Modelling ferroelectric HZO-based devices for neuromorphic computing applications

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2023-12-12
Department
Major/Subject
Materials Physics and Quantum Technology
Mcode
SCI3107
Degree programme
Master’s Programme in Engineering Physics
Language
en
Pages
97 + 12
Series
Abstract
Modern development of electronics and integrated circuits has followed the exponential Moore's law according to which the size of transistors has also scaled down to the nanometer level. Since scaling is physically limited by the size of singular atomic layers where uncontrollable quantum effects reign, emerging technologies need to overcome the challenges of transistor scaling. Another problem modern computer technology has ran into is the physically limited speed of data transfer between the von Neumann architecture memory and logic units, especially for data-intensive computing like artificial intelligence tasks. To overcome the von Neumann bottleneck, emerging technologies are in dire need. Solution taking inspiration from the structure and operation of the brain are called neuromorphic solutions. Neuromorphic computing aims at solving the problems of limited computing speeds and high energy consumption. These same solutions can also provide solutions for scaling of transistor is reaching its physical limits. One category of solutions in neuromorphic computing are thin film ferroelectric devices, which can be used as standalone or more importantly integrated into silicon-based electronics. In the recent decades, hafnium has been one of the most studied ferroelectric materials due to CMOS compatibility, low thermal budget and scalable fabrication. The existing practical knowledge and infrastructure for hafnium deposition have make a cost effective candidate for future large scale systems. Hafnium-based ferroelectric devices in neuromorphic computing can emulate synaptic or neural behaviour in addition to non-volatile memory elements. In this work, the ferroelectric hafnium-based devices are examined, and ferroelectric thin film capacitors are modelled with the Jiles-Atherton model. The accuracies reached by the model for remanent polarization and coercive fields are over 99 \%, and the work examines the physical parameter behaviour for the hysteresis curves under different input voltages and ambient temperatures. This work is an important step towards future large scale circuit simulation and integration of hafnium based devices as non-volatile memory and synaptic components, enabling energetically and computationally efficient, neuromorphic solutions.

Moderni elektroniikan kehitys on seurannut eksponentiaalista Mooren lakia, jota mukaillen transistorien koko on pienentynyt. Seuraava askel olisi yhden atomin paksuinen kerros, mutta noin ohuilla kappaleilla kvanttimekaaniset ilmiöt kuten vuotovirta estävät transistorien nykyisenlaisen käytön. Kvanttimekaanisten \\ satunnaisilmiöiden hallitsemisen sijaan transistorien kehitys on menossa kohti uudenlaisten materiaalien käyttöä. Skaalautuminen ei ole ainoa tietokonelaskennan ongelmista. Nykyään lähes kaikkien tietokoneiden käyttämä von Neumann arkkitehtuuri erottelee muistiyksikön laskentayksiköstä luoden fyysisen esteen datan siirron nopeudelle. Tämän Von Neumannin pullonkaulailmiön voittaminen vaatii uudenlaisten laskenta-arkkitehtuurien kehittämistä. Näitä kutsutaan neuromorfisiksi, koska ne ottavat inspiraatiota aivoista. Mahdollinen ratkaisu esitettyihin ongelmiin on ferrosähköisten materiaalien hyödyntäminen itsenään tai yhdessä nykyisten transistorien kanssa. Nykyisen vuosikymmenen aikana ferrosähköisten hafniumpohjaisten laitteiden kehitys on kiihtynyt hafniumin sopivien fysikaalisten ominaisuuksien sekä olemassaolevan infrastruktuurin ja tietotaidon takia. Hafniumpohjaisia ferroelektrisiä laitteita voidaan hyödyntää neuromorfiseen laskentaan sekä synaptisien että neuraalisten ominaisuuksien toteuttamiseen ja lisäksi haihtumattomina muistielementteinä. Tässä työssä perehdytään hafniumpohjaisiin ferrosähköisiin laitteisiin, ja mallinnetaan ferroelektristä ohutlevykondensaattoria Jiles-Athertonin mallilla. Malli kykenee jopa yli 99 \% tarkkuuteen, ja työssä mallia hyödynnetään eri jännitteillä ja lämpötiloissa mitatuille hystereesikäyrille. Simulaatioparametrien muutosta analysoidaan taustalla olevan fysiikan pohjalta. Tämän työn tutkimus on tärkeä välietappi tulevaisuuden mikropiirisimulaatiolle ferrosähköisten komponenttien simulointiin osana mikropiiriä. Neuromorfisten teknologioiden kehitys mahdollistaa energiallisesti ja laskennallisesti tehokkaita tulevaisuuden ratkaisuja sekä uudenlaisia laskentamenetelmiä mullistaen modernin teknologian.
Description
Supervisor
van Dijken, Sebastiaan
Thesis advisor
Majumdar, Sayani
Keywords
ferroelectricity, neuromorphic computing, Jiles-Atherton, MFIS capacitor
Other note
Citation