Проактивная схема раннего обнаружения повышает стойкость массивов RRAM с заполненными контактами
Аннотация
Как одно из самых перспективных встроенных решений энергонезависимой памяти для передовых CMOS модулей, приложения резистивной оперативной памяти (RRAM) в высокой степени зависят от ее цикловичности. Благодаря детальному анализу найдены связи между типами шума, конфигурациями нитей и случаями сброса (reset failure) во время циклических тестов. Кроме того, продемонстрировано восстанавливающее лечение для восстановления цикловичности RRAM. Также предложена схема раннего обнаружения уязвимых ячеек в массиве для дальнейшего улучшения общей выносливости массива RRAM. Срок службы RRAM может быть продлен до более чем 10 тысяч циклов без неисправных битов в массиве.
Введение
В последние годы RRAM с преимуществами простой структуры, превосходной масштабируемости и высокой совместимостью с передовыми CMOS процессами стал одной из ключевых технологий для реализации встроенных модулей энергонезависимой памяти. RRAM с высокой цикловичностью может расширить свои применения к системам, требующим более частого обновления энергонезависимых данных, таким как вычисления в памяти и нейроморфные системы.
Переключение состояний в пленках RRAM, как считается, достигается генерацией/рекомбинацией кислородных вакансий (Vo) для дальнейшего управления построением/разрушением проводящих нитей (CF). Многие исследования показали, что стохастические механизмы в формировании CF во время операций установки/сброса (set/reset) были найдены как одна из основных причин отказа битов во время циклических тестов. В ячейке с неудачной установкой (fail-to-set cell) избыточные Vo рекомбинировавшиеся во время операций сброса расширяют туннельный зазор между остаточными CF и верхним электродом, что ослабляет электрическое поле в области зазора, приводя к низкой генерации Vo. С другой стороны, избыточные Vo, сгенерированные во время операции установки, приводят к чрезмерному росту CF. Считается, что это основная причина сбоев сброса. Также неожиданное истощение кислородных ионов во время циклирования оказывается ответственным за закрытие окна сопротивления. Несколько схем для смягчения эффекта стохастического процесса в генерации/аннигиляции Vo были сообщены в различных исследованиях. Импульсы с большим временем нарастания и спада соответственно снижали генерацию Vo в операции установки и потребление кислородных ионов в процессе сброса. Для получения хорошей управляемости Vo Чен и соавт. также предлагают метод настройки амплитуды импульса для балансировки операций установки/сброса. Помимо обусловливания импульсами, сильные восстанавливающие обработки установки/сброса на устройствах после отказа по выносливости показывают, что ячейки могут быть восстановлены и снова циклены. Также раскрыто, что увеличение частоты операций восстановления поднимает общую производительность цикловой выносливости. Периодическое восстановление на всем массиве во время циклирования несет высокие накладные расходы по мощности и проблемы реализации в реальных модулях памяти. Поэтому нахождение слабых ячеек, которые находятся на грани циклического отказа, необходимо для реализации селективного и своевременного восстановления. Это может позволить улучшить цикловичность без потери ненужных процедур на здоровых ячейках.
В нашей предыдущей работе ячейки с низкой эффективностью сброса коррелировали с их топографией CF. Кроме того, случайные телеграфные шумы связаны с типами CF, которые также отражают изменение CF после циклического напряжения. В этой работе предложены новые схемы для раннего обнаружения слабых устройств в массиве по их характеристикам тока чтения. Также введена операция восстановления сброса для предупредительного укрепления уязвимых ячеек, идентифицированных методом обнаружения. Применение метода раннего обнаружения и селективных операций усиления CF успешно продемонстрировало значительное улучшение цикловичности установки/сброса.
