全球内存产业已进入一个必须寻求新兴替代技术的时代。在多样化的次世代内存技术中，为何电阻式内存，在类神经仿生运算的应用上值得期待？其更被业界认为是最有机会成为下时代通用内存的选择，同时也是目前投入研发厂商最多之技术？本篇将带您一探究竟。 （本文出自国立成功大学微电子工程研究所王永和教授，于闳康科技“科技新航道| 合作专栏”介绍“新兴3D RRAM架构及其应用”文稿，经科技新报修编为上下两篇，此篇为上篇。）
迈入寻求全新嵌入式非挥发性内存技术的时代
近年来由于物联网、移动设备、高速计算机和智能汽车等产业的快速发展，大幅推升了人工智能（AI）及边缘计算（Edge Computing）等巨量运算架构的应用需求，也因此既有高容量存储组件例如DRAM及NAND Flash，其在耗电量及资料访问速度上已无法跟上需求的脚步。
并且，随着半导体制程线宽缩微已超越14nm、晶体管发展主流迁移到FinFET或GAA等先进结构，长期应用于CMOS芯片上存储的嵌入式NOR Flash碍于“闪存缩放限制（Flash Memory Scaling Limit）”问题，也已无法跟上SoC芯片集成制程的发展要求，必需要有全新的嵌入式非挥发性内存技术，才能搭配下一时代以先进制程所制造的ASIC和MCU。
电阻式内存为何备受期待？
过去数十年来在世界各国合力开发下，已初略成形的次世代非挥发性内存技术包括铁电内存（FRAM）、相变化内存（PRAM）、磁阻式内存（MRAM）、以及电阻式内存（RRAM）等。这些候选的新兴技术，不仅读写速度都比NAND Flash要快1,000倍以上，并且皆能够在奈安培（nA）的极低电流下操作。同时，也都具有潜力可突破范纽曼（von Neumann）架构瓶颈，实现内存内运算（In-memory Computing）之能力。
在多样化的次世代内存技术中，电阻式内存由于相对具有读写快速、低能耗、结构简单、资料存储时间长、重复操作可靠度佳与成本便宜等产品优势，以及适合应用于类神经仿生运算的电导（电阻）渐变模拟特性，被业界认为是最有机会成为下时代通用内存的选择，同时也是目前投入研发厂商最多之技术，包含Adesto（2020年已被Dialog并购）、Crossbar、Samsung、Panasonic、Micron、Hynix及Intel等公司，都个别拥有不同的电阻式内存技术。
电阻式内存由来
电阻式内存（Resistive Random Access Memory, RRAM）结构为简单的金属-绝缘层-金属（Metal-Insulator-Metal, MIM），其原理为施给电压或电流操作，利用物质电阻改变组件的高低电阻状态，完成数字信号存储效果。
电阻式内存最早起源自1960年代，研究学者Hickmott发现氧化铝（AlOx）材料经过电压或电流操作后，其电阻状态会因此改变“1”；近年来，研究发现氧化镍（NiO）“2-5”、氧化钛（TiOx）“6-9”、氧化铪（HfOx）“10-13” 等绝缘体材料，也可用于RRAM的中间绝缘层。RRAM可利用特定的电压来读取不同状态的电阻值（电流值），进而判读组件“1”和“0”的逻辑状态。此外，RRAM具有良好的非挥发性记忆特性，其信号存储状态可在不施加外在偏压的情况下，保存至下一次信号的写入或抹除。
RRAM物理机制与操作特性
RRAM的物理机制目前较受到注目的是灯丝理论（Filament Theory）“14-16”，普遍认为RRAM的操作方式是在一开始时给予组件一较大的外加偏压，使氧化物绝缘层内部形成导渠道径，此时绝缘层会变为低阻态（Low Resistance State, LRS），此过程通常需要限制电流（Compliance Current），避免电流过大反应剧烈使组件永久崩溃，此步骤称之为Forming。
接着以组件偏压控制氧离子与氧空缺复合，使导渠道径阻断，进而从低电阻态（LRS）回到高电阻态（High Resistance State, HRS），此过程称为Reset；而再次给予小于Forming所需的电压，即可将阻断的导渠道径重新连接，从高阻态（HRS）再次回到低阻态（LRS），此步骤称为Set。
