作  者

王字健，宋逸贤，张国滨，罗琪，许凯，高大为，俞滨，Desmond Loke，钟帅，张亦舒

机  构

浙江大学集成电路学院

浙江大学杭州国际科创中心

新加坡科技与设计大学科学、数学与技术系

广东省智能科学与技术研究院

Citation

Wang Z J, Song Y X, Zhang G B, Luo Q, Xu K, Gao D W, Yu B, Loke D, Zhong S and Zhang Y S. 2024. Advances of embedded resistive random access memory in industrial manufacturing and its potential applications. Int. J. Extrem. Manuf. 6 032006. 

免费获取全文

https://doi.org/10.1088/2631-7990/ad2fea

撰稿 | 文章作者

1. 文章导读

片上系统（SoC）架构的嵌入式系统极大推动了信息技术产业的发展，并深刻影响了日常生活。嵌入式存储器作为SoC的重要组成部分，其性能受工业制造水平的影响，评估标准包括访问速度、存储容量、延迟、可靠性、功耗和成本等。传统的嵌入式存储器如SRAM和DRAM在早期大规模集成电路中易于集成且成本较低，但随着CMOS技术缩小到5nm以下，其集成变得复杂和昂贵。因此，新兴存储技术如STT-MRAM、PCM、FeRAM和RRAM受到了广泛关注，它们具有高集成度、速度快、低功耗和兼容CMOS工艺等优势。其中，RRAM因其材料选择广泛且结构简单，已经成为一种低成本的嵌入式非易失性存储器（NVM）解决方案。与eFlash需要多个附加掩模和复杂集成方案不同，RRAM只需一张额外的掩模便可完成制备，极大地简化了工艺流程，且RRAM具有高速和低功耗的优势，因此被认为是替代eFlash的理想选择。结合其高速存取速度和低功耗/能耗等特点，RRAM被认为是MCU和SoC中取代eFlash的最佳候选者之一。因此，在后摩尔时代，嵌入式RRAM为芯片制造和设计的发展提供一种新的策略，引起了学术界和工业界的广泛关注。RRAM技术近年来不断发展，特征尺寸不断缩小和3D堆叠工艺也得到跨越式进步，同时也已在多个制程节点实现商业化。目前已有多家半导体公司提出了RRAM制造计划，如Dialog、Panasonic和台积电等，他们在不同工艺节点上取得了进展。尽管RRAM在材料、工作机制和应用方面已有大量研究，但其工业制造进展少有关注，详细介绍这些进展对相关研究人员和工程师非常有帮助。

近期，浙江大学集成电路学院张亦舒研究员、许凯研究员、高大为研究员和俞滨教授联合广东省智能科学与技术研究院钟帅研究员及新加坡科技设计大学Desmond Loke教授在SCI期刊《极端制造》（International Journal of Extreme Manufacturing, IJEM）上共同发表《Advances of embedded resistive random access memory in industrial manufacturing and its potential applications》的综述论文，深入分析了嵌入式RRAM技术的进展、潜在应用和挑战，使研究人员能够对这一革命性技术有更为深刻的理解。图1展示了嵌入式RRAM的发展和应用概述。

关键词 

嵌入式电阻随机存取存储器；工业制造；智能计算；先进工艺节点

亮  点

• 讨论了基于CMOS兼容材料的嵌入式RRAM的研制、关键参数和集成技术。总结了传统存储器件的工作原理、结构以及与其他新兴存储器件的比较，强调了RRAM在嵌入式系统中的优势；

• 概述了嵌入式RRAM与现有技术兼容的可行性，并深入论证了嵌入式RRAM进一步推动芯片工艺节点发展的潜力；

• 介绍了嵌入式RRAM在业界的最新发展，涵盖英特尔、台积电等多家半导体公司对嵌入式RRAM芯片的最新研发成果，展示了嵌入式RRAM在商业应用中的巨大潜力；

• 探讨了嵌入式RRAM在存储之外的其他领域的研究进展，包括其在现场可编程门阵列(FPGA)、微处理器（MCU）和存内计算(CIM)等领域的潜在应用，展示了其在嵌入式系统中的发展潜力，并分析了嵌入式RRAM面临的挑战和未来的发展前景；

