华东师大Nano-Micro Letters：面向存储和存算一体的新型铁电AlScN综述

科学

5月前

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

铁电体可通过外部电场编程出非易失极化态，在非易失存储器（NVM）和存内计算领域展示出巨大的潜力。然而，钙钛矿铁电体的互补金属氧化物半导体（CMOS）兼容性差和多相共存的铪基铁电体在尺寸缩放后铁电性能的不均匀性等一直是阻碍铁电器件实际应用的棘手问题。新兴的铁电AlScN为规避这些困境提供了机会。

近日，华东师范大学田博博教授与朱秋香副教授团队在Nano-Micro Letters期刊（2023 IF: 31.6）上以“New-Generation Ferroelectric AlScN materials”为题发表了综述，详细讨论了铁电AlScN薄膜的铁电机理和畴动力学，全面总结了AlScN薄膜的不同制备技术和相应的性能优化策略，分析了其在存储和存算一体中的应用，并对铁电AlScN的商业前景和挑战进行了展望。该工作华东师范大学电子科学系张亚龙博士研究生为论文第一作者。

人工智能的发展和芯片的算力是相辅相成的。在传统的冯·诺依曼架构中，中央处理器（CPU）和存储器的分离会导致数据传输过程中的延迟和能量消耗（图1a）。为了突破这些瓶颈，近年来出现了NVIDIA的多核图形处理器（GPU）和谷歌的张量处理器（TPU），以及基于非易失性存储器（NVM）的存内计算（IMC）技术（图1b）。铁电存储器（FeM）器件由于低功耗、高运行速度和优秀的疲劳特性，在IMC应用方面具有独特优势（图1c）。

图1（a）Von Neumann体系结构中的内存和CPU。（b）提高算力的技术路线图。（c）现有NVM的性能比较。这里，“FeRAM:10/10”表示FeRAM的读/写时间为10/10 ns，其余定义类似。

纵观百年铁电史，钙钛矿型铁电材料与CMOS后端（BEOL）不兼容。铪基铁电材料的结晶需要额外的后退火处理，多晶和多相导致薄膜小面积上的性能不均匀，并给大规模集成芯片带来了问题。因此，迫切需要可替代铁电材料。幸运的是，纯相铁电体AlScN具有比其他传统铁电体大几倍的P_r和E_c值。AlScN的铁电性在1100℃时保持稳定。此外，在已知的铁电材料中，AlScN具有最低的介电常数。低介电常数铁电层可以减少非铁电层的电压共享，有利于增加铁电存储器的感测裕度和耐久性（图2）。

图2（a）铁电材料和FeM的发展历史。上插图显示了AlScN的晶体结构，下插图显示了FeM的结构，其中FeSFET、FeD和FFD分别代表铁电半导体FET、铁电二极管和铁电鳍式二极管。（b）AlScN与其它常见铁电体P_r和E_c的比较。（c）不同铁电体的介电常数和T_c的比较。

接下来，作者从ScN和AlN如何被联系起来开始介绍AlScN的铁电起源。常识上，ScN具有稳定的非极性岩盐结构，难以与纤锌矿AlN连接。然而，早期的计算预测了亚稳态六方ScN的存在。纯AlN的极化方向在电场低于其介电击穿极限的条件下无法实现反转。但是，理论上可以通过降低纤锌矿AlN两个极化状态之间的能量势垒来切换极化方向。关于AlN从纤锌矿结构转变为岩盐结构的相变路径，大多数学者支持将层状六方相作为过渡相的观点，因为六方相作为中间相在能量上是有利的。后来的计算结果显示，Sc掺杂可导致AlN的能垒变平坦。因此，有科学家推测层状六方相可以用作AlScN的两个极化取向之间的过渡态，以降低两个极化态之间的能量势垒（图3）。

图3 AlScN的极化反转过程和掺杂Sc后双势阱的变化。

随后，作者总结了Sc的掺杂含量、膜厚、温度等因素对AlScN薄膜摇摆曲线FWHM、c/a、P_r、E_c和介电常数等性能的影响（图4和图5）。同时，总结了AlScN的畴反转动力学和原子尺度的极化反转（图6）。

图4 Al_1-xSc_xN的材料特性与Sc浓度的函数关系。（a）摇摆曲线FWHM、（b）c/a、（c）P_r、（d）E_c和（e）介电常数。

图5 Al_1-xSc_xN的材料特性的膜厚依赖性。（a）c/a、（b）介电常数、（c）P_r和（d）E_c。Al_1-xSc_xN的材料性质的温度依赖性。（e）c/a、（f）介电常数、（g）P_r和（h）E_c。

图6（a）沉积的Pt区域的STEM图像，非切换区域（N极性）极化切换到金属极性。（b）HAADF显微照片显示了N极性的原子结构。（c）HAADF显微照片显示了在沉积的Pt区域中极化反转后金属极性的原子结构。（d）N极性、非极性和Al极性态的原子模型、STEM图像的模拟和实验图像。

图7 （a）FeFET（HZO、PZT和AlScN）的on/off比和归一化存储窗口。（b）HZO、PZT和AlScN-FeFET的E_DEP/E_c比率的模拟值。（c）基于AlScN/MoS₂的FeFET的示意图。（d）I–V转移曲线。（e）基于AlScN/MoS₂的FeFET的疲劳性和（f）保持特性。（g）基于AlScN/MoS₂的FeFET的示意图。（h）I–V转移曲线。（i）MoS₂作为沟道的不同FeFET的归一化MW和开态电导率的比较。

