Etude des fluctuations de résistance dans les ReRAM : origine physique, dépendance temporelle et impact sur la fiabilité de la mémoire

Investigation of resistance fluctuations in ReRAM : physical origin, temporal dependence and impact on memory reliability

• Auteur / Autrice : Lucas Reganaz
• Direction : Quentin Rafhay, Gabriel Molas, Damien Deleruyelle
• Type : Thèse de doctorat
• Discipline(s) : Nanoélectronique et nanotechnologie
• Date : Soutenance le 08/02/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'électronique et de technologie de l'information (Grenoble ; 1967-....)
• Jury : Président / Présidente : Jean-Michel Portal
• Jury : Examinateurs / Examinatrices : Liliana-Daniela Buda, Cristian Zambelli
• Jury : Rapporteur / Rapporteuse : Marcelo Rozenberg, Damien Querlioz

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Monte-Carlo, Méthode de

Ordinateurs -- Mémoires

Mémoires non-volatiles à accès sélectif

Mots clés libres

Mémoire Non Volatile

Calcul dans la mémoire

ReRAM

Fluctuations de résistance

Kinetic Monte Carlo

Non Volatile Memory

In Memory Computing

ReRAM

Reistance Fluctuations

Kinetic Monte Carlo

Résumé

Cette thèse examine le rôle central des technologies émergentes de mémoire non volatile (NVM), en mettant l'accent principalement sur la mémoire résistive à accès aléatoire (ReRAM), pour relever les défis liés à la latence de la mémoire associée au rétrécissement des composants logiques. L'exploration commence par élucider la physique fondamentale de la ReRAM et ses applications potentielles dans le calcul en mémoire et l'informatique neuromorphique.Le deuxième chapitre se penche sur les stratégies d'ingénierie des matériaux pour optimiser les performances de la ReRAM, couvrant des aspects tels que les matériaux d'électrode supérieure, les effets de dopage, et les avantages d'une pile oxyde à commutation résistive (RS) en bi-couche. Ces informations posent les bases pour des investigations ultérieures sur la fiabilité des dispositifs.Un cadre de simulation de Monte Carlo cinétique (KMC) est introduit dans le troisième chapitre, offrant un outil puissant pour sonder le comportement dynamique microscopique de la ReRAM. Ce cadre devient essentiel dans le quatrième chapitre, où la physique de la fiabilité de la ReRAM, en particulier les fluctuations de résistance, est explorée en profondeur. L'analyse révèle des mécanismes complexes régissant les fluctuations et leur impact sur des métriques telles que le standard Failing Bit Count (FBC).Dans le dernier chapitre, l'application des dispositifs ReRAM en tant que synapses dans les réseaux neuronaux artificiels (ANN) est revisitée. Des techniques de programmation et des stratégies pour atténuer l'impact des fluctuations, notamment dans la ReRAM à cellules multi-niveaux (MLC), sont discutées. La thèse se conclut en soulignant le rôle crucial de l'ingénierie des matériaux de la pile ReRAM dans la conception de synapses fiables pour les paradigmes informatiques futurs.Cette exploration approfondie contribue à faire progresser notre compréhension du potentiel de la ReRAM, offrant des éclairages sur l'optimisation des dispositifs, la fiabilité, et son application dans l'informatique neuromorphique. En regardant vers l'avenir, la recherche souligne l'importance de l'innovation continue dans l'ingénierie des matériaux ReRAM pour libérer toutes ses capacités et faciliter son intégration dans le paysage évolutif des technologies informatiques.

This thesis investigates the pivotal role of emerging non-volatile memory (NVM) technologies, with a primary focus on Resistive Random-Access Memory (ReRAM), in addressing the challenges of memory latency associated with the shrinking of logic components. The exploration begins by elucidating the fundamental physics of ReRAM and its potential applications in in-memory and neuromorphic computing.The second chapter delves into material engineering strategies to optimize ReRAM performance, covering aspects such as top electrode materials, doping effects, and the benefits of a bi-layer resistive switching (RS) oxide stack. These insights provide a foundation for subsequent investigations into device reliability.A Kinetic Monte Carlo (KMC) simulation framework is introduced in the third chapter, offering a powerful tool for probing the microscopic dynamic behavior of ReRAM. This framework becomes instrumental in the fourth chapter, where the physics of ReRAM reliability, specifically resistance fluctuations, is explored in depth. The analysis reveals intricate mechanisms governing fluctuations and their impact on metrics like the standard Failing Bit Count (FBC).In the final chapter, the application of ReRAM devices as synapses in artificial neural networks (ANNs) is revisited. Programming techniques and strategies to mitigate the impact of fluctuations, particularly in multi-level cell (MLC) ReRAM, are discussed. The thesis concludes by emphasizing the crucial role of ReRAM material stack engineering in designing reliable synapses for future computing paradigms.This comprehensive exploration contributes to advancing our understanding of ReRAM's potential, offering insights into device optimization, reliability, and its application in neuromorphic computing. Looking forward, the research underscores the significance of continued innovation in ReRAM material engineering to unlock its full capabilities and facilitate its integration into the evolving landscape of computing technologies.