图1 嵌入式随机存储器的开发与应用。本文按照图中顺时针方向的顺序详细介绍嵌入式RRAM的基本特性、集成兼容性、行业进展和未来应用。目前来看，嵌入式RRAM的商业应用已经初步形成了机理分析-器件制备-集成芯片-未来应用的完整发展链条。

2. 研究背景

目前广泛应用于各种工业产品中的嵌入式存储器技术的发展依赖于制造工艺的进步和集成密度的提高。然而随着嵌入式存储器领域的不断发展，摩尔定律近年来逐渐失效，研究人员难以进一步收缩工艺节点，同时晶体管等传统器件的复杂制作工艺也遇到了瓶颈。为了解决这些问题，研究者们不断探索新的存储技术。其中非易失存储器的发展历程以及可替代的技术方案如图2所示，表格1则展示了各种新兴存储器的性能和技术成熟度之间的比较。值得关注的是，RRAM因其具有高速(<1 ns)、高密度(4F²)、高可扩展性(~ nm)和低功耗(~ pJ)等诸多优点而备受关注。目前RRAM技术已经在28 nm、22 nm、16 nm和12 nm等节点取得商业化成果，多家半导体巨擘都提出了RRAM制造计划，Dialog收购了Adesto，掌握了130nm的RRAM集成电路技术，而Panasonic已经量产了180nm节点制程的RRAM芯片。同时台积电开发了12nm工艺节点的RRAM技术，为物联网市场提供了一种具有低成本的嵌入式NVM解决方案，且其基于28nm和22nm节点的嵌入式RRAM也已经实现量产。2019年，英特尔提出了一种基于22nm节点的鳍式场效应晶体管(FinFET)技术的低功耗嵌入式RRAM阵列，在7.2 Mb阵列上展示出良好的性能并保持优秀的良率。此后，Weebit Nano于2021年成功地使用全耗尽绝缘体上硅(FD-SOI)工艺制造28 nm节点1Mb大小的RRAM阵列，嵌入式RRAM技术在商业上的发展方兴未艾。

图2 后摩尔时代新型非易失性存储器和新兴的存储器。(a)非易失性存储器历史上的主要里程碑式技术。如今，在后摩尔时代，随着神经形态计算、人工智能、非冯·诺伊曼架构等计算机技术的快速发展，新一代非易失性存储器作为核心器件至关重要。(b)在存储器层次结构中可能实现的新兴存储器技术。新兴的非易失性存储器在当前的存储系统中具有很大的替代潜力。经许可转载。版权所有(2021)，MDPI。

表1  各种代表性存储器的性能和技术成熟度比较。

3. 最新进展

本文首先介绍了传统和新兴存储器的工作机制、结构（三维集成）和性能参数（功耗、稳定性与速度），其中突出了RRAM在嵌入式系统中的优势，之后介绍了RRAM的基本器件结构（图3）。此外，本文列举了嵌入式RRAM的候选材料，如Ta₂O₅、TiO₂等，以及关键参数，如超高稳定性和超低工艺节点的集成技术。随后全面总结了嵌入式RRAM在工业制造中的发展，包括台积电、英特尔、英飞凌等公司，以及在FPGA、MCU、存内计算（CIM）和神经形态计算等新兴领域的潜在应用。最后，探讨了与嵌入式RRAM相关的挑战和前景。

图3 RRAM的器件结构和工作原理示意图。(a)导体/绝缘体(或半导体)/导体夹层结构示意图。版权所有，爱思唯尔，经许可转载。(b) RRAM器件的开关过程示意图。RRAM的电阻开关特性基于导电丝的形成和断裂。(c)三维交叉点架构中水平RRAM和(d)垂直RRAM。版权所有©2012,IEEE，经许可转载。(e)RRAM的单极和(f)双极开关模式。版权所有©2012, IEEE，经许可转载。