来回操作Set与Reset process就可以完成RRAM的写入与抹除，RRAM的操作流程如图1所示，而在读取方面主要是借由一微小的读取电压来判读不同的电阻值，以分辨数字信号0和1（图2）。RRAM依阻值状态变化的不同可区分为阻丝型与接口型，阻丝型RRAM即于上下两电极间有一连续传导路径（图3），也是目前RRAM在传导机制中较受到广泛认同的类型；另一为接口型RRAM（图4），通过施加外部电压，使绝缘体层中形成氧空缺或载子电荷进行电子传递使其阻态改变，当氧空缺或载子电荷变多，其电流增大，因此组件电极间的绝缘体层面积大小会影响阻态变化。
图1 RRAM切换流程与电性输出图
图2 RRAM用于数字内存判读方式
图3灯丝型RRAM操作过程“14”
图4接口型RRAM输出特性曲线与操作原理“14”
RRAM操作方式分为两种特性：
图5 RRAM操作方式（a）单极性操作（Unipolar）、（b）双极性操作（Bipolar）“17”
理想的金属／绝缘体／金属结构中，中间的绝缘层在施加偏压时并不会有电流通过，但实际上当组件受到过大电场或温度时，载子能在绝缘层中移动传导，而有漏电流的产生，进而读取HRS。其中电流的移动机制可利用电流-电压进行电流机制拟合（Current-Fitting）评估在绝缘层间电流主要通过何种机制进行移动，其传输机制主要可分为以下几种：
-
欧姆传导机制（Ohmic Conduction）：主要以位于导电带（Conduction Band）的自由电子（Free Electron）与价电带（Valence Band）的电洞当作载子传输的机制，在一小电压下电阻为常数，与电流呈线性关系。图6为RRAM结构的欧姆传导能带示意图，材料中的载子受到外加电场的作用移动，进而产生电流“18”。
图6欧姆传导之能带图
-
萧基发射（Schottky Emission）：一般金属与绝缘体的接面会存在着能障高度（Barrier Height），此能障高度指的是绝缘体电子亲和力与金属功函数之间差值。图7所示为一RRAM之能带图，施加外加电场情形下与电子通过金属表面时产生的镜像电荷，使能障高度下降，电子通过热激发影响越过能障高度，电子能在绝缘体的传导带上传递，而产生电流称为萧基发射（Schottky Emission）“19”。
图7萧基发射之能带图
-
法兰克–普尔发射（Frenkel- Poole Emission）：此传导机制与萧基发射类似，同样受到外加电场影响，电子因热激发获得能量，且载子跳至价电带或导电带的能障高度降低，使载子能越过能障高度跳至价电带或导电带，进而由导带传递产生电流。此时的能障高度指的是在沉积绝缘体或半导体薄膜时，薄膜所产生的悬浮键或是缺陷，这些缺陷会在靠近价电带或导电带的边缘形成缺陷能阶，而缺陷能阶到价电带或导电带之间的差值，即为法兰克-普尔发射（Frenkel-Poole Emission）所需越过之能障高度“20”，如图8所示其能带图。
图8法兰克-普尔发射之能带图
-
跳跃传导（Hopping Conduction）：若薄膜之中含有许多连续缺陷存在时，这些连续缺陷会在绝缘体中产生连续缺陷能阶，此时不需将电子激发至导电带，而是借由彼此相近的缺陷能阶进行跳跃传递，进而产生电流。当缺陷彼此间距离越小时，其电子跳越能阶所需之活化能越小，称为跳跃传导（Hopping Conduction），其能带图如图9所示“21”。
图9跳跃传导之能带图
-
穿隧传导（Tunneling）：主要是当外加电场过大时，能带图Ec、Ev更倾斜（两侧电压差更大），使得绝缘体能带变薄，电子可直接穿隧过绝缘层至另一侧产生电流，其能带图如图10所示“22”。
图10穿隧传导之能带图
-
空间限制电流传导（Space Charge Limited Current）：当绝缘体单边或双边形成欧姆接触时，电极能不间断地提供载子，当接触电极将电子注入至绝缘体或半导体的传导带时，由于载子注入速率大于复合速率，电荷会在绝缘体内慢慢累计，进而影响电流流动，此为空间限制电流传导（Space Charge Limited Current），能带图如图11所示“23”。
图11空间限制电流之能带图
提高密度的交叉数组结构，以及解决潜行电流的1T1R架构
内存为提高集成电路上的密度，发展出一种排列结构方式，称为交叉数组（Crossbar Array）“24-26”，这种方式虽拥有较高的组成密度，但采用交叉数组结构会产生一个很大的问题，即潜行电流（Sneak Path Current）的产生（如图12所示），造成在读取特定组件状态时，受邻近组件影响导致状态误判。
