Statistische Charakterisierung und Modellierung von memristiven Bauelementen

Schnieders, Kristoffer; Waser, Rainer; Knoch, Joachim

doi:HT031323542

Statistische Charakterisierung und Modellierung von memristiven Bauelementen

Schnieders, Kristoffer^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von Kristoffer Schnieders, M. Sc.

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Waser, Rainer (Thesis advisor)^RWTH* ; Knoch, Joachim (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-07-28

Online
DOI: 10.18154/RWTH-2025-09470
URL: http://publications.rwth-aachen.de/record/1021101/files/1021101.pdf

Einrichtungen

Lehrstuhl für Werkstoffe der Elektrotechnik II und Institut für Werkstoffe der Elektrotechnik (611610)

Projekte

BMBF 16ME0398K - Verbundprojekt: Neuro-inspirierte Technologien der künstlichen Intelligenz für die Elektronik der Zukunft - NEUROTEC II - (BMBF-16ME0398K) (BMBF-16ME0398K)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
In jüngster Zeit haben große Sprachmodelle (LLMs), wie ChatGPT, beträchtliches Potenzial als wertvolle Werkzeuge zur Unterstützung einer Vielzahl von Aufgaben gezeigt. Folglich erscheint eine Umstrukturierung vieler Berufe durch LLMs unausweichlich. Gleichzeitig sind Bedenken hinsichtlich des Energieverbrauchs und der rechnerischen Komplexität des Trainings und der Inferenz von LLMs aufgekommen. Der hohe Energieverbrauch datenintensiver Berechnungen, wie das Training von LLMs, ist teilweise auf die Beschränkungen der konventionellen von-Neumann-Architektur zurückzuführen. In dieser Architektur sind die Central Processing Units (CPU) und die Speichereinheit räumlich getrennt, was zu erhöhter Latenz und Energieverbrauch führt. Diese sogenannte Memory Wall oder von-Neumann-Flaschenhals kann durch die Implementierung gehirninspirierter Rechenarchitekturen vermieden werden, die Rechen- und Speicheraufgaben innerhalb einer Computing-in-Memory-Einheit (CMU) kombinieren. Memristive Speicherzellen gelten als vielversprechende Schlüsselelemente in CMUs, da sie sowohl Rechen- als auch Speicheraufgaben übernehmen können. Eine besonders vielversprechende Klasse memristiver Speicherzellen sind Valence-Change-Mechanism (VCM)-Speicherzellen, die sich durch hohe maximale Anzahl an Schaltzyklen, eine hohe Integrationsdichte, CMOS-Kompatibilität und geringen Energieverbrauch auszeichnen. Die intrinsische Variabilität dieses Speicherzellentyps bleibt jedoch eine wesentliche Herausforderung. Insbesondere beeinträchtigen Rauschphänomene beim Auslesen die Rechengenauigkeit und Speicherfunktion von VCM-Speicherzellen, da der ursprünglich programmierte Zustand über die Zeit variieren kann. Ein tiefgehendes Verständnis dieses Phänomens und Strategien zu dessen Minderung sind daher entscheidend, um VCM-Speicherzelle mit geeigneten Anwendungen in Einklang zu bringen. Diese Dissertation verfolgt einen mehrstufigen Ansatz zur Untersuchung des Leserauschens und dessen Auswirkungen auf etwaige Anwendungen. Der Inhalt reicht von der Überprüfung theoretischer Zusammenhänge zwischen Materialeigenschaften und Leserauschen über das Quantifizieren der Einflüsse von Lese- und Fabrikationsparametern auf das Leserauschen bis hin zur Entwicklung von Anwendungen, bei denen Speicherzelle und Rauschcharakteristik aufeinander abgestimmt sind. Zuerst werden physikalische Erklärungen für das Leserauschen überprüft und quantifiziert. Der Einfluss der Materialeigenschaften auf die Charakteristik des Lese\-rauschens wird untersucht. Insbesondere wird das Leserauschen von VCM-Speicherzellen auf Basis unterschiedlicher Schalt\-materialien verglichen. Die Ergebnisse verknüpfen die Leserauschcharakteristik mit der Energielücke zwischen dem Leitungsband und den Sauerstoffdefektzuständen. Für Materialien mit kleinen Lücken tunneln die Elektronen durch die Schottky-Barriere aus dem CB (Typ 1), während sie für Materialien mit größeren Lücken aus Defektzuständen tunneln (Typ 2). Typ 1 Speicherzellen weisen ein geringes Leserauschen auf, während Typ2-Speicherzellen stochastische, abrupte Stromsprünge variabler Amplitude zeigen. Diese Sprünge werden der Relokation von Sauerstofffehlstellen nahe der Schottky-Barriere zugeschrieben. Aufbauend auf diesen Erkenntnissen zum Einfluss der Materialeigenschaften wird anschließend untersucht, wie die Schaltmodi das Leserauschen beeinflussen. Der Einfluss des Schaltmodus von Typ~1-Materialien auf das Leserauschen wird analysiert. Im filamentären Schaltmodus treten nur wenige Rauschereignisse auf, während der flächenabhängige Modus eine konstant niedrige Rauschamplitude zeigt. Für beide Schaltmodi ist das Leserauschen signifikant geringer als für Typ~2-Speicherzelle.Um das beobachtete Leserauschenverhalten von Typ~2-Materialien zu adressieren, wird die Steuerbarkeit des Leserauschen durch Fabrikationsparamter der Speicherzelle sowie durch Variationen der Leseparameter untersucht. Das Leserauschen thermisch oxidierter TaO_x-Speicherzelle wird für verschiedene Lesespannungen gemessen. Es zeigt sich, dass Häufigkeit und Amplitude der Rauschereignisse mit der Dauer und Temperatur des Oxidationsprozesses während der Fabrikation zunehmen. Die Amplitude des Lese\-rauschens steigt mit höheren Lesespannungen in Set-Polarität an, während das relative Leserauschen für Lesespannungsamplituden in Reset-Polarität weitgehend konstant bleibt. Abschließend werden Anwendungen von VCM-Speicherzellen mit besonderem Fokus auf die Leserauschcharakteristik betrachtet. Die Zustandsinstabilität von TaO_x-basierten 1R- und 1T1R-Speicherzellen wird analysiert. Es zeigt sich, dass der Beitrag des Leserauschens zur Zustandsinstabilität dominant ist. Die praktisch erreichbare Anzahl von Zuständen wird untersucht und die Instabilitätsdaten mit statistischen Methoden analysiert. Das Anwendungskapitel untersucht, wie sich das Leserauschen auf potenzielle Anwendungen von VCM-Speicherzellen auswirkt. Dazu wird ein statistisches Array-Modell entwickelt, um die Zustandsinstabilität von VCM-basierten 1R- und 1T1R-Arrays zu simulieren. Dieses Modell identifiziert Schlüsselfaktoren für den Betrieb großskaliger VCM-Arrays und reduziert gleichzeitig die Simulationsdauer im Vergleich zu herkömmlichen Kompaktmodellen erheblich. Zusätzlich wird ein Leserauschen basierter Generator für Zufallszahlen vorgestellt. Dieser Generator demonstriert eine Methode zur Nutzung der intrinsischen Zufälligkeit von VCM-Speicherzellen und illustriert eine weitere potenzielle Anwendung von VCM-Arrays, die in CMUs integriert sind.