新兴嵌入式存储器的巨大优势。图4展示了嵌入式RRAM在集成密度，响应速度等方面的显著优势。首先，在工艺节点可扩展性、稳定性和响应速度方面，其工艺密度与最先进的64层和多层3D-NAND闪存相当。同时也具备多层堆叠能力，如实现了8层高密度3D交叉阵列。另外低功耗开关特性表现突出，每比特最小功耗可小于1 pJ，且开关速度可达亚纳秒级。在响应速度方面，特定的器件可以在10 ns脉冲模式下运行，甚至可以使用1 ns脉冲进行写入操作，能够满足不同电子设备的需求。此外，RRAM具备极低的设置/复位电压和极高的循环耐久性，可实现稳定的循环操作。辐射容限方面，RRAM达到了880 Mrad，远高于大多数工艺的抗辐射测试结果。不同材料体系的RRAM特性分析见表格2，目前已证实了多种材料体系下的RRAM均具有良好的阻变特性。RRAM的工艺节点也在不断缩小。图5展示了近年来RRAM在节点缩小的进展，随着工艺的不断改进，器件的特征尺寸持续减小，目前RRAM的最小特征尺寸已经达到2 nm。不同结构的低节点嵌入式RRAM的特点见表格3。

图4 嵌入式随机存储器的优点示意图。(a)2nm节点RRAM交叉点阵列，TEM图像展示3×3记忆电阻器交叉阵列。器件面积为2 nm × 2 nm，间距小于12 nm。(b) 新型3D垂直RRAM结构、500 nm孔结构和8层垂直存储单元的TEM图像。(c) TiN/Ti/HfO2/TiN器件在10 ns脉宽下正常运行。(d) HfO2基的RRAM的I-V曲线，设置/复位电压在0.1 V左右。(e) RRAM成功运行1012个开关周期。(f) 高辐射下器件性能未出现明显劣化。

表2  嵌入式RRAM候选材料的发现时间和特性比较。

图5 RRAM工艺节点的显著发展。该图展示了自2010年以来在不同低工艺节点上发现的嵌入式RRAM，涵盖了不同材料、架构和特性。工艺节点和薄膜厚度的减小表明嵌入式RRAM具有较高的可扩展性和集成密度。考虑到大多数显示的器件为平面器件，在3D堆叠结构中嵌入式RRAM有望进一步提高内存密度。

表格3  低节点嵌入式RRAM的特点

嵌入式RRAM在工业制造中的最新进展。目前已经有多家半导体公司提出了自己的嵌入式RRAM发展规划。市场预测表明，2021年至2026年间，RRAM市场份额预计将增长3.24亿美元，实现16.37%的复合年增长率。台积电(TSMC)、联华电子(United Microelectronics Corp.)、英特尔(Intel)和Global Foundries在内的主要半导体巨头都宣布了RRAM的战略计划，并积极研究在22/28nm节点上实现嵌入式RRAM的制备。各半导体公司根据其发展路径提出了不同的嵌入式RRAM芯片架构（图6）。

图6 不同半导体公司的嵌入式随机存储器芯片的进展。(a) TSMC的40 nm到12 nm 节点的RRAM的最新进展。(b) Intel基于22 nm制程节点的嵌入式RRAM。(c) 英飞凌基于28nm工艺的800 kb嵌入式RRAM内存。(d) Crossbar公司的基于40 nm节点的嵌入式RRAM。(e) 富士通公司的12Mb内存容量的RRAM芯片。(f) 松下提出了40nm节点的8Mb内存RRAM芯片。(g) GlobalFoundries的“下一代RRAM存储器生产”计划，提出了基于22FDX工艺的CBRAM芯片计划。(h) Weebit nano公司的从40 nm到22 nm节点RRAM的最新进展。