Методы
Статистический анализ выносливости RRAM собран из 16 × 16 массива резистивной оперативной памяти с заполненными контактами (BCRRAM), изготовленного 0.18 мкм CMOS логическим процессом. Как показано на компоновке на рисунке 1, хранилищный узел BCRRAM соединен последовательно с n-канальным транзистором для выбора ячейки в массиве типа NOR. Для глубокого исследования физических свойств TMO слоя BCCRAM, трансляционно-электронный микроскопический (TEM) анализ проводили на JEOL JEM-2800 трансляционном электронном микроскопе с энергией 200 кэВ. Поперечные TEM изображения массива BCRRAM вдоль линии источника (SL) показаны на рисунке 2. Благодаря лучшему контролю толщины заполненного диэлектрического слоя, можно достичь равномерного слоя переходного металла оксида (TMO). Относительные элементные составы вдоль глубины пленки RRAM представлены в анализе энергетически-дисперсионной рентгеновской спектроскопии (EDX) на рисунке 3, где TMO пленка ячейки BCRAM состоит из TiN/TiON/SiO2. Электрический анализ завершен полупроводниковым параметрическим анализатором и генератором импульсов. DC формирования/установки/сброса характеристики BCRRAM продемонстрированы на рисунке 4a. Обратите внимание, что высокое напряжение SL в операциях формирования/установки требуется для запуска процесса мягкого пробоя. Низкое напряжение словой линии (WL) 0.6 В на затворе транзистора выбора зажимает скачкообразный ток и предотвращает переустановку в необратимые состояния сопротивления. Как устройство BCRRAM в униполярном режиме, более высокое VWL 1.2 В выбирается для обеспечения достаточно высокого тока для усиления диффузии кислородных ионов и рекомбинации с Vo, способствуя переключению обратно в HRS. Как показано на рисунке 4b, 10× окно тока чтения может быть сохранено под 50 DC циклами установки/сброса, где состояние низкого сопротивления (LRS)/состояние высокого сопротивления (HRS) установлены как 5 мкА/0.5 мкА соответственно.
Результаты и обсуждение
Цикловичность и схема восстановления сброса
Циклическая выносливость BCRRAM исследуется оптимизированным алгоритмом инкрементного пошагового импульсного программирования (ISPP), показанным на рисунке 5a. После каждого импульса напряжения состояния BCRRAM затем проверяются для определения, нужно ли увеличивать VWL/VSL для следующих операций установки/сброса. Как показано на рисунке 6a, стабильное окно тока чтения может быть получено в течение 20 мкс времени установки/сброса, см. на рисунке 6b, для 1k циклов. Экспериментальные данные показывают, что время сброса, необходимое для достижения целевого HRS, постепенно увеличивается, когда количество циклов превышает 1000. Данные также раскрывают, что большинство ячеек в конечном счете застревают в LRS даже после увеличения времени сброса до 60 мкс. Для исследования первопричины деградации сброса во время циклирования, низкочастотный шум (LFN), найденный в токе чтения, исследуется и сообщается как индекс, отражающий свойства CF. В нашей предыдущей работе ячейки с разной плотностью CF внутри своих TMO слоев демонстрируют различные спектры шума в своем токе чтения. Как изображено на рисунке 7a, ячейки могут быть классифицированы на две группы на основе характеристик спектра LFN в их токе чтения, на рисунке 7b. Ячейки с низкой плотностью CF, помеченные «здоровыми», оказываются более устойчивыми и ожидается, что они выдержат больше циклического напряжения. Ячейки, содержащие множественные крошечные CF, названные «слабыми», считаются более уязвимыми к напряжению. Для изучения основных механизмов отказа ячеек под циклическими тестами, LFN устройств BCRRAM мониторятся. Как резюмировано на рисунке 6c, найдена сильная корреляция между типами ячеек и количеством циклов в массиве BCRRAM. Доля слабых ячеек с множественными проводящими путями в TMO слоях значительно увеличивается после циклирования, что, как считается, вызывает менее эффективное нагревание в разбросанном CF, замедляя процесс сброса. В результате, отказ по выносливости на операции сброса приписывается генерации множественных проводящих путей. Помимо тестов ISPP, различные виды генерации CF после постоянных напряженных напряжений также сообщались. Необходимые CF, сгенерированные фиксированными условиями операций установки/сброса, считались одной из причин, заставляющих ячейки постепенно терять свои способности на переключение обратно в HRS. Для оживления ячеек после отказа сброса, ненужные CF внутри их TMO слоев нужно обрезать через сильные импульсы восстановления сброса с условиями на рисунке 5a, VWL=1.2В, VSL=2В и длительностью импульса 50 мкс, как продемонстрировано на рисунке 6a. С правильным лечением восстановления сброса, окно тока чтения, а также его цикловичность могут быть восстановлены. Однако, как показано на рисунке 6b, импульсы восстановления сброса нужны чаще на ячейках, переживших более 10k циклов. Данные на рисунке 6a также указывают, что операции восстановления сброса могут стать бесполезными для некоторых ячеек после длительного циклического напряжения, что предполагает, что CF в этих ячейках повреждены до невозможности ремонта.
