확률적 공석 모델에 의한 접촉 저항 랜덤 액세스 메모리의 변동성 연구

결과 및 토론

고유 공석 분배 모델

고유 Vo- 간의 상호 작용을 에뮬레이트하기 위해 그림 4a와 같은 저항 네트워크 모델이 설정됩니다[11,12,13,14]. 각 그리드의 저항은 그림 4b에 요약된 시뮬레이션 흐름을 통해 계산되고 사용된 해당 물리적 ​​매개변수는 표 1에 나열되어 있습니다. CRRAM의 TEM 사진을 기반으로 하는 2차원 구조는 너비 30nm, 두께 10nm입니다. 는 그림 5a와 같이 TMO 계층을 설명하기 위해 정의됩니다. 산화물 사이트의 저항, R _산화물 , 및 메쉬 그리드는 anatase-TiO₂의 재료 속성에 의해 결정됩니다. , 많은 연구에서 저항성 스위칭 재료로 사용되어 왔습니다[27,28,29,30]. 정방정계 구조로 인해 아나타제-TiO₂의 격자 상수는 결정학적 축에 따라 다릅니다. 단순함을 위해 우리 모델의 메쉬 그리드는 모두 1nm로 설정되어 있는데, 이는 anatase-TiO₂의 c 방향으로 격자 상수를 도입하여 [31,32,33]. 또한 그리드에 대한 저항도 anatase-TiO₂의 저항을 참조하여 결정됩니다. [34, 35]. 그림 5a와 같이 무작위로 분포된 Vo-는 초기에 2차원 메쉬 내부에 주어집니다. CRRAM의 전도 전류의 온도 및 전계 종속성은 각각 그림 6a, b에 요약되어 있습니다. TAT(Trap-Assisted Tunneling) 전류의 주요 특성은 약한 온도 효과와 ln(J)와 1/E 사이의 선형 종속성에 의해 표시됩니다[17, 36]. TAT 전도 모델을 사용하여 각 국부 Vo-저항을 추가로 얻기 위해 TMO 필름 내부의 전위 프로파일을 먼저 계산해야 합니다. Vo-의 분포는 터널링 거리가 산소 결손 사이에서 변하기 때문에 전도 전류에 지배적으로 영향을 미칠 것으로 예상됩니다. Vo-, R의 저항 _ij , 다음 식에 의해 계산됩니다. 1, 공실 상태 간의 터널링 확률을 계산하기 위해 현장에서 Vo-presence의 확률을 고려하고 TAT 모델을 채택합니다.

아 Vo-의 가변 국부 저항으로 구성된 저항 네트워크 모델의 개략도. 이 네트워크의 노드는 Vo- 간의 상호 작용을 시뮬레이션하기 위해 서로 연결됩니다. ㄴ 초기 저항 레벨의 변동성 시뮬레이션 흐름. 제작 중 고유 Voemer의 확률적 분포는 Monte Carlo 방법으로 고려됩니다.

아 고유 Vo-의 무작위 분포는 처음에 RRAM 필름에서 제공됩니다. ㄴ 트랩 보조 터널링 고려 사항에 의해 계산된 Vo의 국부적 저항 분포. ㄷ R _ini CRRAM 어레이에서 수집된 신선한 세포의 분포는 Vo-

CRRAM의 전도 메커니즘은 a를 확인하여 결정됩니다. 온도 의존성 및 b 전기장 의존성. 트랩 보조 터널링 후 CRRAM은 약한 온도 의존성과 ln(J)와 1/E 사이의 선형 맞춤이라는 두 가지 전도 특성으로 간주됩니다.

각 R _이,아니 결과가 결국 수렴할 때까지 각 반복에서 업데이트됩니다. 마지막 R _ij 그림 5b와 같이 전체 저항 R 분포가 얻어집니다. _ini , 그림 5c와 같이 새로운 세포도 이후에 투영될 수 있습니다. 그림 5c에서 볼 수 있듯이 시뮬레이션된 R _ini R 분포와 잘 맞는 고유 Vo-gree의 확률적 분포와 집중을 고려한 제안된 시뮬레이션 흐름에 의해 얻은 분포 _ini CRRAM 어레이에서 측정되었습니다. 따라서 무작위로 분포된 고유 Vo-in TMO 레이어는 다중 터널링 경로를 생성하여 CRRAM 어레이를 미리 형성할 때 발견되는 광범위하게 퍼진 초기 저항에 기여합니다.

