生产时间:7月21日

英特尔的下一代MRAM
在最近的2020超大规模集成电路技术与电路研讨会，英特尔发表了一篇关于cmos兼容自旋轨道转矩MRAM (SOT-MRAM)器件。

尚在研发阶段的SOT-MRAM是旨在取代SRAM的下一代MRAM。一般来说，处理器集成了CPU、SRAM和各种其他功能。SRAM存储处理器快速需要的指令。这被称为一级高速缓存存储器。

基于sram的L1缓存速度很快，但它也占用了太多的芯片空间。因此，多年来，业界一直在寻求取代SRAM，即今天的自旋转移扭矩MRAM (STT-MRAM)。STT-MRAM具有SRAM的速度和闪存的不挥发性，具有无限的续航能力。

在目前的生产中，STT-MRAM是一种具有磁隧道结(MTJ)存储单元的单晶体管架构。它利用电子自旋的磁性在芯片中提供非挥发性。写和读函数在MTJ单元中共享相同的并行路径。

这个问题?STT-MRAM的速度不足以取代SRAM的L1和/或L2缓存。还有一些可靠性问题。

这就是为什么业界正在探索SOT-MRAM作为SRAM的替代品。SOT-MRAM类似于STT-MRAM。不同之处在于SOT- mram在设备下面集成了一个SOT层。根据Imec的说法，它通过在相邻的SOT层中注入面内电流来诱导层的开关。

然而，今天SOT-MRAM最大的问题是它只有大约50%的时间切换。为了应对这些挑战，几家实体正在研究这项技术，包括Imec、英特尔和其他公司。英特尔研究员Noriyuki Sato在2020年VLSI技术与电路研讨会上发表的一篇论文中表示:“用SOT-MRAM取代高密度SRAM预计将提供2-3倍的密度飞跃。”其他人对这项工作做出了贡献。

英特尔已经展示了一种cmos兼容的SOT- mram器件工艺，该工艺具有双层SOT底部电极。“我们在实验中验证了双脉冲无场SOT开关方案，并在10ns下进行自旋传递扭矩辅助。与传统的无场SOT切换方案不同，所演示的方案没有增加工艺集成的复杂性，”Sato说。“有效的自旋霍尔角为0.27，在电CD为57nm时的中位隧穿磁阻比为127%，在300mm尺度上实现了96%的基于电阻的MTJ产量。”

为了开发该技术，英特尔开发了一种新的SOT底部电极(BE)结构。它由两个重金属层和一个MTJ蚀刻工艺组成，在它们之间有很高的选择性。Sato说:“这使我们能够精确地控制300毫米晶圆上SOT BE的过蚀刻厚度。”

氧化硅ReRAM
在超大规模集成电路技术和电路活动中，米兰理工大学，Weebit Nano和Leti展示了一款联合研究报告一种新型人工智能(AI)的自我学习基于ReRAM的演示．

该技术基于Weebit的氧化硅(SiOx) ReRAM，解决了一个主要问题。研究人员称，人工神经网络(ann)在物体识别方面优于人类，但该技术无法在不忘记训练任务的情况下获取新信息。

作为回应，研究人员开发了基于SiOx rram的推理硬件。该技术能够融合卷积神经网络的效率和spike网络的可塑性。换句话说，研究人员设计了一种受大脑启发的人工智能系统，可以执行无监督学习任务，并获得高精度结果。

该技术使硬件能够学习新事物，而不忘记先前获得的信息的训练任务。研究人员使用MNIST(99.3%)、噪声N-MNIST(96%)、Fashion-MNIST(93%)和CIFAR-10(91%)数据集验证了系统的准确性。

研究人员证明，该电路可以通过塑料调整其工作频率来节省电力，并使高达50%的未受过训练的班级能够持续学习。这优化了分类并实现了过滤器的重新训练，从而克服了标准ann的灾难性遗忘。

米兰理工大学教授丹尼尔·埃尔米尼说:“持续学习对我们人类积累知识至关重要。人工神经网络目前缺乏这种能力，因为之前的知识通常会被第二次训练抹去——这个过程被称为灾难性遗忘。这个人工智能系统结合了两者的优点，即深度学习的准确性和人脑的灵活性，从而向类脑硬件的实现又迈进了一步。”

Weebit Nano首席执行官Coby Hanoch表示:“在过去的一年里，Weebit与Ielmini教授在联合神经形态ReRAM项目上取得的进展，证明了我们的氧化硅ReRAM技术在人工智能应用中的能力。我们正在进行的合作将确保我们的技术处于未来人工智能和神经形态计算应用的前沿，应对未来的挑战。”

FeFETs
除了SOT-MRAM和ReRAM，业界还在研究另一种新的存储类型，称为铁电场效应晶体管(FeFET)。

目前仍在研发阶段的FeFET利用现有的基于氧化铪的高k/金属栅极堆叠逻辑晶体管。然后对栅极绝缘子进行铁电改性。

工业界正在开发嵌入式和独立的FeFET设备。嵌入式FeFET将集成在控制器中。独立设备可能成为一种新的内存类型或DRAM的替代品。

台湾国立清华大学的吴永贤在2020年超大规模集成电路技术与电路研讨会上的一篇论文中说:“基于铁电(FE) HfO2的具有薄界面层(IL)的FeFET存储器是存储级存储器和神经形态计算的一个令人信服的候选者。”其他人对这项工作做出了贡献。“大内存窗口(MW)以及强大的持久性对于FeFET内存是可取的。然而，大多数FeFET存储器件显示的MW有限，范围为0.7-1.5 V，续航能力下降，这可能会对进一步的应用构成挑战。”

在论文中，国立清华大学展示了FeFET存储器内存窗口大，续航能力强。研究人员使用高k的AlON材料来提高性能。

Wu说:“在不破坏铁电(FE)相稳定的情况下，我们提出了N ~13%的高k AlON作为FE HfZrOx (HZO)和Si衬底之间的界面层(IL)，用于FeFET内存，以增强内存窗口(MW)，同时提高与SiO2 IL相比的可靠性。”“基于alon的存储器在±4v操作时表现出3.1 V的大MW，长达10年的长保留期和长达105次循环的长脉冲宽度(10- 4s)方面表现出良好的性能。”

AlON和FE-HZO可以集成在一个ALD步骤中，以简化工艺。AlON为实现更可靠和可行的FeFET存储器铺平了一条有前途的道路。