《Advanced Electronic Materials》:Oxygen-Scavenging-Driven Interlayer Engineering for Balancing Linearity and Retention in IGZO Synaptic Memristors
编辑推荐:
基于IGZO的忆阻器通过肖特基势垒调制展现出类突触行为,但由界面层设计所决定的更新线性度、动态范围与保持性之间的权衡关系尚不明确。本研究对比研究了具有自然形成界面层(由不同底电极堆叠诱导产生)的Pd/IGZO/SiO2/p+-Si(样品#1)与Pd/IGZO/
基于IGZO的忆阻器通过肖特基势垒调制展现出类突触行为,但由界面层设计所决定的更新线性度、动态范围与保持性之间的权衡关系尚不明确。本研究对比研究了具有自然形成界面层(由不同底电极堆叠诱导产生)的Pd/IGZO/SiO2/p+-Si(样品#1)与Pd/IGZO/AlOX/Al(样品#2)忆阻器。样品#1表现出富氧空位(VO)的IGZO层及软击穿的SiO2界面层,从而获得更大的电导和优异的保持性(τ = 3.9 × 104 s)。相比之下,样品#2中保留的AlOX界面层实现了电压分配辅助的线性权重更新(αP = 1.2,αD = 0.8),并在更强的编程条件下维持接近统一的线性度。神经网络模拟进一步揭示了线性度与保持性之间的权衡关系,其中样品#2表现出更快的初始学习速度,而样品#1则实现了更高的峰值识别准确率(92%对88%)。这些结果表明,基于氧清除的界面工程是平衡IGZO突触忆阻器线性度与保持性的有效策略。
论文解读:氧清除驱动的界面工程在IGZO突触忆阻器中平衡线性度与保持性
一、研究背景与意义
随着人工智能(AI)的快速发展,待处理数据量急剧增长,对超越传统冯·诺依曼架构的计算范式提出了迫切需求。在传统架构中,存储与处理单元的物理分离导致数据传输过程中产生巨大的能耗和延迟。相比之下,受人类大脑启发的神经形态计算通过神经元和突触网络以大规模并行方式处理和存储信息,能够实现低功耗智能计算。神经形态系统的性能关键取决于突触可塑性在硬件中的精确模拟程度。在各种候选器件中,两端忆阻器因其结构简单和在高密度突触阵列中的优异可扩展性而被视为有前景的突触器件。
传统氧化物忆阻器多依赖局部导电细丝的形成与断裂来实现阻变,但细丝开关本质上具有随机性,常伴随突变的电导变化,使得突触权重的线性和连续调制面临挑战。为克服这些局限,铟镓锌氧化物(IGZO)作为替代开关材料受到广泛关注。得益于金属阳离子s轨道的大范围重叠,IGZO即使在非晶相中也能提供高载流子迁移率和优异的均匀性,且与室温及低温制造工艺兼容,有利于在CMOS电路上的后端(BEOL)集成。值得注意的是,根据器件堆叠和电极/界面设计的不同,基于IGZO的忆阻器不仅可通过细丝开关工作,还可通过金属/IGZO结处的肖特基势垒调制实现阻变。与随机细丝生长不同,肖特基势垒调制通过界面附近氧空位(VO)浓度的变化实现有效势垒高度和宽度的渐进调控,从而抑制突变开关并促进高度线性和连续的突触权重更新。因此,精确控制IGZO/电极界面对于可靠诱导势垒调制驱动的开关行为并优化突触性能至关重要。
在此背景下,本研究基于氧清除驱动的界面工程,有意引入界面氧化物层作为关键设计要素,系统探究自形成界面层及其形成后状态如何在同一IGZO平台内调控肖特基势垒调制以及线性度与保持性之间的权衡关系。
二、研究内容概述
研究人员制备了两种类型的IGZO基忆阻器:样品#1(Pd/IGZO/SiO2/p+-Si)和样品#2(Pd/IGZO/AlOX/Al)。通过透射电子显微镜(TEM)和能谱分析(EDS)确认了界面层的存在及厚度;利用X射线光电子能谱(XPS)分析了IGZO开关层及界面氧化物的化学状态;采用飞行时间二次离子质谱(TOF-SIMS)研究了电形成前后界面化学的演变;并通过变温电学测量验证了肖特基势垒调制行为。研究结果表明,不同底电极堆叠诱导的氧清除效应导致不同的界面层状态:样品#1中Si-O键强度较大,产生更强的氧清除作用,形成富VO的IGZO层(VO占比62.2%)和软击穿的SiO2界面层;样品#2中AlOX界面层在电形成后得以保留,其化学异质性更强,富含缺陷/陷阱相关氧状态。基于MNIST数据集的神经网络模拟进一步量化了界面工程对学习准确率的影响。
