综述:面向存内计算应用的超薄铪基铁电器件

《Information & Functional Materials》:Ultrathin Hafnium-Based Ferroelectric Devices for In-Memory Computing Applications

【字体: 大 中 小 】 时间:2026年03月20日 来源:Information & Functional Materials

编辑推荐:

  超薄尺度下HfO2基铁电体中铁电性的发现,重新点燃了铁电存储器件研究的热情,并推动铪基铁电器件成为纳米电子学研究前沿。同时,现代大数据技术的迅猛发展也对传统数据存储与处理提出了新的挑战。这为铪基铁电存储器带来了重要机遇;该类器件兼具非易失

  
超薄尺度下HfO2基铁电体中铁电性的发现,重新点燃了铁电存储器件研究的热情,并推动铪基铁电器件成为纳米电子学研究前沿。同时,现代大数据技术的迅猛发展也对传统数据存储与处理提出了新的挑战。这为铪基铁电存储器带来了重要机遇;该类器件兼具非易失存储、低功耗与超高速等优势,因此被视为构建硬件神经网络的有力候选。本文综述了铪基材料所表现出的独特性质及其内在机制,重点包括超薄尺度下稳健铁电性、纳米尺度上的“反向”尺寸效应以及极具前景的铪基超薄薄膜。在此基础上,进一步讨论了铪基铁电器件在神经形态计算(neuromorphic computing)领域中的突出能力。最后,总结了铪基铁电存储器件的前景与尚待解决的挑战,以期为铪基铁电器件的后续发展提供指导。
1 Introduction

本文从大数据时代对存储与计算速度、能效提出的更高要求切入,指出传统冯·诺依曼(von Neumann)架构由于存储单元与处理单元物理分离,频繁数据搬运导致性能与能耗受限,已难以满足人工智能任务需求。作为替代方案,神经形态计算(neuromorphic computing)因具备高能效、快速执行、局部失效鲁棒性及学习能力而受到广泛关注。文章据此引出新型非易失存储器的迫切需求,强调其应同时具备高速、高密度以及存算一体能力。作者进一步说明,铪基材料因可控极化、高速开关、超低能耗、多级存储与互补金属氧化物半导体(CMOS)工艺兼容性而成为下一代嵌入式存储的重要候选。文中同时梳理了铪基铁电材料的发展脉络,突出其从10 nm、5 nm直至2 nm节点仍可保持铁电性与可切换性的关键突破,并指出界面调控与电极工程正在推动低电压操作、可靠性提升以及新型极化切换模式的发展。

2 Materials and Design

2.1 Materials

本节首先介绍铪基材料的萤石(fluorite)结构。Hf4+或掺杂的Zr4+占据面心立方位置,O2?位于四面体间隙位点,这一结构赋予材料在超薄尺度下独特的铁电机制。文章指出,铪基材料的铁电性来源于正交相(o-phase),其中Hf0.5Zr0.5O2(HZO)因兼具优异铁电性、超薄厚度、低功耗、无损读出和硅兼容性而成为研究最广泛的代表材料。在器件层面,作者举例说明了TiN/HZO/TiN铁电二极管结构,指出金属电极与铁电薄膜界面形成的肖特基-欧姆接触可产生二极管型导电特性,从而实现非易失存储,这也是1T1C FeRAM等器件的重要基础。

2.2 Deposition

本节围绕铪基薄膜制备方法展开。原子层沉积(ALD)因具备自限制表面反应机制、厚度逐层可控、大面积均匀沉积能力以及先进CMOS节点兼容性,被认为是最重要且应用最广的方法。然而,ALD制备的萤石结构铁电薄膜通常为多晶且择优取向较弱,不同晶粒之间剩余极化(Pr)与矫顽场(Ec)等参数分布不均,晶界缺陷亦会影响铁电性和切换速度。此外,掺杂过程中还可能诱导非极性单斜相(m-phase)形成,削弱铁电性。文章也指出ALD存在工艺时序复杂、前驱体有毒且昂贵等问题。基于此,作者进一步介绍脉冲激光沉积(PLD)与射频溅射(RF sputtering)。PLD可通过调控激光通量、环境气压、基底温度与冷却速率实现高结晶质量和成分精确转移,但重复性和附着性不足;射频溅射则具备灵活调参、高速、低成本、低温和大面积制备优势,更适合产业化放大。

