Browsing by Author "張劭華"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    鐵電電晶體以等脈衝編程之神經網路與極化輔助脫陷阱
    (2021) 張劭華; Chang, Shao-Hua
    近幾年來半導體的領域中，鐵電材料與現今CMOS 製程相容，是非常熱門的研究主題，而鐵電氧化鉿鋯(HfZrO2, HZO)也已被廣泛的利用。本論文系統地研究了用於增強（Potentiation）/ 抑制（Depression）機器學習的等脈衝編程，以使用5nm厚的HZO鐵電電晶體實現非線性度（α_P= 1.25和α_D = -3.69）和高電導比率（> 103x）。顯示出電導比率和線性之間的權衡特性。記憶窗（memory window, MW）增強的較高剩餘極化（Pr）將導致電導比率增加，但會降低訓練曲線的線性度。對於HZO厚度從15nm到5nm的HZO，以50ns的脈衝寬度和較低的脈衝電壓執行等脈衝的優化學習條件。這些突出的優點為將來記憶體內計算（computing-in-memory, CIM）應用程序等新興應用提供了機會。 而記憶窗作為主要決定因子，我們也嘗試透過介電層（dielectric, DE）與鐵電層相對位置調變，由量測結果發現上層的DE與下層DE相比有較大的記憶窗，且2階的資料保存能力達103秒無衰退現象，可重複操作次數超過105個cycles。在確立了其元件的特性後，我們嘗試以不同的脈衝條件，令元件達成機器學習的效果。鐵電電晶體的學習曲線具有良好的線性與對稱性。 雙層鐵電電晶體（double-layer ferroelectric, DFE），以改善機器學習中權重更新的非線性。雙層非對稱之FeFET（HZO 5nm / Al2O3 0.5nm / HZO 10nm）具有2.3 V的記憶窗，可操作 >105的耐久性，並可保持 >104秒。FeFET新型極化輔助脫陷阱（polarization assisted de-trapping, PAD）方法，增強型學習曲線的非線性度（αp）可以降低到0.07。