Смещение в шумовой характеристике ячейки, наблюдаемое на рисунке 6c, подразумевает, что типы ячеек являются полезным индексом для ремонта уязвимой ячейки до того, как она достигнет полного отказа. Следовательно, различение типов ячеек по их шумовым характеристикам во время работы является решающим фактором для реализации ранних вмешательств для укрепления CF.
Схема раннего обнаружения
Для ячеек с большим количеством CF внутри TMO слоев, их ток чтения флуктуирует между множественными состояниями сопротивления. Напротив, ячейки с одной доминирующей CF в пленках RRAM, ток многократно перескакивает между двумя четкими состояниями, которые могут использоваться как индексы здоровых ячеек. В результате, количество промежуточных состояний в токе чтения может помочь нам идентифицировать уязвимые ячейки до их полного отказа. Поэтому, в алгоритме, показанном на рисунке 5b, для раннего обнаружения уязвимой ячейки и ее оживления до полной потери цикловой способности, дискретизируемый ток ячеек подается на схему обнаружения. После диагностики восстанавливающие операции выполняются на подтвержденных слабых ячейках. Следовательно, две схемы для обнаружения этих слабых ячеек вводятся и обсуждаются в следующих разделах.
Первая схема обнаружения методом буферного гейта (BG), изображенная на рисунке 8a. Во-первых, дискретизируемый ток от ячеек BCRRAM зеркалируется и фильтруется конденсатором для установки среднего уровня. Далее, разница между двумя сторонами усиливается. Усиленная разница промежуточных состояний все еще слегка флуктуирует между 0.55 В и 0.45 В. С другой стороны, ячейка с одной доминирующей CF, где ток чтения перескакивает между двумя уровнями; когда она проходит через детекторную схему, выход может быть подтолкнут к высоким/низким уровням напряжения. Как показано на рисунке 8b, разные логические состояния генерируются двумя BG с правильными переходными напряжениями и логическим элементом XOR. Для ячеек, демонстрирующих RTN среднего состояния, выходное напряжение (Vout) становится защелкнутым в высокие состояния напряжения (VH) вместо низких состояний напряжения (VL). Соотношение между вероятностью выхода в VH (PH) против вероятности в VL (PL) выхода XOR на ячейках, сначала классифицированных по их LFN как здоровые/слабые ячейки, резюмировано на рисунке 8c. Для ячеек с множественными уровнями тока в уровнях тока чтения, большая часть выхода XOR остается в высоких состояниях, когда слабые ячейки помещаются в детекторную схему. С другой стороны, здоровые ячейки с одной доминирующей CF и четкими уровнями сопротивления более склонны поставить выход XOR в низкие состояния напряжения.
Вторая схема, предложенная здесь для отсева уязвимых ячеек, названная методом триггера Шмитта (ST), изображенная на рисунке 9a. Два триггера Шмитта, верхние/нижние пороги которых спроектированы как 0.65 В/0.35 В и 0.55 В/0.45 В соответственно, используются вместо этого для выяснения вероятности тока чтения в его промежуточном состоянии. Выходное напряжение, показанное на рисунке 9b, становится высоким, когда ток чтения в своем промежуточном состоянии. Из метода ST проценты высоких/низких уровней на выходе XOR резюмированы на рисунке 9c. Результаты обнаружения более вероятно остаются в VH для слабых ячеек, чем для здоровых.