2.3 Device Design

本节总结铪基铁电器件的主要结构类型,包括铁电随机存储器(FeRAM)、铁电场效应晶体管(FeFET)和铁电隧道结(FTJ)。FeRAM以1T1C结构为典型,通过铁电电容的剩余极化状态存储二值信息,但读出为破坏性过程,读后需刷新。FeFET以铪基铁电薄膜作为栅介质,利用栅压调制极化存储信息,具有非破坏读出、较低工作电压和优良可扩展性。FTJ则属于双端器件,当铁电层足够薄时可利用隧穿效应实现高低导通态切换,因此特别适配超薄铪基铁电膜,也适合高密度交叉阵列。文章还补充指出,金属-铁电-金属(MFM)电容本身也是重要的基础存储单元,相较传统钙钛矿体系,HZO电容在超薄条件下仍具稳健铁电性和优异缩放能力。

3 Mechanism

作者指出,铪基铁电器件的性能建立在铁电性、尺寸效应、掺杂效应以及唤醒效应(wake-up effect)与疲劳效应(fatigue effect)等多重机制耦合基础之上。其中前三者主要决定超薄薄膜的本征物理,后两者则直接关系器件可靠性与循环稳定性。

3.1 Ferroelectricity

本节阐释铪基材料铁电性的来源。不同于PZT等传统钙钛矿铁电体中B位离子在氧八面体中的偏心位移,萤石结构铪基铁电体的极化来源于晶胞内四个氧离子相对中心离子的位移。作者强调,多相共存是铪基薄膜的重要特征,其中正交相被认为是铁电性的根源。铁电相形成通常经历先高温生成四方相(t-phase),后在冷却过程中转变为正交相的两步过程。文中还概述了从单斜相到正交相的原子跃迁路径,以及两种极化态在能量上等价、极化方向相反并被可切换能垒分隔的图景,这构成了铪基铁电可逆极化翻转的物理基础。

3.2 Size Effect

本节重点讨论铪基材料不同于传统钙钛矿铁电体的尺寸效应。传统钙钛矿体系存在明显临界厚度,随着薄膜变薄,四方性与铁电性下降;而铪基材料在9 nm以下首次表现出铁电性后,又进一步扩展到更薄尺度。作者认为表面能是理解这一现象的关键:在纳米尺度下,较小晶粒中表面能对总能量贡献显著提升,更倾向稳定高对称相,因此可促进正交相或四方相稳定,而四方相又可向极性正交相转变。文中借助萤石结构中的“菱方”极性畸变与传统钙钛矿中的“四方”极性畸变进行对比,说明铪基材料之所以能够在超薄尺度保持甚至增强铁电性,与其对称性演化和表面能驱动的高对称相稳定密切相关。

3.3 Doping Effect

本节分析掺杂对铪基薄膜铁电性、稳定性及缺陷行为的调控作用。作者指出,Zr掺杂有利于提高正交相比例并抑制单斜相,Y、La等元素也可增强剩余极化或改善耐久性;Ta、W、Ni、Cu等则有助于降低铁电相形成能。文章主要从三个层面展开:其一,掺杂改变有限温度下各相结构稳定性,例如Si掺杂可削弱单斜相稳定性,从而促进铁电相稳定;其二,掺杂有助于调控相组成并降低相变势垒,以Ce掺杂为例,晶格膨胀与Hf原子重排能垒降低共同促进从立方相(c-phase)向正交相转变;其三,掺杂显著影响氧空位与间隙氧形成能。文章归纳出“价态构型规则”,即掺杂元素与Hf之间价电子差异越大,对氧空位形成能的降低越明显,从而可通过缺陷工程实现对薄膜性能的有效调控。

3.4 Wake-Up and Fatigue Effect

本节围绕氧空位相关可靠性行为展开。唤醒效应是指初始HZO薄膜在电场循环过程中剩余极化逐步增大的现象,其成因主要包括四方相向正交相转变以及氧空位重分布导致内建偏压场减弱。随着循环增加,氧空位向体内扩散并趋于均匀,有助于改善膜内电场均匀性并提升铁电表现。但进一步循环会增加缺陷密度、降低峰值切换电流,最终损害正交相稳定性。疲劳效应则表现为大量循环后极化能力退化、存储窗口缩小并最终导致失效。作者指出,氧空位迁移至电极/铁电层界面会破坏去极化场并抑制铁电相成核,同时外场下原子位移及局域相分解也会进一步恶化性能,最终产生泄漏通道并触发器件失效。

