Haberler

Son 2020 Uluslararası Elektron Cihazları Toplantısında (IEDM) Imec, kapasitörsüz yeni bir DRAM hücre mimarisi üzerine bir makale sundu.

DRAM, sistemlerde ana bellek için kullanılır ve günümüzün en gelişmiş cihazları, kabaca 18nm ila 15nm işlemlerine dayanmaktadır.DRAM için fiziksel sınır yaklaşık 10 nm'dir.

DRAM'in kendisi, tek transistörlü, tek kapasitörlü (1T1C) bellek hücresi mimarisine dayanmaktadır.Sorun şu ki, her düğümde kapasitörün ölçeklendirilmesi veya küçültülmesi daha zor hale geliyor.

Imec'e göre, "Geleneksel 1T1C DRAM belleklerini 32 Gb kalıp yoğunluğunun ötesine ölçeklendirmek iki büyük zorlukla karşı karşıyadır".“Birincisi, Si tabanlı dizi transistör ölçeklendirmedeki zorluklar, hücre boyutunun küçültülmesi ile gerekli off-akım ve dünya hat direncini korumayı zorlaştırıyor.İkincisi, 3D entegrasyonu ve ölçeklenebilirlik - yüksek yoğunluklu DRAM'e giden nihai yol - bir depolama kapasitörüne duyulan ihtiyaçla sınırlıdır. "

Ar-Ge'de endüstri, DRAM'in yerini alacak çeşitli yeni nesil bellek teknolojileri üzerinde çalışıyor.Daha sonra, bazıları yeni malzemeler kullanarak bugünün DRAM'ını genişletmenin yolları üzerinde çalışıyor.

Örneğin Imec, iki indiyum-galyum-çinko-oksit ince film transistörü (IGZO-TFT'ler) uygulayan ve depolama kapasitörsüz bir DRAM hücre mimarisi tasarladı.2T0C (2 transistör 0 kapasitör) konfigürasyonundaki DRAM hücreleri, farklı hücre boyutları için 400 saniyeden daha uzun bir tutma süresi gösterir.Bu da belleğin yenileme hızını ve güç tüketimini azaltır.

Hat sonu (BEOL) üretim hattında IGZO-TFT'leri işleme yeteneği, hücrenin kapladığı alanı azaltır ve tek tek hücrelerin istiflenmesi olasılığını açar.

“Uzun tutma süresinin yanı sıra, IGZO-TFT tabanlı DRAM hücreleri mevcut DRAM teknolojilerine göre ikinci bir büyük avantaj sunuyor.Si'den farklı olarak, IGZO-TFT transistörler nispeten düşük sıcaklıklarda üretilebilir ve bu nedenle BEOL işleme ile uyumludur.Bu, DRAM bellek hücresinin çevresini bellek dizisinin altına taşımamıza olanak tanır ve bu da bellek kalıbının ayak izini önemli ölçüde azaltır.Ek olarak, BEOL işleme, tek tek DRAM hücrelerini istiflemeye yönelik yollar açar ve dolayısıyla 3D-DRAM mimarilerini etkinleştirir.Imec'in program direktörü Gouri Sankar Kar, "Çığır açan çözümümüz, bellek duvarının yıkılmasına yardımcı olacak ve DRAM anılarının bulut bilişim ve yapay zeka gibi zorlu uygulamalarda önemli bir rol oynamaya devam etmesini sağlayacak" dedi.

14 nm STT-MRAM
IBM ayrıca IEDM'de, 14nm CMOS işlem düğümünde dünyanın ilk yerleşik döndürme aktarım torku MRAM (STT-MRAM) teknolojisi hakkında bir bildiri sundu.

IBM'in STT-MRAM teknolojisi, mobil, depolama ve diğer sistemlerdeki yerleşik ve önbellek uygulamaları için tasarlanmıştır.

Yeni nesil bir bellek teknolojisi olan STT-MRAM çekicidir çünkü SRAM hızına ve flashın uçuculuğuna ve sınırsız dayanıklılığa sahiptir.STT-MRAM, manyetik tünel bağlantı (MTJ) bellek hücresine sahip tek transistörlü bir mimaridir.Çiplerde uçucu olmayan özellikler sağlamak için elektron spininin manyetizmasını kullanır.Yazma ve okuma işlevleri, MTJ hücresinde aynı paralel yolu paylaşır.

İki tür STT-MRAM vardır - bağımsız yongalar ve gömülü.Bağımsız STT-MRAM, kurumsal katı hal sürücülerinde (SSD'ler) gönderiliyor ve kullanılıyor.

STT-MRAM ayrıca mikrodenetleyicilerdeki (MCU'lar) ve diğer yongalardaki günümüzün yerleşik NOR flash belleğinin yerini almayı hedefliyor.STT-MRAM ayrıca önbellek uygulamaları için tasarlanmıştır.

Günümüzün MCU'ları, merkezi işlem birimi (CPU), SRAM, gömülü bellek ve çevre birimleri gibi aynı yonga üzerinde birkaç bileşeni entegre eder.Gömülü bellek, bir aygıtı başlatan ve programları çalıştırmasına izin veren kod depolama için kullanılır.En yaygın gömülü bellek türlerinden biri NOR flash bellek olarak adlandırılır.NOR flash bellek sağlamdır ve gömülü uygulamalarda çalışır.