Recently, large language models (LLMs), such as ChatGPT, have demonstrated significant potential as valuable tools for facilitating a wide range of tasks. Consequently, a restructuring of many professions due to LLMs appears unavoidable. In parallel, concerns regarding the energy consumption and computational complexity of LLM training and inference have emerged. The power consumption of data-heavy computational tasks, such as LLM training, is partially attributed to the limitations of conventional von Neumann architecture. In this architecture, the central processing unit (CPU) and memory unit are spatially separated, leading to increased latency and energy consumption. This so-called memory wall, or von Neumann bottleneck, can be circumvented by implementing brain-inspired computational architectures that integrate computing and memory tasks within a computing-in-memory unit (CMU). Memristive devices hold promise as key components in CMUs, as they are capable of performing both computational and memory tasks. One promising class of memristive devices is valence change mechanism (VCM) devices, which exhibit excellent endurance, stackability, CMOS compatibility, and low energy consumption. However, the intrinsic variability of these devices remains a substantial hurdle. In particular, read noise phenomena threaten the computational accuracy and memory function of VCM devices, as the initially programmed state can vary over time. Therefore, a deep understanding of this phenomenon and strategies for mitigating its effects are essential to align VCM devices with appropriate applications. This thesis adopts a multi-level approach to investigate read noise and its impact on application-level performance. The content spans from verifying correlations between material properties and read noise, derived from theoretical physics, and investigating read noise engineering approaches, to developing applications in which device type and noise characteristics are optimally matched. First, this thesis compares the characteristics of read noise as a function of switching material and switching modes of VCM devices. Next, methods to mitigate read noise are explored, concluding with a discussion on potential applications and statistical modeling. Initially, physical explanations for read noise are validated and their contributions quantified. The influence of material properties on the read noise characteristics is investigated by comparing VCM devices based on different switching materials. The results link the read noise characteristics to the energy gap between the conduction band (CB) and oxygen defect states. For materials with small gaps, electrons cross the Schottky barrier by tunneling from the CB (Type 1), whereas for materials with larger gaps, electrons tunnel from defect states (Type 2). Type 1 devices exhibit low read noise, while Type 2 devices display stochastic, abrupt current jumps of varying amplitude. These jumps are attributed to the dislocation of oxygen vacancies near the Schottky barrier. Building on these insights, the next section examines how switching modes modulate read noise characteristics. For Type 1 materials, few noise events are observed in the filamentary switching mode, while the area-dependent mode consistently exhibits low noise amplitudes. For both switching modes, read noise remains significantly lower than that of Type 2 devices. To address the pronounced read noise in Type 2 materials, the tunability of read noise via device fabrication and read parameter variation is investigated. This includes modifying fabrication processes and altering read voltages. The read noise of thermally oxidized TaO_x devices is measured across a range of read voltages. It is observed that the frequency and amplitude of noise events increase with the duration and temperature of annealing. Furthermore, the read noise amplitude increases with higher read voltages in set polarity, while relative read noise remains nearly constant for all reset polarities. Finally, potential applications of VCM devices are analyzed with an emphasis on read noise characteristics. The state instability of TaO_x-based 1R and 1T1R devices is evaluated. The read noise is found to be the dominant contributor to state instability. The number of practically achievable states is assessed, and instability data is analyzed using statistical methods to ensure reliable interpretation. The application chapter explores how read noise impacts VCM device applications. To this end, a statistical array model is developed to simulate the state instability of VCM-based 1R and 1T1R arrays. This model identifies key properties essential for the reliable operation of large-scale VCM crossbar arrays while significantly reducing simulation runtimes compared to conventional compact models. Additionally, a read noise-based true random number generator is introduced. This generator showcases a method for harnessing the intrinsic randomness of VCM devices, highlighting an additional potential application of VCM arrays integrated within CMUs.

OpenAccess:
PDF
(zusätzliche Dateien)