4 Device

本章强调器件性能并非孤立来源于单一结构,而是铁电性、尺寸效应、掺杂调控和缺陷动力学共同作用的结果。作者尤其突出超薄特性对器件缩放、低功耗及高密度集成的重要意义。

4.1 Ultrathin Film

本节是全文重点之一。文章指出,铪基薄膜在约5 nm时铁电性可增强,目前甚至在2 nm尺度仍可保持稳健铁电性和极化切换行为,为超高密度器件集成奠定了基础。作者进一步从机制上解释这一现象:当o-phase HZO晶粒沿(112)面外方向高度择优取向时,其有效极化可显著提高,从而补偿因厚度减小带来的去极化场影响。实验结果显示,2–3 nm HZO薄膜中这类择优取向更加明显,而较厚薄膜则多为随机取向多晶结构。此外,轨道极化、晶面间距和结构纵横比的厚度依赖性也共同说明,随着厚度减小,极性畸变反而增强,体现出与传统钙钛矿完全不同的“反向”尺寸效应。作者据此认为,超薄HZO为极化驱动存储器件、先进铁电晶体管以及多层堆叠结构提供了关键材料基础。

4.2 Device Performance

本节归纳铪基铁电器件的关键电学性能。基于经典P–E回线的双稳态剩余极化,器件可实现非易失存储。TiN/HZO/TiN铁电二极管表现出明显非线性I–V特性和可切换二极管行为,这对交叉阵列中抑制漏电流尤其重要。作者进一步总结其速度、保持和耐久特征:脉冲测试表明器件具有超高速SET/RESET能力;在25°C、85°C和125°C下均表现出优良保持特性,高温下10年后仍可保留较高初始极化比例。另一方面,由于铪基铁电体具有较高Ec,其循环可靠性存在电场依赖性,较高外场会降低击穿前循环次数,体现出高极化与高可靠性之间的权衡。尽管如此,实验仍显示疲劳通常在约107次后才明显出现,而器件存储窗口在初始阶段还会因唤醒效应短暂增大。

4.3 Comparison

本节将铪基铁电器件与DRAM、SRAM、FLASH等商用存储技术进行对比。作者指出,HZO基FeRAM与FeFET可实现约10 ns量级读写速度,显著快于FLASH,同时写入电压较低,利于降低功耗并兼容先进CMOS工艺。其耐久性可达1010–1011次,明显优于FLASH,对频繁权值更新的神经形态与存内计算系统尤为关键。此外,HZO材料在5–10 nm甚至更薄范围内仍能保持可观Pr与Ec,展现出传统铁电薄膜难以兼具的缩放优势。

5 Neural Computing

5.1 Synaptic Plasticity

本节围绕铪基铁电器件模拟生物突触可塑性的能力展开。作者先概述人工突触实现需要满足的若干要求,包括非易失双向权值更新、输出与权重乘积关系、更新依赖输入与当前权值,以及器件紧凑和低功耗等。随后系统总结短时与长时可塑性行为:双脉冲易化(PPF)可通过相邻脉冲间隔缩短导致第二次突触后电流增强来实现;脉冲幅值依赖可塑性(SADP)、脉冲宽度依赖可塑性(SWDP)和脉冲频率依赖可塑性(SRDP)则分别体现器件导电态对刺激强度、持续时间和频率的可调响应。对于长期可塑性,文章进一步讨论了脉冲时序依赖可塑性(STDP)、长时程增强(LTP)和长时程抑制(LTD),指出器件能够通过导电态的稳定阶跃变化模拟学习与遗忘过程。作者还特别强调有限保持特性对模拟巴甫洛夫条件反射和记忆消退具有天然优势。

