人类社会正处于“大数据”时代,随着信息社会产生海量数据,存储器、处理器甚至是计算机整体架构都在迎来革新。例如在目前的冯•诺依曼架构计算机中,存储器和处理器是分开的,两者通过总线相连。然而,传输速度限制了整体效率,即所谓的“冯•诺依曼瓶颈”。
冯•诺依曼瓶颈。图片来源:Semiwiki [1]
几十年来,科学家们一直寻找从大型数据中心到移动传感器及柔性电子器件等所有领域更快、更节能的存储技术。1968年,美国科学家S. R. Ovshinsky发现了可逆相变的现象 [2],经过多年发展,相变存储器成为目前最有前途的数据存储技术之一。目前相变材料主要由IV、V、VI主族元素组成,研究最广泛的是锗、锑和碲系列材料,存储速度可达ns 量级,比传统硬盘驱动器快数千倍,然而耗电量也相当大 [3]。
相变合金的三元相图及它们在存储器中的应用。图片来源:Nat. Mater. [4]
近日,美国斯坦福大学Eric Pop课题组在Science 杂志上发表论文,报道了一种具有超低开关电流密度的柔性相变存储器件。他们将直接在柔性聚酰亚胺衬底上沉积了多层周期性重复排列的碲化锑和碲化锗超晶格相变存储材料,器件的开关电流密度仅为~0.1 MA/cm2,比柔性衬底或硅衬底上常规相变存储器件低一到两个数量级。这种柔性相变存储器件能源效率高、功耗低,有望应用于低功耗设备、可弯曲智能手机、可穿戴传感器等电子产品中。
柔性相变存储器件。图片来源:Stanford University [5]
相变存储器的一个基本挑战是相对较高的开关电流和功率。研究者的解决方法是,在柔性聚酰亚胺衬底上交替沉积了12个周期的Sb2Te3(4 nm)和GeTe(1 nm)层,形成超晶格结构。柔性相变存储器件在~0.2至0.25 mA的复位电流下切换,电阻比高达约100,复位电流密度仅为0.1 mA cm-2。比刚性硅衬底上的传统相变存储器低了约两个数量级,比此前报道的柔性相变存储器低了一个数量级以上。
超晶格柔性相变存储器。图片来源:Science
器件的峰值复位功率为~0.8 mW,复位电流随着器件尺寸的改变而变化,显示该技术具有规模化应用潜力,功率可通过减小器件直径而进一步降低,目前器件尺寸受到了光刻技术的限制。另外,器件表现出低电阻漂移,这归因于超晶格材料中存在类似的范德华空隙(上图C),为材料在电流下的结构弛豫提供空间。
相变存储器件功率测定及电阻漂移。图片来源:Science
这种相变存储器具有优异的循环稳定性和柔性,在4 mm弯曲半径下测试了1000个循环周期和100个弯曲周期,器件电阻开关比均大于10,高电阻和低电阻状态均保持低漂移。用几微米厚的聚合物层封装后,可以进一步减小器件的应变,提高稳定性能。
弯曲前后器件性能对比。图片来源:Science
“人们早就期望相变存储器能够取代手机和笔记本电脑中现用的存储器,没有被采用的原因是,前者的功率需求更高”,Eric Pop说,“在我们的研究中,实现了既快速又节能的相变存储” [5]。相变存储器可以实现内存计算,从而弥合计算和内存之间的差距。这项研究成果将为打破“冯•诺依曼瓶颈”、研发新一代超快计算机铺平道路。
原文(扫描或长按二维码,识别后直达原文页面,或点此查看原文):
Ultralow–switching current density multilevel phase-change memory on a flexible substrate
Asir Intisar Khan, Alwin Daus, Raisul Islam, Kathryn M. Neilson, Hye Ryoung Lee, H.-S. Philip Wong, Eric Pop
Science, 2021, 373, 1243-1247. DOI: 10.1126/science.abj1261
参考文献:
[1] In-Memory Computing for Low-Power Neural Network Inference
https://semiwiki.com/semiconductor-manufacturers/tsmc/287672-in-memory-computing-for-low-power-neural-network-inference/
[2] S. R. Ovshinsky, Reversible electrical switching phenomena in disordered structures. Phys. Rev. Lett., 1968, 21, 1450.
[3] N. Yamada, et al. Rapid-phase transitions of GeTe-Sb2Te3 pseudobinary amorphous thin films for an optical disk memory. J. Appl. Phys., 1991, 69, 2849-2856.
[4] M.Wuttig, N. Yamada, Phase-change materials for rewriteable data storage. Nat. Mater., 2007, 6, 824-832. DOI: 10.1038/nmat2009
[5] Stanford discovery could pave the way to ultrafast, energy-efficient computing
https://energy.stanford.edu/news/stanford-discovery-could-pave-way-ultrafast-energy-efficient-computing
(本文由小希供稿)
如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOL ( x-mol.com ), 未经许可,谢绝转载!