近年来，RRAM 因其构造简略、放弃工夫长、运行速度快、超低功耗运行能力、可能在不影响器件性能的状况下扩大到更低的尺寸以及可进行三维集成的可能性而日益受到重视。过来几年的钻研表明，RRAM 是后 CMOS 时代设计高效、智能和平安计算零碎的最合适候选者之一。

半导体电子学畛域在过来十年中迅速增长，对人类社会产生重大影响。这归因于信息通信技术畛域的空前增长，以及工程技术畛域的各个领域对高效信息处理系统需要的减少。信息技术零碎的疾速倒退彻底改变了智能手机、微型计算机和物联网（IoT）设施等产品，这些产品须要高性能计算技术。古代产品由电气和机械组件组成，成为了将硬件、数据存储、传感器、软件、微处理器和多种连贯形式多种形式组合在一起的简单零碎。传统计算零碎利用冯·诺依曼体系结构执行计算工作，但因为CPU和内存之间的差距一直增大，物理上拆散的内存和计算单元产生了大量提早和高能耗，即“冯·诺依曼瓶颈”。自20世纪60年代以来，通过放大电子器件尺寸和升高集成电路（ICs）的制作老本来加强设施的计算能力。然而，冯·诺依曼体系结构的固有缺点限度了计算能力的晋升。因而，钻研人员将注意力转向了阻性随机存取存储器（RRAM）等新型数据处理技术，以解决内存不足的问题。RRAM被视为现有CMOS设施的有心愿的替代品，具备诸多劣势，如可扩展性、高数据保留性、低功耗和绝对较高的速度。RRAM采纳电阻切换存储器技术，可实现多位信息存储，并通过管制丝形体的造成和切换来进步平均性和稳定性。因为其现代化的需要，RRAM技术正朝着全面商业化迈进，其在将来几年内的发展前景广大。

RRAM的历史倒退

RRAM设施的钻研最后始于20世纪60年代初，将电阻性切换归功于Hickmott。过后，电阻性切换景象在多种氧化物资料中失去报告。然而，随后几年对电阻性切换景象的钻研并没有获得冲破。直到2000年，休斯顿大学的钻研人员察看到了磁电阻薄膜中的电阻性切换景象，重新点燃了对RRAM钻研的激情。2002年，Zhuang等人报道了基于Pr0.7Ca0.3MnO3的64位RRAM阵列。在2004年至2007年期间，英飞凌和三星的钻研团队获得了显著的研究成果，首次展现了3D RRAM阵列。在2004年，三星展现了一个基于二元过渡金属氧化物的简略RRAM，齐全集成了0.18微米CMOS技术。2008年，惠普的Strukov等人发表了《天然》杂志上的论文，扩大了RRAM的用处，被认为是RRAM倒退的转折点。2010年，unity半导体胜利展现了64MB的RRAM原型测试芯片。接下来的几年里，SanDisk/东芝展现了24纳米技术的32Gb RRAM存储器设施，而Micron/索尼展现了27纳米技术的16Gb RRAM原型。2016年，中国科学院微电子研究所的Qing等人报告了超低功耗的三维垂直十字形RRAM阵列。2020年，TSMC发表在40纳米和22纳米节点上生产RRAM。2021年9月，Weebit Nano与美国Skywater达成协议，将RRAM技术投入量产。Weebit Nano生产的ReRAM被称为老本效益高、在低温范畴内具备加强的耐久性和保留性、对辐射和电磁场具备容忍性，并且不会对前端模仿组件造成烦扰。RRAM倒退历史上最重要的事件具体列在图2所示的时间轴图中。

2022 年 2 月，《电子周刊》发表的文章提到，IMEC 与 Intrinsic Semiconductor Technologies 单干，胜利扩大了其基于氧化硅的 RRAM，并展现了现实的个性，从而为逻辑器件中非易失性存储器的老本效益和加强性能铺平了路线。用于边缘人工智能和物联网利用的先进解决节点。最近，2022 年 8 月，斯坦福大学工程师推出了一款名为“NeuRRAM”的新型 RRAM 芯片，该芯片在内存中具备 AI 解决能力，从而无需独自的计算和内存单元。这篇发表在 Nature 上的文章宣称该芯片只有指尖大小，比以后最先进的芯片具备更多的解决能力和更少的电池耗费。