嵌入式RRAM的潜在应用。近年来工业界已成功在FPGA中引入嵌入式RRAM技术，取代了传统的闪存结构，极大地减小了主要逻辑块的尺寸。RRAM的使用还带来了编程电压的降低，降低了编程的不准确性。随着技术的发展，FPGA-RRAM在32nm节点上取得了惊人的性能提升，但仍面临着一些挑战，如潜行路径问题和功耗等。然而，基于40nm商用FPGA-RRAM的研究表明，RRAM在编程功率降低和功耗等方面具有优势。除了FPGA外，嵌入式RRAM技术也可用于MCU的发展。MCU的主要发展趋势是低功耗和高性能，将RRAM应用到MCU中有助于降低集成复杂度，并可利用多层堆叠结构来减小核心部分的面积，提高计算效率。2013年，松下第一次量产180nm节点RRAM的MCU，显著降低了功耗。2016年，Chien等人提出了一项在MCU中嵌入256 Kb RRAM的设计方案，这样的改进大大缩短了执行时间，同时也节省了功耗。2018年，松下开发了一种基于40nm工艺节点的8Mb嵌入式RRAM阵列，这标志着制造嵌入式RRAM在MCU中取得的重大进展，相关进展如图7所示。同时，基于RRAM的存内计算（CIM）架构在人工智能硬件中也具有广阔的应用前景。在CIM架构中，RRAM阵列可实现矩阵向量乘法等高级运算，可以大幅提高能效，同时支持多种AI模型架构的兼容。RRAM的应用使得CIM在物联网和边缘计算等领域有了重要的进展，包括信号处理和图像压缩，相关应用如图 8所示。除此之外，神经形态计算也是RRAM器件的重要应用方向。新兴存储设备构建的脑神经系统与人脑神经计算架构的比较和对应如图9所示。其中嵌入式RRAM可用于脉冲神经网络（SNN）的构建，被广泛视为用于设计SNN加速器的理想器件。RRAM可以通过采用2T2R架构实现正负权值，并利用监督学习规则进行基于RRAM的权值调整和时空尖峰序列分类，从而为基于RRAM阵列的神经形态系统的在线训练提供可能，相关进展如图10和图11所示。

图7 基于嵌入式RRAM的MCU的架构。(a) 256 Kb的嵌入式RRAM单片机架构。其中每个库（bank）访问一个比特，每个库访问相同的WL和BL。Copyright of ©2016, IEEE，转载经许可。(b) 松下开发的基于RRAM的MCU。基于RRAM的设备可用于人工智能和氢传感设备的实现。版权所有 ©2018, IEEE，经许可转载。

图8 嵌入式RRAM在存内计算中的应用与发展。(a)存内计算微体系结构的机制和层次。版权所有2022,Wiley (John Wiley & So ns)，经许可转载。(b) NeuRRAM 芯片的多核架构以及将神经网络层映射到 CIM 内核的各种方法 (标记为 (i) 至 (vi))。同时，横截面透射电子显微镜图像展示了单个 CIM 核心上放大的芯片微观结构，显示了集成了 RRAM 和 CMOS 层的堆叠结构。版权所有:施普林格·自然，转载已获许可。(c) 具有不同电导的所有器件的I-V曲线，在所选电导上表现出良好的线性关系。版权所有，施普林格·自然，经许可转载。(d)常规CIM与无CIM的性能比较。版权所有©2022,IEEE，经许可转载。(e) M3D加速器的面积细分。(f) 2D 22nm rram加速器;(g) 2D 7nm rram加速器。(h)基于3D rram的加速器。版权归属©2021,IEEE，转载已获许可。

图9 新兴存储设备构建的人工神经系统与人类神经网络的比较。左侧图显示了人类神经系统，其中包含不同类型的神经网络，其基本功能单位是神经元和突触。不同类型的离子通道导致电神经元的活动。右侧图显示了人工智能芯片，由不同类型的人工神经网络组成。这些人工神经网络可以通过类似于突触和神经元的交叉点阵列进行映射。其运行机理与电致离子运动引起的导电丝的产生和断裂有关，这也是RRAM的电阻开关机制。版权所有©2022，经许可转载。

图 10 基于RRAM的SNN模型结构。(a) SNN的结构和LIF神经元的作用机制。版权所有©2019 Frontiers Media S.A经许可转载。(b)生物神经元Hodgkin-Huxley模型。版权所有©Materials Research Society 2020，经许可转载。(c)基于硅材料的神经形态神经元电路。版权所有©2011 经许可转载。(d)不同尖峰神经元的学习模型。版权所有©2013 the Public Library of Science (PLOS)，转载经许可。