5.2 Algorithms and Hardware Systems

本节将器件能力扩展到算法和硬件架构层面。文章介绍了人工神经网络(ANN)、深度神经网络(DNN)、卷积神经网络(CNN)和脉冲神经网络(SNN)的基本特征,并强调HZO多级极化态、纳秒级切换速度和高耐久性使其适于大规模权值存储、快速编程和并行推理。对于CNN,作者指出HZO器件构成的交叉阵列有助于并行卷积和减少数据搬运。对于SNN,文中重点介绍漏积分-发放(LIF)模型,说明铪基铁电与反铁电器件可在无需外接电容或复杂复位电路的情况下实现积分、阈值触发和发放行为,并具备极低单脉冲能耗和高循环寿命。进一步地,FeFET突触与AFeFET神经元可构成硬件级神经网络;1T1R阵列以及三维单片集成(3D monolithic integration)则展示了铪基器件在大规模系统集成、并行向量-矩阵乘法和后端工艺兼容方面的显著潜力。

5.3 Visual System

本节讨论铪基器件在仿生视觉系统中的应用。作者指出,视觉系统需要同时实现光感知、信号传输和类突触处理,因此HZO/IGZO FeFET等光电协同器件成为关键。文章说明,IGZO与HAO的光响应均与氧空位缺陷密切相关:光照会诱导中性氧空位电离并增强导电性,而撤光后光生载流子与电离缺陷复合,电导逐渐恢复。基于这种动态响应,可将像素归一化、二值化并编码为脉冲序列,输入储备池计算(reservoir computing)系统实现数字、颜色及图像分类。作者还描述了将该原理用于自动驾驶视觉智能原型系统:通过识别红绿灯状态、行人存在与运动速度,实现车辆停止、通行与制动决策,体现了器件在安全关键型视觉感知场景中的应用价值。

5.4 Auditory System

本节聚焦听觉信息处理。作者首先指出,听觉系统需将时域声音特征转化为空间表征,生物耳蜗正是通过频率映射实现这一功能。为模拟该机制,文章引入基于动态忆阻器或忆容器的储备池计算系统,由输入层、储备池和输出层构成。文中介绍了适配此类系统的铪基铁电晶体管与HZO基忆容突触,指出其依赖极化过程、氧迁移、极化切换与电荷俘获等机制提供非线性和状态丰富性。音频处理方面,作者给出了从语音波形到频域采样、声学图像及二值化编码的流程,也提及Lyon耳蜗模型将原始音频转换为多通道频谱图后再输入系统。最终,系统可通过线性回归完成高精度分类,训练后权重分布更加分散,交叉熵损失单调下降,体现出良好学习行为。文章还进一步拓展到语音与手势的多模态识别,显示其在人机交互与边缘智能中的应用潜力。

6 Prospects and Challenges

6.1 Prospects

作者认为,铪基铁电材料在若干方向具有显著前景:其一,超薄铁电稳定性正在催生FTJ、负电容场效应晶体管(NC-FET)和三维垂直架构等新范式;其二,氧空位等缺陷可从传统的不利因素转变为可设计调控参数,用于优化电响应、突触可塑性和存内计算功能;其三,界面工程与掺杂工程可在原子尺度连续优化极化稳定性、相稳定性及缺陷行为;其四,凭借多级极化态和非线性响应,铪基铁电器件有望成为高能效脑启发计算硬件的重要基础。

6.2 Challenges

作者同时指出该领域仍面临四方面核心挑战:第一,随着厚度推进至2–3 nm,表面能、界面效应和去极化场会削弱极化稳定性并提高泄漏,构成可靠性瓶颈;第二,较高Ec要求较强电场驱动极化翻转,容易加速缺陷累积和疲劳,限制循环寿命;第三,大规模阵列中沉积厚度、缺陷分布与界面条件的微小差异会积累成明显器件间离散性,影响计算精度与良率;第四,系统级集成时器件非理想性会在神经网络中被放大,引发训练收敛困难、功耗升高和外围电路复杂化。因此,未来需要在材料、器件、电路和算法之间推进协同优化。

7 Conclusion

结论部分总结指出,铪基铁电器件凭借非易失、超高速、低功耗、高耐久以及超薄可扩展性,已成为下一代存储和脑启发计算的重要候选。本文系统回顾了其材料体系、制备工艺、铁电及超薄机制、器件性能和神经网络应用,强调其不仅拓展了传统铁电存储器的发展范式,也为神经形态计算提供了高潜力硬件基础。同时,作者也明确指出可靠性、耐久性、阵列一致性和系统集成仍是未来必须重点攻克的问题。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号