SOT-MRAM
垂直式磁化材料優點多 磁性記憶體儲存/性能增
磁性記憶體(MRAM)具有應用於非揮發性嵌入式記憶體的潛力。相較於傳統的磁場寫入方式之磁性記憶體而言,自旋傳輸磁性記憶體不論是在密度、容量、耗能、速度、尺寸微縮化以及製程成本上都有很大的優點。目前各研究團隊針對自旋傳輸磁性幾乎都已經進展為垂直式磁化材料為主,這種垂直式自旋傳輸磁性記憶體相較於傳統的水平式傳輸磁性材料,可改善水平式傳輸材料無法同時滿足降低元件寫入電流與提高元件的熱穩定性的難題。
以垂直式磁化材料取代水平式磁化材料被認為是解決上述問題最可行的方法。本篇文章將探討垂直式自旋傳輸翻轉的特性,並且介紹目前國際上以及本團隊關於垂直式自旋傳輸磁性記憶體與其他相關熱門磁性研究的發展現況。
STT MRAM發展潛力佳
磁性記憶體於1980年代首次被提出。1984年Honeywell以異向性磁阻(AMR)技術為基礎開發了最早期的MRAM,由於其抗輻射特性以及製作成本高昂,主要應用於軍方以及航太用途。1988年發現巨磁阻(GMR)現象後,開始吸引了許多人投入MRAM相關的研究。
而到了1995年,實驗證實穿隧式磁阻(TMR)的現象,而其後的研究證實其磁阻變化率可高達220%以上,至此確定了MRAM的發展趨勢。MRAM基本架構為1個電晶體搭配上一個稱為MTJ(Magnetic Tunnel Junction)的磁性多層膜元件,簡稱為1T-1MTJ架構。
傳統的MRAM寫入方式為利用兩條正交的導線所產生的磁場將被選取之MTJ結構磁性自由層(Free Layer)磁化向量翻轉,使得磁性自由層與被固定層(Pinned Layer)的磁化向量呈現平行(低阻態)或反平行(高阻態)而達到寫0或1。
這種寫入方式會遭遇到兩個主要的技術瓶頸,第一是只有單軸導線通過而非雙導線交叉選擇的MTJ,容易因為導線磁場干擾而造成錯誤寫入;第二是當MTJ尺寸隨著技術節點持續微縮時,磁性自由層磁化向量翻轉所需要的磁場大小或寫入導線電流會急劇升高。這樣不僅耗電,而且會使得寫入電流超過導線可容忍之範圍而產生失效。
新一代的MRAM寫入方式為利用自旋力矩傳輸(Spin-torque-transfer, STT)效應翻轉磁性自由層的磁化向量。這種寫入方式電流僅通過被選擇的記憶單元,所以不會有因導線磁場干擾,而造成寫入錯誤的問題。同時,由於磁性自由層翻轉取決於電流密度,因此隨著記憶單元持續微縮,翻轉所需要的電流不僅不會升高,反而會下降。
除此之外,STT MRAM在製程上也比傳統MRAM簡化許多,如此不僅可以減少製程費用,也可大幅提升記憶體密度。傳統MRAM的Cell Size大約在20~30F2,而STT MRAM可將Cell Size降至6F2。另外,STT翻轉寫入速度可達4ns,因此STT MRAM不論是在密度、容量、耗能、速度、尺寸微縮化以及製程成本上都有很大的優點,使得STT MRAM具有應用於非揮發性嵌入式記憶體的潛力。
追求更高儲存密度 SOT成新解方
目前STT MRAM的產品主要都是以水平式磁化材料作為MTJ結構之磁性層,例如Co、Fe、CoFe、NiFe,以及CoFeB等磁性材料。不過,這種水平式STT MRAM所遇到最大的挑戰,即為降低MTJ磁性元件寫入電流密度的同時,還需要提高元件對於熱擾動的穩定度,並且提高寫入與讀取資料的準確度。
預估在進入45奈米技術節點後水平式STT MRAM將面臨寫入電流與熱穩定性無法同時兼顧的問題,除非在磁性材料的特性上有所突破;而以垂直式磁化材料取代水平式磁化材料之STT元件被認為是解決上述問題最可行的方法。
磁性材料除了應用在磁性記憶體上,在感測器領域亦有相當的發揮空間。利用微小外在磁場即可使磁感測器靈敏做出判別的特性,做為生物感測器的主要元件再適合不過。而除了感測微小的外加場變化,磁性感測器當然也能改以較硬磁如CoFeB、CoFe等做為主要材料,涉足大場感應市場。由於可針對使用領域變化感測場的範圍及靈敏性,磁感測元件勢必大有可為。
而在已然形成的磁性記憶體市場中,下個目標除了繼續增加磁性記憶體的儲存密度,更希望改善耗電情況以及提升記憶體讀寫壽命,旋軌道轉矩型(Spin-orbit-torque RAM, SOT-RAM)這樣的磁性記憶體結構,利用自旋電子流來影響記憶層的磁矩排列,較之STT MRAM有著更節能的優勢,目前世界上各個研發團隊紛紛投入SOT的開發中,是現今磁性記憶體中炙手可熱的新星。
克服磁矩以達到小尺寸/高密度
磁紀錄依磁化狀態的不同可分為水平記錄和垂直記錄,水平記錄之記錄媒體的磁化方向是平行基板的表面,而垂直記錄之記錄媒體的磁化方向則是垂直基板的表面。水平記錄由於Pattern承受的去磁場大,因此不利於達成高的記錄密度;垂直記錄則因為磁化方向垂直於磁頭移動方向及記憶媒體表面,去磁場小,因而可以得到較高的記錄密度。