Ancak NOR'un buharı bitiyor ve 28nm / 22nm düğümlerinin ötesine ölçeklenmesi zor.Ayrıca, yerleşik NOR veya eFlash, gelişmiş düğümlerde çok pahalı hale geliyor.

STT-MRAM burada devreye giriyor - 28nm / 22nm ve ötesinde yerleşik NOR'un yerini alacak.Ancak, bu gelişmiş uygulamalar iki temel zorlukla sınırlandırılmıştır: 1) dağıtımları kontrol ederken yazma akımlarını azaltmak için MTJ performansını iyileştirmek;ve 2) gelişmiş düğüm ölçeklendirme için MRAM / CMOS devresini ve hücre yoğunluğunu artırmak.Daniel Edelstein, 28nm - 22nm düğümlerindeki önceki lider çalışma, sıkı aralıklı MTJ'leri BEOL metal seviyeleri arasındaki kısa dikey boşluk içinde entegre etmenin zorluğunu vurguladı - şimdiye kadar 14nm düğüm eMRAM'in geliştirilmesini engelleyen bir zorluk, "dedi Daniel Edelstein , gazetede bir IBM çalışanı.Diğerleri işe katkıda bulundu.

“Burada, ilk 14nm düğümlü eMRAM teknolojisini gösteriyoruz.2Mb eMRAM makrosu kullanarak, M1 ve M2 arasına dikey olarak uyan sıkı bir MTJ aralığında (160nm) bir entegrasyon elde ederiz.Bu yerleşim, yığılmış BEOL parazitlerini ortadan kaldırarak eMRAM devre performansını en üst düzeye çıkarır ve mantık için üst kablo yollarını temizleyerek ve büyük dizileri bağlamak için toplam düzey sayısını azaltarak yonga boyutunu ve maliyetini azaltır (bunlar, yerleştirilen MTJ'ler için n + 3 Cu düzeyine ihtiyaç duyabilir. Mn düzeyi, dolayısıyla n = 1'in avantajı).4ns'ye kadar yazma performansı da dahil olmak üzere okuma ve yazma işlevselliğini gösteriyoruz ve eMRAM işlem modülünün mantık BEOL güvenilirlik gereksinimlerini korurken eklenebileceğini gösteriyoruz ”dedi Edelstein.

"Yeni bir alt litografik mikrostud (μ-saplama) alt elektrot (BEL), MTJ modelleme ve dielektrik filmlerin ince profil kontrolü, optimize edilmiş BEL / MTJ metalizasyon ve optimize edilmiş MTJ sonrası düşük dahil olmak üzere çeşitli birim proses yenilikleri bu entegrasyonu mümkün kıldı -k dizi ve mantık alanlarında düzlemselleştirme ”dedi.

İdeal Olmayan ReRAM
CEA-Leti, dirençli RAM'in (ReRAM) "ideal olmayan" özelliklerini kullanan bir makine öğrenimi tekniğini gösterdi.

Araştırmacılar, bilgi işlemin sınırı için ReRAM tabanlı cihazlar geliştirmek için çeşitli engellerin üstesinden geldiler.

Yapay zekanın bir alt kümesi olan makine öğrenimi, bir sistemdeki sinir ağını kullanır.Bir sinir ağı, verileri sıkıştırır ve sistemdeki kalıpları tanımlar.Ardından, belirli kalıplarla eşleşir ve bu özelliklerden hangisinin önemli olduğunu öğrenir.

Bu arada ReRAM, aynı zamanda yeni nesil bir bellek türüdür.ReRAM, günümüzün flash belleğinden daha düşük okuma gecikmelerine ve daha hızlı yazma performansına sahiptir.ReRAM'de, bir malzeme yığınına bir voltaj uygulanır ve hafızadaki verileri kaydeden dirençte bir değişiklik yaratılır.

Ancak ReRAM'in geliştirilmesi zordur.Pazarda yalnızca birkaçı parça sevk etti.Başka sorunlar da var.Bir teknoloji dergisi olan Nature Electronics'ten CEA-Leti'den Thomas Dalgaty, "Mevcut yaklaşımlar tipik olarak dirençli belleğin içsel ideal olmayanlıkları, özellikle döngüden döngüye değişkenlik ile bağdaştırılamayan öğrenme algoritmalarını kullanır" dedi.

Dalgaty, "Burada, Markov zinciri Monte Carlo örneklemesini Bayes makine öğrenimi modeli olarak yapılandırılmış 16.384 cihazdan oluşan fabrikasyon bir dizide uygulamak için memristor değişkenliğinden yararlanan bir makine öğrenimi şemasını rapor ediyoruz," dedi."Yaklaşımımız, on milyon dayanıklılık döngüsünde cihaz bozulmasına karşı sağlamlık gösteriyor ve devre ve sistem düzeyindeki simülasyonlara dayalı olarak, modelleri eğitmek için gereken toplam enerjinin, tamamlayıcıdan önemli ölçüde daha düşük olan mikro jul düzeyinde olduğu tahmin ediliyor. metal oksit yarı iletken (CMOS) tabanlı yaklaşımlar. ”(Mark LaPedus'tan)