學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73896

Browse

Search Results

Now showing 1 - 4 of 4
  • Item
    鐵電電容式記憶體特性及研究
    (2023) 曾涵楨; Tseng, Han-Chen
    鐵電材料是一種具有雙穩態特性的材料,在電場的作用下能夠產生持久的極化狀態,也能夠在無外部電場的情況下保持所極化的狀態,並即在不同的極化狀態之間切換。這種特性使得鐵電材料成為理想的記憶體元件,可以實現高密度、非揮發性的數據存儲,使其廣泛應用於記憶體中。本研究選擇摻雜不同鋯濃度的氧化鉿鋯(Hf1-xZrxO2, HZO)作為鐵電材料,並對其特性進行了深入研究和應用。鐵電電容式記憶體(Ferroelectric Capacitive Memory, FCM)主要分為累積式FCM和反轉式FCM,同時都有低功耗、快速的寫入速度、長時間保持性和耐久度等優點,並應用於類神經運算。通過TCAD模擬的結果,觀察到反轉型FCM施加負偏壓時,n+摻雜區產生帶對帶穿隧效應。製作不同鐵電層濃度和結構的FCM元件,結果顯示MPB( Morphotropic Phase Boundary) SL(superlattice)-HZO具有較高的開關比,並且在保持度和耐久度量測中表現出更優異的性能,具有對稱性| αp - αd | = 0.03 ~ 0.35的深度學習操作,展現成為類神經突觸元件的能力。
  • Item
    氧化鉿鋯之鋯濃度最佳化應用於三維垂直式鐵電穿隧接面元件與低溫翻轉響應之鐵電隨機存取記憶體
    (2023) 張福生; Chang, Fu-Sheng
    由於鐵電氧化鉿鋯(Hf1-xZrxO2, HZO)材料具有極化的特性應用於非揮發性記憶體研究,此論文透過原子層沉積調控摻雜鋯的比例以研究鐵電穿隧接面元件(Ferroelectric Tunnel Junctions, FTJ),更進一步設計三維立體垂直式FTJ,實現高密度陣列記憶體,在相同面積占比下堆疊FTJ元件,並展示其具有邏輯閘操作潛力,電流開關比達到1500倍,此外透過低溫量測來探討鐵電記憶體(FeRAM)的操作速度極限,結果顯示反鐵電電容的操作速度優於正鐵電電容,且證明部分四方晶相 (tetragonal phase)主導的反鐵氧化鉿鋯在低溫下會部分轉變成正交晶相 (orthorhombic phase) 進而導致殘餘極化量上升創造更佳的記憶存取空間,提升反鐵電電容應用在未來新興記憶體的潛力。
  • Item
    鐵電氧化鉿鋯材料於非揮發性電阻式元件之未來新興記憶體應用
    (2021) 劉人豪; Liu, Jen-Ho
    鐵電二氧化鉿鋯(Hf1-xZrxO2)材料因具有雙穩態(Bi-stable)的特性,使其能在外加偏壓為零時仍具有兩個穩定的極化狀態,此特性使得它具備成為新興非揮發性記憶體(Non-volatile memory, NVM)的潛力,預期在未來人工智慧(Artificial intelligence, AI)和類神經運算(Neuromorphic computation)的應用中扮演至關重要的角色。截至現今已經有相當多關於鐵電材料於記憶體的研究,而本論文主要探討調變HZO中摻雜鉿(Hf)與鋯(Zr)的比例,並成功開發反鐵電(Anti-ferroelectric)材料應用於電阻式記憶體元件,且在記憶體特性上皆優於正鐵電(Ferroelectric)材料。本論文第二章研究結果為反鐵電介面二極體(Anti-ferroelectric junction diode)的記憶體具備單極性操作的能力,且記憶體的開關比例(On/Off ratio)達到100倍和耐受性(Endurance)可達到109次;而第三、四章則展示雙層反鐵電穿隧式記憶體(Bi-layer anti-ferroelectric tunneling junction)具有大於100倍的On/Off ratio和大於50倍的穿隧電阻比(Tunneling electro-resistance, TER),耐受性與資料保存性(Retention)分別可達到108次與大於104秒,並且在調控不同寫入的脈衝電壓下,顯示具有多階儲存單元的能力(Multi-level cell)與深度學習(Deep Learning)的特性,使其具備成為高密度且低功耗的非揮發性記憶體應用於類神經運算的潛力(Neuromorphic computation)。
  • Item
    鐵電氧化鉿鋯之負電容效應及類神經元件應用
    (2019) 向國瑜; Siang, Guo-Yu
    鐵電材料的遲滯現象(Hysteresis)具有雙穩態的特性,滿足記憶體對於信號的存取要求和負電容特性(Negative capacitance, NC)電壓放大的概念,因此近年來對於鐵電材料進行廣泛的研究。由於負電容特性改善次臨界擺幅(subthreshold swing, SS),使MOSFET的SS在室溫下克服Boltzmann tyranny 2.3kbT/decade的物理極限,另一方面具有穩定遲滯現象和非破壞性讀取的特性適合作為非揮發性記憶體(Non-Volatile Memory, NVM)。 本論文將針對鐵電材料氧化鉿鋯(HfZrO2, HZO)作為元件絕緣層的特性進行研究,首先將研究環繞式閘極場效電晶體搭載鐵電薄膜後,達到負電容效應,再來使用鐵電材料與非揮發性記憶體結合,研究應用於深度學習(Deep Learning, DL)且搭配不同結構與波型,尋找最佳的資料演算方式。