불균일 성형 공정 분석

신선한 상태에서 셀 간 변동에 기인하는 원인을 모델링한 후 저항성 스위칭 특성을 초기화하는 성형 동작을 분석합니다. DC 스윕 모드에서 성형 작업의 시뮬레이션 흐름은 그림 7[18,19,20]에 나와 있습니다. 그림 8a와 같이 셀은 선형 영역에서 약 5KΩ의 채널 저항과 약 80μA의 포화 전류로 직렬로 선택 트랜지스터에 연결됩니다. 낮은 형성 전압의 결과로 낮은 전기장 영역에서 유전체의 전도 및 응력 메커니즘을 고려해야 합니다. 이전 연구에서 제안된 열 화학 모델을 기반으로 유전 장애의 정확한 예측이 입증되었습니다[37,38,39,40]. TiO₂의 이론적인 고장 거동 열화학 모델[41]에 의해 시뮬레이션된 CRRAM에서 관찰된 것과 유사한 특성을 보여줍니다. 따라서 여기에서 열화학 모델을 기반으로 Vo 생성률을 구합니다[42,43,44]. 열화학 모델에서 제안한 바와 같이 Vo- 옆의 격자점은 결함 주변의 약한 부분으로 정의됩니다. Vo-의 존재는 또한 그림 8b와 같이 국부적으로 강화된 필드를 유도하고 Vo-의 생성 과정을 가속화합니다[45]. exp.(−E)의 장 의존성을 갖는 열화학 모델에서 절연 파괴 과정까지의 시간을 고려하면, Vo 발생 확률 P _ij 는 다음 등식[42]에 의해 계산됩니다.

exp.(-E)

아 성형 작업은 이상적인 트랜지스터와 직렬로 연결된 CRRAM에 의해 시뮬레이션됩니다. ㄴ 기존 Vo-에 의한 불균일한 전위 분포는 국부적인 전기장을 유도하고 새로운 결함의 생성을 가속화합니다.

임계 수준, P _g 및 기준, P _ij> 피 _g , 새로운 Vo- 생성 여부에 대해 정의됩니다. 형성 전압이 2.7V에 도달할 때까지 각 반복에서 새로운 Vo-분포를 업데이트하기 위해 램핑 프로세스가 적용됩니다. 마지막으로, 무작위로 분포된 고유 Vo-를 사용하여 낮은 저항 레벨 R _형성 성형 작업 후 얻을 수 있습니다. 위의 모델을 기반으로 시뮬레이션된 R _형성 분포는 그림 9a와 같이 넓은 변동을 예상하고 계산된 I-V 특성은 측정된 데이터와 잘 일치합니다. 또한 성형 특성과 초기 상태 간의 상관 관계도 조사합니다. 더 높은 농도와 국부적으로 분포된 Vo는 성형 과정을 가속화합니다. 따라서 형성 전압과 R 사이의 양의 상관 관계 _ini 그림 9b와 같이 시뮬레이션 결과와 측정 데이터 모두에서 발견됩니다.

아 성형 작업의 시뮬레이션된 저항 분포는 측정 결과와 잘 일치합니다. ㄴ 초기 저항과 성형 전압 사이의 양의 상관 관계는 예비 성형에 의해 생성된 더 많은 약점과 더 높은 전기장 강도로 인해 측정 및 시뮬레이션 데이터 모두에서 발견됩니다. 보-

