分享自:

可扩展的CMOS后端兼容AlScN/二维通道铁电场效应晶体管

期刊:nature nanotechnologyDOI:10.1038/s41565-023-01399-y

基于二维MoS₂通道与AlScN铁电材料的可扩展CMOS后端兼容铁电场效应晶体管研究

一、作者与发表信息
本研究由美国宾夕法尼亚大学Deep Jariwala、Roy H. Olsson III团队主导,合作单位包括韩国汉阳大学、宾夕法尼亚州立大学、沙特阿卜杜拉国王科技大学等。研究成果发表于Nature Nanotechnology 2023年9月刊(Volume 18, pp. 1044–1050),论文标题为《Scalable CMOS back-end-of-line-compatible AlScN/two-dimensional channel ferroelectric field-effect transistors》。


二、学术背景
科学领域:本研究属于半导体器件与纳米电子学交叉领域,聚焦于铁电场效应晶体管(Ferroelectric Field-Effect Transistor, Fe-FET)的集成与性能优化。
研究动机:传统计算架构中,处理器与存储器的物理分离导致数据瓶颈和能耗增加。三维单片集成(Monolithic 3D Integration, M3D)被认为是突破这一限制的关键,但需开发与硅基CMOS逻辑兼容的后端工艺(Back-End-of-Line, BEOL)存储器。铁电材料AlScN因其高剩余极化强度(>110 μC cm⁻²)、低温沉积(350°C)和热稳定性(>1000°C)成为理想候选。
研究目标:开发基于二维半导体MoS₂通道与AlScN铁电材料的Fe-FET,实现高密度、低功耗、可扩展的非易失性存储器(Non-Volatile Memory, NVM),并验证其多比特存储和类脑计算潜力。


三、研究流程与方法
1. 材料制备
- MoS₂合成:采用三种方法制备大面积单层MoS₂:
- CVD 1:以MoO₃和S粉末为前驱体,在800°C下沉积于蓝宝石衬底。
- MOCVD:使用Mo(CO)₆和H₂S气体,在900°C下生长。
- CVD 2:通过H₂S气氛硫化MoO₃⁻ˣ薄膜,温度约690°C。
- AlScN沉积:通过脉冲直流共溅射法在Pt/Ti/SiO₂/Si衬底上沉积20–100 nm厚Al₁₋ₓScₓN薄膜(x=0.28–0.32),工艺温度350°C。

  1. 器件制备

    • 湿法转移:将MoS₂从蓝宝石衬底转移至AlScN薄膜,采用PMMA辅助剥离和KOH溶液刻蚀。
    • 光刻与刻蚀:电子束光刻定义源/漏电极(Ti/Au),氧等离子体反应离子刻蚀(RIE)形成通道区域。
    • TEM表征:通过透射电子显微镜(TEM)和能量色散X射线光谱(EDS)验证MoS₂/AlScN界面无氧化层。
  2. 电学测试

    • 铁电性能:通过正负上下脉冲(PUND)测量AlScN的剩余极化强度(135 μC cm⁻²),频率10 kHz下矫顽场为±4.55.1 MV cm⁻¹。
    • 器件性能
      • 转移特性:Fe-FET显示逆时针滞回曲线,记忆窗口(Memory Window, MW)达7.8 V(45 nm AlScN),开关比>10⁷,导通电流密度252 μA μm⁻¹(80 nm沟道长度)。
      • 脉冲操作:验证4比特存储(16态)和7比特(128态)突触权重调控,脉冲宽度低至1 μs。
      • 耐久性与保持性:耐久性>10⁴次循环,数据保持时间外推至10年。
  3. 仿真与神经网络模拟

    • 采用TCAD(Technology Computer-Aided Design)模拟验证实验数据。
    • 基于NeuroSimV3.0构建多层感知机(MLP)神经网络,手写数字识别准确率达94.26%。

四、主要结果与逻辑关联
1. AlScN厚度与性能关系:降低AlScN厚度(100 nm→20 nm)可减少开关电压(20 V→5 V),但MW从21 V降至1–4 V,表明厚度与极化强度需权衡优化。
2. 二维通道优势:MoS₂的原子级厚度增强静电控制能力,使80 nm沟道器件仍保持高开关比(>10⁶)。
3. 多比特存储机制:通过调控脉冲幅值/数量实现部分铁电畴翻转,证明AlScN中多畴共存特性。
4. 类脑计算应用:7比特突触权重更新显示高线性度(非线性因子±1.25),支持高精度神经网络训练。


五、结论与价值
科学价值
- 首次实现AlScN基Fe-FET的多比特存储和突触行为,为铁电氮化物的应用开辟新方向。
- 提出BEOL兼容的二维/三维异质集成方案,突破传统存储器与逻辑分离的架构限制。

应用价值
- 为人工智能和大数据应用提供高能效、高密度的存算一体解决方案。
- 潜在替代闪存(Flash)和动态随机存储器(DRAM),推动单片三维集成技术发展。


六、研究亮点
1. 材料创新:AlScN兼具高极化强度与低温工艺兼容性,优于传统HfO₂基铁电材料。
2. 器件性能:在80 nm尺度下实现高电流密度(252 μA μm⁻¹)和低操作电压(5–6 V)。
3. 多应用验证:同时满足NVM存储和神经形态计算需求,展示技术通用性。


七、其他价值
- 通过晶圆级工艺(Wafer-Scale Processing)证明规模化生产潜力。
- 补充实验(如TEM界面分析、PUND测试)为铁电畴动力学研究提供新数据。

(全文约2000字)

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com