随后，作者总结了AlScN基的FeRAM、FeFET、FeD和FTJ器件，并阐述其商业化的潜力。针对以上AlScN铁电器件各自的缺点提出了在商业化道路上可能面临的困难（图7）。最后，列举了基于AlScN的铁电存储器在IMC领域应用的实例（图8）。

图8（a）AlScN-FeD和（b）TCAM由2-FeD细胞构建。（c）各种TCAM单胞的面积与搜索延迟的基准比较图。（d）VMM的AlScN FD交叉阵列实现。（e）16种电导态的保持特性。（f）卷积神经网络的拓扑图。（g）I–V曲线的拟合。（h）和（i）AlScN忆阻器的线性V_dr映射到非线性V_de。

图9. 铁电AlScN在NVM中的优势及其在IMC和传感器内计算领域的潜在应用。

挑战和展望

铁电AlScN具有CMOS后端兼容性、可持续微缩、本征且稳定的铁电相等优点，这促使研究人员对其物理性质进行了广泛的探索。这篇综述对AlScN基铁电体进行了全面的综述，涵盖了铁电机理和畴动力学、AlScN基FeMs及其IMC应用等方面。尽管取得了这些研究进展，但AlScN的性能仍需要进一步的改进和开发，以充分发挥其在未来商业应用中的潜力。

（1）材料层面的挑战：

III族元素的掺杂会在III族氮化物中诱发应力并降低其极化反转能垒，导致III族氮化物在硬击穿前发生极化反转，并伴有巨大的P_r。必须系统分析空位、温度、应变、掺杂浓度、杂质、非均匀畴和表面吸附等因素对AlScN铁电性能的影响。目前，原位PFM与脉冲测试相结合已经证实了AlScN中的畴反转动力学，并且已经用STEM和其他方法证实了AlScN铁电畴壁的存在。然而，有必要使用高精度原位X射线衍射（XRD）和原位STEM表征方法进行进一步研究，以进一步揭示AlScN铁电性的起源和铁电性能的温度依赖性。

（2）商用存储器中对AlScN的需求：

巨大的E_c是一把双刃剑。FeFET的MW主要由铁电层的矫顽电压（V_c）决定，与铁电膜的厚度和E_c成比例。器件的小型化需要减小栅极厚度。因此，为了保持所需的MW，FeFETs器件中的铁电栅极材料需要具有大的E_c。此外，FeFET中半导体沟道的不完全屏蔽引入了大的去极化场，导致数据保持特性差。高E_c有利于改善器件的保持特性。然而，超大的E_c对工作电压的要求更高，限制了FeRAM的疲劳性能。在高电压下循环会导致性能下降。因此，合适的E_c被认为是在铁电应用中实现平衡性能的最佳选择。通过调节引入的Ga、B和Sc等阳离子的浓度，可以降低AlScN的E_c。改变衬底或采用快速退火来增加平面内拉伸应力也可以降低E_c。此外，为了降低操作电压，必须采用超薄膜。

剩余极化P_r是铁电材料的另一个关键参数。尽管大P_r提供了优势，但它也带来了挑战。AlScN表现出的大P_r扩大了剩余极化选择的范围，并能够产生用于有效静电掺杂的强局部电场。例如，调整施加电压的幅值可以产生许多变化P_r值 (inner hysteresis loops)。然而，在FeFET中，大的P_r可以导致显著的去极化场。因此，在FeFET应用中，优选合适的P_r来平衡性能和稳定性。

当施加的电场接近E_c时，AlScN经历显著的漏电流，导致较差的循环耐久性。这个问题通常归因于氮缺陷、位错和非均匀畴。需要高真空沉积系统在具有高氮含量的环境中生长薄膜以抑制氮空位的形成。此外，合适的衬底是必不可少的，它不仅可以提供外延模板来抑制位错和非均匀畴，而且可以诱导适当的应变来平坦极化反转的能垒。此外，系统研究纤锌矿铁电薄膜存储应用中需要解决的唤醒效应、印记效应、疲劳失效机制和循环耐久性机制也很重要。

为了满足商用芯片对AlScN的需求，在保持AlScN晶圆质量的同时，必须专注于降低成本。此外，满足深孔充填工艺的要求也是至关重要的。AlScN的ALD工艺可用于复杂结构的深孔填充，但ALD中真空条件差导致的晶格氧等缺陷仍然是值得关注的问题。此外，利用纤锌矿铁电材料的性能优势为设计新型存储结构和芯片架构开辟了途径。

（3）IMC对FeM芯片的需求：

在执行VMM计算时，器件-器件和循环-循环之间的一致性至关重要。需要深入了解器件极化状态、畴动力学和电阻态之间的复杂联系。目前，基于AlScN的器件的研究仍处于初级阶段，通常以简单的结构作为单个器件存在。为了向IMC迈进，迫切需要高质量、大规模的阵列。对于FTJ和FeD来说，实现足够紧凑的单元尺寸和实现多态对于优化性能至关重要。对于FeFET来说，采用类NAND结构提供了一种提高存储密度的可行方法。

总之，铁电AlScN表现出优异的铁电性，在铁电NVM领域具有广阔的应用前景。在解决上述挑战的同时，重点改善铁电AlScN的电学性质并探索与前端和后端技术兼容的集成工艺至关重要。当然，扩展AlScN在IMC（如搜索运算、矢量矩阵乘法、逻辑运算、机器学习和图形计算）和传感器计算（如人工视觉、听觉、触觉、嗅觉和味觉传感器）中的应用是至关重要的（图9）。尽管其商业化可能需要时间，但预计一旦其薄膜和器件达到临界质量，AlScN的卓越性能将被广泛应用。

该论文得到国家重点研发计划、国家自然科学基金优青、面上项目、上海科技创新行动计划和中央高校基本科研业务等项目资助。