또한, 성형 작업에서 생성된 Vo- 전도 경로를 유도하여 세포 내 CF의 변화를 초래하며, 여기서 성형 공정 중 CF의 진화는 그림 10에 나와 있습니다. R이 높은 세포의 경우 _ini , 그림 10a와 같이 고유한 Vo-와 약한 부분이 더 적습니다. 형성 작업 후에 전극 사이에 단일 전도성 경로가 발생할 가능성이 더 높습니다. 그러나 그림 10b와 같이 고유 Vo-가 많은 세포에서 CF의 성장은 더 널리 퍼진 경향이 있습니다. 따라서 수지상 CF는 형성 후에 생성됩니다. 다른 CF 지형과 신선한 상태의 Vo 분포 간의 상관 관계도 측정 데이터에 의해 확인됩니다. TMO 층의 Vo- 및 CF는 전자 트래핑/디 트래핑 과정에서 독특한 RTN(random telegraph noise)을 유발하는 것으로 알려져 있습니다[46]. 전도 경로가 트랩된 전자에 의해 차단되면 저항 변동이 발생하고 전자가 디트랩되면 저항이 감소합니다. 형성 후 CRRAM의 RTN 분석은 그림 11에 요약되어 있습니다. R이 높은 셀에서 규칙적인 2단계 저항 변동이 발견됩니다. _ini , 하나의 지배적인 CF가 있는 장치에서 전자 트래핑/디트랩핑이 발생할 때. 반면에 다중 레벨 RTN은 R이 낮은 셀에서 발견됩니다. _ini 이는 하나 이상의 경로로 수지상 CF를 방해할 것으로 예상됩니다. RTN의 통계적 결과는 200개 이상의 CRRAM 셀의 RTN 측정을 분석하여 그림 12에 요약되어 있습니다. 데이터에 따르면 높은 R _ini 하나의 지배적인 CF가 있는 장치에서 발생할 가능성이 더 높은 이중 레벨 RTN만을 나타내는 경향이 있습니다[46,47,48,49]. 성형 작업 후 저항 변화는 그림 13에 정리되어 있습니다. 데이터는 낮은 R을 갖는 셀에서 측정 및 시뮬레이션 결과 모두에서 더 높은 저항 변화가 발견됨을 시사합니다. _ini . 덜 제한적인 CF가 선택 트랜지스터를 포화 영역으로 일찍 밀어넣음에 따라 셀이 제대로 형성되지 않아 더 넓은 저저항 상태 저항 레벨이 발생할 수 있습니다.

a가 있는 셀의 CF 진행률 높은 초기 저항 및 b 낮은 초기 저항. TMO 층의 더 높은 고유 Vo- 농도는 약한 지점에서 Vo- 무작위 생성을 초래합니다. 이 Vo- 또한 서로 연결하여 수지상 경로를 형성합니다.

a가 있는 셀의 CF 지형 높은 초기 저항 및 b 낮은 초기 저항은 해당 RTN 데이터로 분석됩니다. 초기 저항이 낮고 고유한 세포에서 다중 저항 변동 발생 V- TMO 층에서 수지상 CF의 존재 확인

CRAM 셀의 초기 저항 레벨과 RTN 레벨 간의 상관 관계가 요약되어 있습니다. 높은 R의 셀과 강한 상관관계가 있는 하나의 지배적인 전도 경로를 가진 셀에 대해 이중 레벨 저항 변동의 더 높은 확률이 발생할 것으로 예상됩니다. _ini

성형 작업 후 저항 레벨 변화 분석은 시뮬레이션과 측정을 통해 검토됩니다. 초기 저항이 낮은 세포에서 수지상 CF 생성에 의해 유도된 더 높은 변이가 발견됨

TMO 레이어에서 고유한 Vo-로 인한 형성 변동성을 완화하기 위해 고정 WL 전압 2V에서 SL을 1.4V로 스위프하는 재설정 훈련 동작을 형성하기 전에 CRRAM 어레이의 전체 메모리 셀에 맹목적으로 적용하는 것이 제안됩니다. 이 작업은 R이 낮은 셀에 존재하는 기존 결함을 소멸시킬 것으로 예상됩니다. _ini 그리고 후속 성형 공정 동안 더 잘 제한된 CF 성장을 보장합니다. 인가 전압이 낮기 때문에 R이 높은 셀에는 변화가 없습니다. _ini 훈련 과정 후. 블랭킷 리셋 훈련 동작으로 낮은 R을 가진 세포의 저항 _ini , R이 높은 세포를 방해하지 않고 증가합니다. _ini , 그림 14와 같이 더 균일한 성형 특성을 얻을 수 있습니다.

CRRAM 어레이에 적용하기 위해 전면 리셋 훈련 동작이 제안된다. R이 낮은 세포의 내성 _ini 내재적 결함을 소멸시켜 증가하지만 R이 높은 세포는 _ini 방해받지 않는다