Для исследования успешности обнаружения в идентификации слабых ячеек, соотношение высоких состояний от выхода детектора для двух групп ячеек, сначала классифицированных по характеристикам LFN, сравниваются на рисунке 10a, b. Для схемы обнаружения BG мы определили слабую ячейку как имеющую соотношение PH/PL выше 2.3. С этим критерием 70% слабых ячеек могут быть успешно пойманы, приводя к 30% ложных срабатываний. Для метода ST, когда критерий выбора установлен на соотношение PH/PL > 0.25, охват может достичь 60%, в то время как ложные срабатывания могут быть до 50%. Это делает метод ST менее эффективным методом отсева. Как сравнивается на рисунке 10c, более высокий охват и меньшие шансы ложно-положительных результатов демонстрирует метод BG.
Благодаря высокому охвату, предоставляемому методом BG, он используется для обнаружения уязвимых ячеек с высоким риском отказа по выносливости для инициации ранних вмешательств. Циклические характеристики ячеек, переживающих разные типы восстанавливающих вмешательств, сравниваются на рисунке 11a. Ячейки оказываются выдерживающими только 2k циклов, когда никакие вмешательства не предпринимаются во время циклических тестов. Срок службы BCRRAM может быть продлен на несколько тысяч циклов, когда импульсы восстановления сброса применяются после отказа сброса. Однако большинство оживленных ячеек не могут пройти 8k циклов. Через схему раннего обнаружения с BG схемой, слабые ячейки в массиве до циклического отказа могут быть обнаружены. С импульсом восстановления, примененным на слабую ячейку, обнаруженную детектором, выносливость большинства ячеек BCRRAM может быть значительно продлена до более чем 40k циклов. 15% ячеек в 16 × 16 массиве памяти, требовавшие лечение восстановления сброса разными методами, сравниваются на рисунке 11b. Хотя больше ячеек нужно восстановить до 10k циклов в методе обнаружения BG, их процент ячеек относительно стабилен на протяжении 50k циклического теста. Однако в сравнительной группе, где устройства восстанавливаются после отказа сброса, доля ячеек, нуждающихся в восстанавливающих вмешательствах, увеличивается с циклическим напряжением, что указывает на более тяжелые накладные расходы по скорости и мощности.
Благодаря схеме обнаружения и восстановлению сброса, циклический срок службы BCRRAM может быть эффективно продлен. Хотя охват схемы обнаружения BG достигает 70%, некоторые уязвимые ячейки не идентифицируются. В результате мы считаем, что улучшение охвата является одним из путей для дальнейшего повышения общей выносливости массивов BCRRAM. Настройки схемы обнаружения могут быть дополнительно отрегулированы для снижения частоты ложно-отрицательных результатов, повышения охвата. Кроме того, восстановление сброса может быть оптимизировано для лучшего оживления BCRRAM до его цикловых способностей.
Заключение
В данном исследовании установлены корреляции LFN, топографий CF и отказа сброса во время циклирования. Кроме того, реализовано восстанавливающее лечение сброса в массиве BCRRAM для восстановления отказа сброса. Две схемы обнаружения, метод BG и метод ST, предложены и исследованы для отсева уязвимых ячеек для ранних восстанавливающих вмешательств. Кроме того, предложенный метод BG с более высоким охватом используется на массиве BCRRAM для улучшения выносливости. С недавно предложенными схемами обнаружения BG и операциями восстановления сброса, инициированными ранним обнаружением, продемонстрировано значительное улучшение цикловой выносливости более чем на 10k раз.
Наноматериалы
- Microchip запускает defense-grade PolarFire SoC FPGA с Early Access Program
- Проектирование умных замков и сенсоров: экспертные стратегии защиты цепей и сенсирования для безопасных умн…
- Революционизация раннего обнаружения болезней нано-биотехнологиями
- Гибкий графеновый биосенсор для быстрой, высокочувствительной детекции клеток рака яичника
- Двухмодовые датчики на углеродных наноточках для быстрого, селективного обнаружения перекиси водорода
- Комплексный обзор моделирования и симуляции резистивной оперативной памяти (RRAM)
- Высокочувствительный флуоресцентный аptaсенсор на оксиде графена для быстрого обнаружения лейкемических кле…
- Стохастическая модель кислородных вакансий объясняет вариабельность в ячейках RRAM
- Беспроводной магнетоэластический нанобиосенсор обеспечивает ультрачувствительное детектирование атразин…
- Автоматизированный ультразвуковой in-situ мониторинг для обнаружения дефектов при отверждении композитов