为了解决潜行电流的问题，现今RRAM组件已发展出多种架构以解决潜行电流的问题（图13），包括将RRAM与晶体管（Transistor）组成的1T1R架构“26-27”，或是RRAM与选择器（Selector）组成的1S1R “28-29” 架构等方式。其中1T1R架构因结构简单且兼容于现今CMOS制程受到广泛重视，目前多用于强调操作速度与低成本的嵌入式内存（Embedded Memory）上，并与单片机（Microcontroller Unit）相互结合，进一步提升其性能。
图12 RRAM形成数组因潜行电流造成组件读取误判
图13 RRAM搭配一开关可解决潜行电流问题
然而在晶体管尺寸持续微缩的状况下，其能承受的电压将越来越小，这将使RRAM可能面临到操作电压不足的问题，为解决此问题势必需从结构与材料着手。而除了制程上的发展外，由于RRAM于1T1R架构组件特性，近年来也衍生出相关仿生与逻辑运算等重要的新颖应用“30-32”。
RRAM组件近年衍生的新颖应用
由于人工智能（Artificial Intelligence, AI）的快速发展，其相关应用包括图片识别、语音识别、智能监控、智能驾驶等均受到广泛瞩目，而深度学习等技术也具备庞大发展潜能。在AI相关技术中，最被广为应用的即是机器学习，机器学习乃是利用多层次人工神经网络（Artificial Neural Networks, ANN）进行数据学习，RRAM组件因具备非挥发性（Non-Volatility）与多位元存储（Multi-Bit Storage）之特性，加上低能耗、高操作速度等优点，近年来产生许多新颖应用，包括类神经形态（Neuromorphic）与非范纽曼（Non-Von-Neumann）架构的智慧运算。
因此基于先前研究成果，在薄膜晶体管结合RRAM组件所成为的1T1R架构下，通过组件数组运用于智能运算的主要架构，其中欲探讨并解决的问题有三项：
- 结组成件特性与制程，实现仿生RRAM数组结构。
- 利用RRAM组件数组结构进一步实现逻辑运算。
- 最终于RRAM组件数组实现人工神经网络的智慧运算。
何谓仿生物科技术？
仿效生物能力以提升科学技术称之为仿生（Bionic）。生物世界历经数十亿年不断演化，为了适应多变生态系统环境，生物往往发展出十分精致且节能的功能，电子组件利用仿效大脑神经的仿生物科技术，将为未来电子科技带来突破性发展。
人类的大脑即是相当好的例子，大脑是一个高效率且低功耗的系统，不仅能够传递消息，且具有学习与记忆的能力。人脑神经元间的连接称为突触（ynapse）（图14），突触间的传导行为在消息传递的过程中扮演相当重要的角色。
突触间的连接强度具有可调性，称为脉冲时序依赖可塑性（Spike-timing-dependent plasticity, STDP），借由调节进行增益（Potentiation）或抑制（Depression）“33”，进行集成后再依体内电位变化，决定是否借由突触输出神经传导物质至下个神经元中，STDP同时也是神经生物学中被认为是构成记忆和学习的重要基础。
图14人脑神经元及突触示意图
未来利用电子组件仿效大脑神经消息传递与学习记忆方式，将使电子科技与应用产生突破性发展。现代计算机存储记忆系以0和1的数字信号来进行运算与记忆，而人脑不同于计算机是以模拟信号来进行传递消息与存储记忆，借由对人类中枢神经系统的观察进而启发ANN概念。
如同大脑海中神经元（Neurons）构成人类的神经网络，ANN是由许多节点运算单元（Nodes）互相连接（图15），通常可区分成三个部分，即输入层、隐藏层（通常可为多层）与输出层。每一层的所有节点皆与前、后层的节点连接“34”，彼此连接形成类神经网络结构，借数学计算模型对函数进行估算近似而得输出结果，使ANN在人脑所擅长如图像语音识别、分类、预测、记忆等领域具备高度发展潜力。
图15人工神经网络架构示意图“34”
RRAM组件于仿生物科技术的应用
要了解RRAM组件如何于此领域的应用，则需了解RRAM组件的多重组态特性（Multi-level Resistance Characteristics），其相关研究与控制方法近年已受到广泛重视“35-37”，对于单颗组件的多重阻态操作方式为：当组件在Set过程时，设置不同的限制电流使组件LRS阻值可分为多重阻态；而Reset过程则利用不同截止电压范围，使得HRS可得不同阶层变化的阻值，如此即可在单一内存组件上拥有多位元访问的能力。
