar]
36. Fang Z, et al. HfO х \ TiO х \HfO x \TiO x многослойные устройства RRAM без формовки с превосходной однородностью. IEEE Электрон. Устройство Летт. 2011; 32: 566–568.
doi: 10.1109/LED.2011.2109033. [CrossRef] [Google Scholar]
37. Sangwan VK, et al. Многовыводные мемтранзисторы из поликристаллического монослоя дисульфида молибдена. Природа. 2018; 554: 500–504. doi: 10.1038/nature25747. [PubMed] [CrossRef] [Google Scholar]
38. Choi S, Yang Y, Lu W. Случайный телеграфный шум и анализ переключения сопротивления резистивной памяти на основе оксида. Наномасштаб. 2014; 6: 400–404. дои: 10.1039/C3NR05016E. [PubMed] [CrossRef] [Google Scholar]
39. Zhang Y, et al. Переход металлической проводимости в прыжковую в Ta 2 O 5− x /TaOy резистивное переключающее устройство. заявл. физ. лат. 2014;105:063508. doi: 10.1063/1.4893325. [CrossRef] [Google Scholar]
40. Choi S, et al. Эпитаксиальная память SiGe для нейроморфных вычислений с воспроизводимой высокой производительностью на основе инженерных дислокаций. Нац. Матер. 2018;17:335–340. doi: 10.1038/s41563-017-0001-5. [PubMed] [CrossRef] [Академия Google]
41.
Чжао С., Чжао Ч.З., Тейлор С., Чалкер П.Р. Обзор энергонезависимой памяти с диэлектриками high-k: флэш-память для генерации за пределами 32 нм. Материалы. 2014;7:5117–5145. дои: 10.3390/ma7075117. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
42. Chen P-Y, Gao L, Yu S. Дизайн резистивной синаптической матрицы для реализации разреженного обучения на кристалле. IEEE транс. Многомасштабные вычисления. Сист. 2016;2:257–264. doi: 10.1109/TMCSS.2016.2598742. [CrossRef] [Google Scholar]
43. Wu, W. et al. Методология улучшения линейности аналоговой RRAM для нейроморфных вычислений. Симпозиум IEEE по технологии СБИС, 2018 г. . 103-104. 10.1109/ВЛСИТ.2018.8510671. (IEEE, 2018).
44. Чанг, К.-К. и другие. Проблемы и возможности для ускорения онлайн-обучения с использованием аппаратной нейронной сети на основе RRAM. 2017 IEEE International Electronic Devices Meeting (IEDM) . 11.16. 11-11.16. 14. 10.1109/ИЭДМ.2017.8268373. (IEEE, 2017).
45. Yao P, et al. Полностью аппаратно реализованная мемристорная сверточная нейронная сеть. Природа. 2020; 577: 641–646. doi: 10.1038/s41586-020-1942-4. [PubMed] [CrossRef] [Google Scholar]
46. Batude, P. et al. Достижения, проблемы и возможности последовательной интеграции 3D CMOS. 2011 г. Международная встреча IEEE по электронным устройствам ( IEDM ). 7.3. 1-7.3. 4. 10.1109/ИЭДМ.2011.6131506. (IEEE, 2011).
47. Шулакер М.М. и соавт. Монолитная трехмерная интеграция логики и памяти: полевые транзисторы с углеродными нанотрубками, резистивная оперативная память и кремниевые полевые транзисторы. Международная встреча IEEE по электронным устройствам (IEDM), 2014 г. . 27.24. 21-27.24. 24. 10.1109/IEDM.2014.7047120 (IEEE, 2014).
48. Цзян Дж., Парто К., Цао В., Банерджи К. Максимальная монолитно-3D-интеграция с 2D-материалами: обоснование, перспективы и проблемы. IEEE J. Электронные устройства Soc. 2019;7:878–887. doi: 10.1109/JEDS.
2019.2925150. [CrossRef] [Google Scholar]
49. Chand, U. et al. 2-кбит массив трехмерных полевых транзисторов IGZO с монолитным стеком с низким значением SS-64 мВ/дек, сверхмалой утечкой, конкурентоспособной производительностью μ-57 см 2 /Vs и демонстрацией новой схемы только на nMOS. Симпозиум 2021 года по технологии СБИС. 1–2 (IEEE, 2021 г.).
50. Perdew JP, Burke K, Ernzerhof M. Аппроксимация обобщенного градиента стала проще. физ. Преподобный Летт. 1996;77:3865. doi: 10.1103/PhysRevLett.77.3865. [PubMed] [CrossRef] [Google Scholar]
51. Blöchl PE. Проекторный метод присоединенных волн. физ. Преподобный Б. 1994; 50:17953. doi: 10.1103/PhysRevB.50.17953. [PubMed] [CrossRef] [Google Scholar]
52. Крессе Г., Фуртмюллер Дж. Эффективные итерационные схемы для неэмпирических расчетов полной энергии с использованием базиса плоских волн. физ. Преп. Б. 1996;54:11169. doi: 10.1103/PhysRevB.54.11169. [PubMed] [CrossRef] [Google Scholar]
53. Климеш Дж.