三、主要研究结果
3.1 界面层形成及电形成后演变
通过TEM/EDS确认了样品#1在p+-Si/IGZO界面处存在约2–3 nm厚的SiO2界面层,样品#2在Al/IGZO界面处存在约10 nm厚的AlOX界面层。XPS分析显示,样品#1的IGZO层具有更高的VO比例(62.2%对56.4%)和更低的晶格氧(M-O)比例(18.6%对22.9%),表明其氧缺乏程度更高。电形成过程中,样品#1在约?7.5 V时SiO2界面层发生软击穿,电流突变增加;样品#2则在约?4 V时电流逐渐增加至限流值,无软击穿现象。TOF-SIMS深度剖析进一步证实,电形成后样品#1的SiO2界面层发生局部改性,而样品#2的AlOX界面层在分析分辨率内得以保留。
3.2 肖特基势垒调制开关机制
变温电学测量表明,两种器件在正偏置高阻态区域均呈现热电子发射限制的输运特性。提取的有效肖特基势垒高度(φSB, eff)显示,样品#2在整个偏压窗口内均高于样品#1,这归因于两者界面层形成后状态的差异。基于热电子发射机制,双极开关可通过肖特基势垒调制模型解释:正偏置SET过程中,Pd/IGZO界面附近的中性氧空位(VO0)被电离为VO2+,降低有效势垒,增强热电子发射,驱动器件进入低阻态(LRS);负偏置RESET过程中,电子注入中和电离空位,升高有效势垒,抑制热电子发射,使器件返回高阻态(HRS)。样品#1中软击穿的SiO2界面层形成低阻路径,电流主要由Pd/IGZO肖特基接触控制;样品#2中保留的AlOX界面层作为额外绝缘势垒,其电荷输运更可能由陷阱辅助隧穿(TAT)主导。
3.3 突触可塑性:权重更新线性度、保持性与学习准确率
在脉冲编程测试中,样品#1表现出明显的非线性权重更新(αP = 2.12,αD = 0.45),而样品#2展现出更优异的线性度(αP = 1.2,αD = 0.8)。样品#1的动态范围(约100 μA)约为样品#2(约30 μA)的3–4倍。循环稳定性测试表明,样品#1的αP随循环次数增加而漂移(从约2.1增至约3.0),而样品#2的αP稳定在约1.05–1.25范围内。脉冲数依赖可塑性(SNDP)、脉冲电压依赖可塑性(SVDP)和脉冲宽度依赖可塑性(SWDP)研究一致表明,样品#2在更强的编程条件下仍能维持接近统一的线性度,而样品#1则遵循动态范围与线性度之间的典型权衡关系。保持性测试中,样品#1的保持时间常数(τ = 3.9 × 104 s)大于样品#2(τ = 1.5 × 104 s),归因于样品#1更高的VO浓度可维持更多残余VO2+相关施主态,缓解势垒升高过程。MNIST神经网络模拟显示,样品#1最终达到92%的识别准确率,高于样品#2的88%;但样品#2在前12个训练周期内表现出更快的初始学习速度,这得益于其更优的更新线性度。
四、结论与讨论
本研究通过对比两种不同底电极堆叠的IGZO忆阻器,阐明了氧清除驱动的界面工程如何调控突触特性。样品#1因更强的氧清除作用形成富VO的IGZO层和软击穿的SiO2界面层,获得更大的电导和更优的保持性;样品#2因保留的AlOX界面层产生电压分配效应,实现高度线性的权重更新。神经网络模拟揭示了线性度与保持性之间的权衡关系:样品#2因线性度优势在早期学习中表现更好,而样品#1凭借优异的保持性最终获得更高的识别准确率。这些结果证明,电形成后界面层状态是决定IGZO突触忆阻器线性度与保持性平衡的关键因素,为神经形态硬件应用提供了有价值的设计指导。