图16为一Pt／LiSiOx／TiN组件，具有良好多位元存储功能，我们操作在不同的Reset截止电压与Set限制电流条件下，可以使组件阻值变化状态成为连续态形式，此电阻变化形式又称为模拟式（Analog）电阻转换特性。
图16 Pt／LiSiOx／TiN组件直流特性、Reset与Set过程之渐进变化情形
由于上述的操作方式在电路设计与运用上相当复杂，故将RRAM组件产生类式的连续态形式尚有另一种操作方法，即利用固定截止电压对组件进行连续扫描（Consecutive Voltage Sweeping），借由电压扫描方式渐进式地操作改变组件电阻状态。
如图17所示，当Pt／LiSiOx／TiN组件以DC操作时，若输入一个小于Reset电压并连续操作状态下，其电流会缓慢下降而阻态会渐渐上升；反之，若输入一个小于Set电压并连续操作，其电流会缓慢上升阻态会渐渐下降。若将操作电压与电流对时间轴作图，即可发现组件的阻值状态也呈现渐进方式转换。上述除利用电阻值或电流参数呈现组件切换特性外，一般研究则多以电导（Conductance）变化呈现组件阻值变换特性。
图17 Pt／LiSiOx／TiN组件已连续定电压扫描下，阻值呈渐进方式变
RRAM组件如欲仿效突触的行为，则需利用组件电导（电阻）的渐变特性模拟突触权重的连续调节，进而模拟突触的可塑性，因此相关RRAM组件的突触特性关键参数相当重要，包括：
图18系将Pt／LiSiOx／TiN组件利用连续脉波操作，以验证组件模拟神经元突触的仿生特性，借由调整脉波电压大小、脉冲时间、脉波次数，即可改变组件阻态与导电性，使组件组态由LRS连续缓升至HRS，再从HRS缓降至LRS，以连续正负电压脉波操作模拟电阻增益（Potentiation）及抑制（Depression）行为。
图18 Pt／LiSiOx／TiN组件以连续脉波操作下阻值逐渐变化与STDP测试结果
由STDP实验结果显示，此组件仿效大脑突触行为将有助于类神经网络的发展。RRAM欲作为仿生组件使用，则其阻值变化状态须具备连续态形式，借以反复设置多种突触权重数值应用于类神经运算。理想的RRAM组件运用于突触操作的需求包括“38”（图19、图20）：
图19 RRAM组件有效电导状态
图20 RRAM组件的突触特性关键参数“38”
通常接口型RRAM组件的阻态变化虽较为线性，但是因其记忆窗口、持久性（Retention）与耐读写度（Endurance）的可靠度较差，实际运用上有相当难度，故寻求阻值变化具高度线性的RRAM组件对于仿生组件操作相当重要。
先前研究结果显示，RRAM组件中间绝缘层若含有高氧空缺密度，容易形成导电路径，其电阻转换多为突升或突降，意味着电阻切换行为如同数字信号的0与1，无法表现出模拟式的电阻渐变切换行为；而绝缘层中含氧空缺密度的RRAM组件，可能较有机会表现出模拟式电阻切换特性，同时能兼具较佳的可靠度“38-39”。除了LiSiOx材料外，先前实验结果也发现基于HfOx材料结合不同电极或叠层组合，也可具备模拟式电阻转换特性（图21）。
上述RRAM组件仿生特性均基于单一组件，未来如何结合相关材料特性与组件制程，开发兼具模拟式电阻切换特性及高可靠度的RRAM数组仿生电子组件（图22），值得相关研究人员后续深入探讨并解决相关问题。
图21 HfOx材料结合不同电极或叠层组合实现模拟式电阻切换特性
图22模拟式RRAM组件由单一组件进而形成数组组件，对于仿生电子组件发展有相当重要性“35”
应用潜力巨大，仍不是最终答案？
本篇针对电阻式内存的技术架构及其应用提供了全面性介绍，同时也清楚阐述了该组件运行时电阻非线性变化的物理机制，以便读者快速了解此最具市场潜力的前瞻技术。
尽管电阻式内存应用潜力巨大，至今大多数仍然处于开发阶段，目前为止有对外供货的公司仅Crossbar、Panasonic与Adesto三家而已。然而，为何业界普遍认为，电阻式内存将在未来3至4年内迎来快速增长？其为何又被视为第四种被动组件？而电阻式内存在逻辑运算与智能运算上又有哪些发展？将在下篇探讨。
（首图来源：Shutterstock）