利用上下電極間的磁性多層膜,不同磁性膜層間交互作用影響之下,通過電流時因磁矩排列方式的不同而得到的磁阻值變化。為了能夠達到小尺寸高密度記憶元件的發展,垂直式磁矩排列的記憶元件將會是一個大有可為的發展方向。若要能讓垂直式磁性記憶元件發展順利,首要克服的便是其磁矩的排列方式,如何能在記錄膜層鍍製時,便讓其有整齊並且可完美控制的磁矩排列。
水平記錄膜層堆疊主要如圖1所示,底電極之上為提供各膜層良好織構(Texture)的種子層材料,接下來是固定未進行讀寫時磁矩排列方向的反鐵磁層(Anti-ferro),反鐵磁層與SAF被固定層決定了交換場的大小,當交換場越大就表示該膜層結構能承受的外界場影響越大,當記憶元件在進行讀寫之時表現也會越穩定。
圖1 水平記錄膜層堆疊示意圖
若變化不同的MTJ結構如下類型(圖2),膜層排列的方式不再因為反鐵磁層來決定,而是利用磁性層Co以及金屬層Pt交互堆疊,利用兩種材料間的交互作用力,在Co極薄的情況下可以讓磁矩完全垂直膜面排列,這就是垂直式磁性元件所設計的被固定層。
圖2 變化不同的MTJ結構示意圖
並且,利用Ru金屬層的RKKY特性,使得Ru上下的Co/Pt多層膜雖然是垂直膜面排列,但依著不同的Ru在RKKY Peak的厚度,一樣可以依需求製備出不同大小的交換場,當然,交換場越大也就表示元件對於外在環境影響下的穩定度越高。
在這樣的膜層結構下,利用MgO做為Tunneling材料,調變MgO的厚度以及製程參數,可以得到MR 40~90%;變化Free Layer的材料為CoFeB、CoFeB/Ta/CoFeB Composited結構等,可使讀寫層的翻轉更迅速,Hc能大於200Oe。不同的上下電極材料(Ta、TaN、Ru等),所影響的P-STT MTJ之PMA特性也不同,利用Modified...
工研院發布新世代MRAM/FRAM技術 推動新興記憶體發展
AI、5G等應用推升資訊量呈現爆炸性的成長,因應如此龐大的資料儲存、傳輸需求,在DRAM、SRAM、快閃記憶體等存在已久的記憶體技術愈顯吃力的情況下,新興記憶體備受關注。為此,工研院近期於IEEE國際電子元件會議(International Electron Devices Meeting, IEDM)上發表新一代 FRAM與MRAM 技術進展,除了引領業者創新研發方向外,也希望能藉此加快新興記憶體發展腳步。
工研院電光系統所所長吳志毅表示,5G與AI時代來臨,且產生的資料量更多、更廣,因此會有更大的儲存需求;而要有更快的運算效率,意味著記憶體的讀取速度也要再加快。因此,5G、AI的出現,驅使記憶體朝更大容量、更快讀取速度發展,也因此,各大記憶體業者開始加快並投入更多資源開發新興記憶體,能突破既有運算限制的下世代記憶體將在未來扮演更重要角色,期能在日後取代目前主流的三大記憶體產品(分別為DRAM、Flash和SRAM)。
工研院電光系統所所長吳志毅。
吳志毅說明,新興的FRAM及MRAM讀寫速度比大家所熟知的快閃記憶體快上百倍、甚至千倍。其中,FRAM的操作功耗極低,適合IoT與可攜式裝置應用,而MRAM速度快、可靠性好,適合需要高性能的場域,像是自駕車,雲端資料中心應用等,兩者都是非揮發性記憶體,均具備低待機功耗、高處理效率的優勢,未來應用發展潛力可期,而工研院也積極研發新一代的FRAM和MRAM技術,加快普及速度。
首先在MRAM技術的開發上,工研院於IEDM上發布自旋軌道轉矩(Spin Orbit Torque, SOT)MRAM相關的最新研成果。相較於台積電、三星等公司即將導入量產的第二代MRAM(STT-MRAM)技術,SOT-MRAM為全球積極研究中的最新第三代技術,以寫入電流不流經元件磁性穿隧層結構的方式運作,避免現有MRAM操作時,讀、寫電流均直接通過元件對元件造成損害的狀況,同時也具備更穩定、更快速存取資料的優勢。目前相關的技術已成功導入工研院自有的試量產晶圓廠,後續商品化的進度可期。
至於在FRAM,其具有所有新興記憶體技術中最低的操作功耗,但現有的FRAM使用鈣鈦礦(Perovskite)晶體作為材料,而鈣鈦礦晶體材料化學成分複雜、製作不易且內含的元素會干擾矽電晶體,因此提高了FRAM元件的尺寸微縮難度與製造成本。
為此,工研院在以「使用應力工程氧化鉿鋯之三維、可微縮、高可靠度鐵電記憶體技術」為題的論文中,成功以半導體製程中易取得的氧化鉿鋯鐵電材料替代現有材料,不但驗證優異的元件可靠度,並將元件由二維平面進一步推展至三維立體結構,展現出應用於28奈米以下嵌入式記憶體之微縮潛力。
另外,工研院也以「亞奈安培操作電流之氧化鉿鋯鐵電穿隧接面於記憶體內運算應用」為題的論文中,使用獨特的量子穿隧效應達到非揮發性儲存的效果,所提出的氧化鉿鋯鐵電穿隧接面可使用比現有記憶體低上一千倍的極低電流運作,並達到50奈秒的快速存取效率與大於一千萬次操作的耐久性,此元件將來可用於實現如人腦中的複雜神經網路,進行正確且有效率的AI運算。