RRAM设计和物理机制

RRAM的器件构造是简略的金属-绝缘体-金属（MIM）构造，相似电容器，其中的切换层夹在两个金属电极之间。RRAM细胞的示意图如图3所示。MIM构造的电阻能够通过施加适当的电信号而扭转，并且设施会放弃以后的电阻状态，直到施加适当的信号以扭转其电阻，代表了器件的非易失性质[37, 38]。因为RRAM器件的简略构造，它能够轻松集成在带有4F2（F是最小特色尺寸）的无源十字阵列中，并且能够在垂直重叠的三维（3D）架构内将尺寸进一步减小至4F2/n（n是十字阵列的重叠层数）。

在RRAM中，通过在电极之间施加内部电压脉冲来扭转器件的电阻。RRAM背地的固有物理现象是电阻性转换（RS），这意味着在内部电刺激下，设施能够自在地编程为高电阻状态（HRS，或关断状态）或低电阻状态（LRS，或通断状态）。传统的存储器件以二进制模式存储数据，“0”代表未存储的数据，“1”代表已存储的数据。RRAM设备利用氧化和还原等氧化还原反馈来进行无效的数据存储，在这种反馈中，氧化还原反馈在绝缘体内造成导电丝（CF）在两个金属电极之间。因为内部电脉冲的作用，导电丝在RRAM的两个金属电极之间造成，设施被认为处于低电阻状态（LRS），通常称为逻辑状态“1”。当导电丝破裂时，设施被认为处于高电阻状态（HRS），通常称为逻辑状态“0”。图4显示了RRAM的操作机制的示意流程图。

RRAM 的三维 (3D) 集成

3D计算构造排列显著进步了存储器的能耗和带宽拜访。近年来，曾经在单个器件级别对许多垂直RRAM架构进行了试验钻研，它们仿佛是很有前途的。然而，要齐全实现3D存储系统，须要解决许多根本技术问题，其中一些包含低电阻铜互连与低介电层之间的问题，因为晶体管互连导致的热估算不兼容。因而，须要评估3D RRAM零碎在阵列级别的性能。曾经提出了几种建模办法来钻研基于写入/读取方案设计、几何缩放趋势以及器件参数等的3D RRAM构造。

图a显示了3D程度RRAM阵列。3D垂直RRAM阵列被视为一组垂直排列的2D立体，通常由抉择线（SL）抉择，如图b所示。解码通常由SL、位线（BL）和字线（WL）实现。每个垂直电极的边缘与一个WL相连。柱体与阵列底部的BL连贯。用于操作与柱体电极串联的垂直晶体管的SL。然而，对于特定蚀刻横径比（AR）的3D排列，最大高度限制可在已知特色尺寸（F）时计算；当柱体电极的直径（d）加上两倍的RRAM绝缘氧化物厚度（tox）时，能够确定F；此外，F被视为相邻柱体电极核心之间间隔的一半。因而，每个层由一个厚度为（tm）的立体电极和一个厚度为（ti）的拆散层组成。利用电阻率和这些几何因素，能够计算立体和柱状互连的电阻。利用位老本可扩大（BICS）技术，将3D垂直RRAM架构用于将存储单元搁置在立体电极和垂直柱体之间作为3D NAND闪存的代替计划。

基于RRAM的神经状态计算的原型

传统上，RRAM能够实现存储和存储器设施的指标。在RRAM中产生模仿或渐变的切换。这种类型的切换在须要精确的导电变动的神经形态学利用中十分重要。为了解决与人工智能相干的问题，将RRAM与CMOS技术集成能够被证实十分无效。神经状态计算架构须要低功耗和高密度的构造，每个单元至多具备5位/单元的存储。基于RRAM的神经网络的原型，采纳Ag掺杂SiON构造的8×8 1T1R阵列。

a. 1T1R构造的8×8基于RRAM的神经网络的光学图像。b. 1T1R单元的扫描电子显微镜图像，c. 单个1R单元的图像。d. 输出模式，e. 峰值神经电流，f. 每个训练周期的突触权重。g. 短期突触可塑性的试验察看。h. 基于间隔时间的漂移电阻突触与扩散电阻突触串联的导电（权重）变动，显示生物真切的STDP。i. 用于面包板上TRNG利用的RRAM器件的电路安排。j. 对1 kHz输出电压脉冲的一个计数器输入。k. TRNG器件中间断开关循环中随机二进制输入翻转状态。

