Nano-wedge RRAM Cross-point Array with Nickel Silicide Bottom Electrode as a Synaptic Device for Neuromorphic Computing Applications

Abstract

Advancement of Internet of Things (IoT) and artificial intelligence (AI) boosted the development of next-generational computing system – neuromorphic computing. Also referred to as brain-inspired computing, unlike currently used von Neumann architecture that processes data sequentially, this technology is able to handle huge amount of data in parallel by integrating the role of processor and memory simultaneously. Not limited to the parallel processing capability, utilizing the neuromorphic computing system would pave the way for efficient solutions to the field of automotive, healthcare and consumer electronics industries. In order to meet an expectation of next-generation in-memory computing technology, numerous research facilities deal with state-of-the-art devices that could be implemented with a hardware-driven architecture. Resistive Random Access Memory (RRAM) has been widely investigated as one of possible candidates for synaptic devices by taking advantages of its scalability, CMOS compatibility and simple structure. Using various switching materials make RRAM device attractive in terms of optimizing the energy efficiency for neural network application. Conventional metal-insulator-metal (MIM) structure has higher reliabilities to function as the synaptic device, yet comparatively high current level reaching a few mA limits RRAM to expand to large size cross-point array. To solve this problem, metal-insulator-silicon (MIS) structured RRAM device has been given attention for its relatively low current level, which suits for low power operation of neuromorphic computing system. In this dissertation, Nickel silicided (NiSi) nano-wedge RRAM array was fabricated for potential application as a synaptic device. Instead of having highly-doped Si bottom electrode (BE), NiSi has relatively lower resistivity which lead to decreased switching power consumption. Performing neural network requires a large size cross-point array operating at low energy. Utilizing NiSi BE nano-wedge RRAM not only reduce the total power, but metallic BE improves the switching reliability issues. Furthermore, NiSi BE wire in the cross-point array has largely reduced a wire resistance, which is essential during a vector-matrix multiplication (VMM) to guarantee high accuracy of data recognition. Based on fabricated nano-wedge RRAM array having both Si and NiSi BE, we performed a current summation and obtained improved results with less current loss from NiSi BE array. In addition, SPICE simulation was carried out to analyze the optimized ratio between the cell and wire resistance in order to minimize the current loss. Reduction of wire resistance by using NiSi BE on nano-wedge RRAM array not only achieved an improvement of switching parameters, it showed a feasibility of hardware implemented synaptic device for neuromorphic computing application.

인류사회에서 급속도로 성장하는 사물인터넷 시대에서 지속적으로 증가하는 방대한 양의 데이터를 처리하기 위한 뇌신경망을 모방한 하드웨어에 대한 연구가 활발히 진행되고 있다. 기존에 폰 노이만 방식은 순차적으로 데이터를 처리하여 메모리 및 CPU 간의 병목현상으로 인한 실시간 패턴 인식의 정확도 및 속도의 한계에 부딪치고 있으며, 계속해서 발전하는 시대적 요구에 부응하기 위해 효율성을 극대화한 병렬 처리방식이 가능한 뉴로모픽 칩의 개발이 절실해 지고 있다. 기존의 반도체 소자 기술을 활용하여 뉴런 회로 및 시냅스 소자의 구현을 목표로 궁극적이며 신개념의 시스템반도체 개발을 목적으로 두고 있으며, 소리 및 이미지 처리 등 빅데이터를 사람의 뇌처럼 적은 에너지원으로 실시간으로 정밀한 연산 능력을 갖춘 뉴럴 네트워크 창출을 위해 글로벌 Big Tech 업계들간의 협업이 중요해지고 있다. 본 논문에서는 니켈 실리사이드 하부전극을 가지는 웨지구조의 저항 변화 메모리 어레이를 제작하여, 전기적 특성은 물론 시냅스 소자로서의 가소성에 대한 분석을 진행하였다. 먼저, 평면 저항 변화 메모리 소자를 제작하여 기본적인 전기적 특성에 대한 측정을 확인한 후, 실리콘 하부전극에 대한 비등방성 식각을 통해 소자에 대한 스케일링을 진행하였다. 간단한 공정 과정인 습식 식각방식을 통해 수 나노 미터의 폭을 가지는 실리콘 웨지 구조를 구현하였으며, 셀의 스케일링에 따른 동작 전압, 전류 및 저항 변화를 통계적으로 검증하였다. 높은 도핑 농도를 가지는 실리콘 하부 전극의 경우 저항 변화 메모리 적용에 있어 신뢰성에 다소 취약한 현상을 발견하였다. 이를 개선하기 위해 니켈 실리사이드 공정을 추가적으로 진행하여 전극의 비저항을 감소시키고, 이에 따른 소자의 스위칭 파라미터 및 신뢰성의 개선은 물론 시냅스 소자의 가소성도 구현됨을 확인하였다. 마지막으로 웨지구조 저항 변화 메모리 어레이를 제작하여 벡터-행렬 연산을 진행하였다. 단순 도핑된 하부전극 대비, 실리사이드 전극을 활용한 어레이의 낮은 라인저항으로 인해 동일한 비트라인의 전류 합산 연산시 더 낮은 전류감소를 확인하였다. 이로 인해 저전력 및 고효율 하드웨어 기반 뉴로모픽 컴퓨팅 체계의 실현 가능성에 발전을 가져올 것으로 기대한다.