图11 基于RRAM的SNN研究进展。(a)Mott忆阻器电路图。版权所有，施普林格·自然，经许可转载。(b)单片集成忆阻神经网络的扫描电镜(SEM)图像。版权所有2020，施普林格·自然，经许可转载。(c)脉冲发生器在尖峰事件中产生的自适应神经元和相关控制信号的功能框图。版权2021，施普林格自然，经许可复制。(d)人工神经元层中突触前和突触后界面的详细示意图。版权所有©2015，经许可转载。(e) 2 μm × 2 μm活性区和10 nm厚度的TiO2基RRAM交叉结构的俯视图。版权所有2012，施普林格·自然，经许可转载。(f)器件的光学俯视图像(左)和器件垂直截面示意图(右)。版权所有:AIP出版社，转载已获许可。(g)基于非易失存储器件的神经启发计算芯片的通用架构。版权所有，施普林格·自然，经许可转载。

4. 未来展望

近年来， RRAM技术已经取得了重大进展，嵌入式RRAM技术已经能在1E12个操作周期内表现出出色的耐用性，特定的器件结构也能在高达150℃的高温下表现出了良好的稳定性，即使在湿度，高辐射等不同的复杂环境条件下也表现出了值得称赞的数据保留能力。然而，实现高密度集成仍然是RRAM技术面临的重大挑战。在RRAM技术中，阻碍高集成度的主要问题之一来自交叉点阵列的使用，这可能导致潜行路径电流，导致无法精确读取器件阻值。为了解决这个问题，研究人员一直致力于开发自整流RRAM器件以及非线性特性的器件。这些技术已被证明有效地缓解了潜行路径电流的问题。值得注意的是，目前还没有嵌入式RRAM能同时拥有所有达到期望的性能。因此，有必要展开更深入、更广泛的研究，通过探索不同材料体系和器件结构，优化各项工艺，进一步提高器件的稳定性，同时确保所使用的材料与CMOS技术兼容。特别是开发稳定高自整流比和开关比的器件对于进一步推进嵌入式RRAM大规模集成至关重要。

5. 作者简介

张亦舒

浙江大学

张亦舒，浙江大学集成电路学院科创百人研究员，浙江省海外高层次人才。先后在吉林大学获学士学位，新加坡科技设计大学获博士学位。长期从事围绕新型存储器（RRAM, FeRAM等）实现的存算一体和神经形态计算研究，在相关领域发表学术论文30余篇，其中第一作者/通讯作者论文16篇，包括《Nature Communications》《Advanced Materials》《Advanced Functional Materials》《InfoMat》和《Nano Letters》等；以第一发明人申请发明专利13项，授权6项，其中2项美国专利。受邀担任《International Journal of Extreme Manufacturing》《Brain-X》《Progress in Natural Science-Materials International》和《CMC-Computers Materials & Continua》等杂志青年编委。获得包括第二届全国博士后创新创业银奖和国家优秀自费留学生奖学金等奖项。

钟 帅

广东省智能科学与技术研究院

钟帅，广东省智能科学与技术研究院青年研究员，先后在西北工业大学，北京航空航天大学，新加坡科技设计大学获得学士，硕士和博士学位，长期从事神经形态器件与生物电子研究。目前发表学术论文20余篇，其中第一作者/通讯作者9篇包括《International Journal of Extreme Manufacturing》《ACS Applied Materials&Interfaces》《Advanced Intelligent Systems》《Applied Physics Letters》等，受邀担任《Frontier in neuroscience》客座编辑，《Brain-X》青年编委。

王字健

浙江大学

王字健，2022年于苏州大学纳米科学与技术学院获得学士学位，目前在浙江大学集成电路学院直接攻读博士学位。曾前往加拿大滑铁卢大学交流访问，从事自整流RRAM器件的集成，光感存算一体化以及新型神经形态器件方面的研究。目前已经在《International Journal of Extreme Manufacturing》《Applied Physics Letters》《ACS Applied Materials & Interfaces》等期刊发表SCI论文三篇。