自物联网设施日益重要以来，eNVM（非易失性存储器）设施的重要应用领域之一是硬件安全畛域。在存储利用中，须要指出的是，eNVM的随机性是不受欢迎的；相同，随机状态变动更适宜用作平安利用的熵源。在平安利用中，STTRAM和RRAM是次要竞争者，在操作条件管制下，eNVM设施的随机电报噪声、电阻、开关电压和开关产量的可变性十分重要。对于基于RRAM设施的平安零碎，随机性是各种利用（如物理不可克隆性能（PUF）和真随机数生成器（TRNG））的要害特色。对于这些设施，外在的随机个性是熵变动（随机性）的重要起源，用于生成随机数和加密密钥。从LRS或HRS的周期到周期和器件到器件的变动用于实现TRNG设施中的变动。报道了一种基于挥发性扩散RRAM的TRNG，该TRNG利用了Ag掺杂的SiO2构造中金属原子的扩散动力学。图29i-k显示了电路安排，包含一个Ag掺杂的扩散型RRAM、一个比拟器、一个AND门和一个计数器。在这种状况下，熵的起源被认为是延迟时间的外在随机性。图29i、j显示了应用简略的基于板板的电路建设的试验设置和应用示波器监测的原型工作，别离。应用具备恒定幅度（1 = 0.4 V）和300和700 s距离（即1 kHz频率）的脉冲列。对于初始状态，位放弃在低逻辑电平（“0”），计数器在一段延迟时间后开始接管时钟信号（以4 MHz），位在低电平和高电平之间迅速扭转其状态（“0”和“1”）。计数器在输入脉冲（1）完结时进行计数，同时放弃其之前的状态，直到接管到下一个计数信号。微控制器将此前状态读取为输入位。因为每个周期延迟时间的随机性质，每个脉冲后计数器输入齐全不可预测，并在四个间断的ON切换周期中随机翻转二进制位，从“1”→“0”→“0”→“1”→“0”。

总结

在过来的几十年里，人们在 RRAM 技术畛域做出了微小的致力，次要集中在研发畛域，旨在将其商业化并对其进行理解。截至明天，它的采纳依然无限，而且它的了解依然不残缺。 RRAM 技术提供了许多值得钻研和开发的独特属性，并有助于克服困难的扩大阻碍。在这项工作中，咱们概述了 RRAM 器件在各个领域的停顿，包含利用于 RS 层和电极的薄膜资料、RS 机制的分类和人工突触的钻研。应用氧化物、固体电解质和二维资料等有机资料制备基于RRAM的器件已在各种钻研工作中失去报道，器件体现出绝对成熟的性能。因而，RRAM器件具备有机资料广大的利用前景。器件的性能在很大水平上取决于RS机制，这也与薄膜资料的抉择和加工技术有很大关系。基于不同资料的RRAM技术在大规模商业化方面体现出了微小的后劲，前景非常广大。除了传统的大规模商业化过程之外，剖析不同RRAM器件性能的更大指标是为人工智能和神经状态计算零碎提供潜在的帮忙。 RRAM器件能够通过电性能模拟生物突触的性能，这对人工智能畛域的硬件利用产生踊跃影响。此外，它的STM和LTM等类人脑行为使得神经状态计算零碎在将来的倒退成为可能。只管遥感器件的大规模利用和产业化还有很长的路要走，但随着钻研的不断深入，新型低维纳米材料已被证实是一种有前途的候选资料，对性能晋升的副作用较小，也将保障小型器件的制作。维度安装。随着大数据时代的到来，对存储阵列、神经拟态计算和通明柔性器件的3D集成有微小的需要。将来低维纳米材料无疑将在此类畛域施展不可代替的作用。

参考文献

Wong HSP, Salahuddin S. Memory leads the way to better computing. Nat Nanotechnol. 2015;10(3):191–94.
Resistive random access memory: introduction to device mechanism, materials and application to neuromorphic computing.Discov Nano. 2023 Dec; 18(1): 36.Published online 2023 Mar 9.
许永康,鲍嘉明,陈瑞隆等.一种新型阻变存储器1T2R存储单元[J].固体电子学钻研与停顿,2022,42(05):393-399.
张娇娇,周龙,王洪强等.金属氧化物基阻变存储器的研究进展[J].铸造技术,2023,44(01):23-31.
叶沁桐.基于忆阻器的LSTM神经网络存内计算架构设计[J].集成电路利用,2023,40(10):18-21.
Kim J, Kim CH, Woo SY, Kang WM, Seo YT, Lee S, et al. Initial synaptic weight distribution for fast learning speed and high recognition rate in STDP-based spiking neural network. Solid-State Electron. 2020;165(1):107742.

阐明：本文来自CSDN存内社区，原文作者：叫我兔兔酱
https://bbs.csdn.net/topics/618092931