自1920年首次发现铁电效应开始计算，铁电材料已经过了百岁诞辰。随着铁电材料的发展和应用，基于铁电材料的非易失性存储器在军事和商业应用方面均获得了大量投入。最具代表性的是基于铁电材料的电容器、隧道结和场效应晶体管。Ramtron公司在1990年代提出了基于电容器的铁电随机存储器（FeRAM）（图1a）。由于良好的耐久性（>10¹²）和稳定性，FeRAM产品在智能卡、电表、飞机黑匣子、微控制器等小批量应用中非常具有竞争力。然而，FeRAM的信号读出是通过读取极化反转电荷，为了获得可观的信号强度和较快的读取速度，需要足够的电容面积来提供充足的电荷，这限制了电容器类型的铁电存储器的存储密度。此外，电荷读取过程是一个破坏性过程，阻碍了其在基于欧姆定律和基尔霍夫定律实现模拟矩阵运算的存算一体方面的未来应用。在2000年附近实验获得了铁电隧道结（FTJ），通过调节夹在不同金属之间的铁电层的极化方向可获得不同的隧穿电导（图1b）。FTJ的非破坏性电导读取模式和简单的结构对高密度存储器和存内计算应用均十分有吸引力。但是FTJ为了满足直接量子隧穿，其铁电功能层只有几个纳米厚度。纳米尺度的铁电薄膜的矫顽电场较块体大很多，强场下的极化反转带来较差的耐疲劳性。通常报道的FTJ的耐疲劳特性均在10⁶以内。铁电晶体管（FeFET）通过改变铁电栅介质层的畴结构来非易失调控半导体沟道的电导（图1c），完美地避免了上述的两个问题。然而，与FeRAM中的铁电层直接生长在电极上不同，FeFET中的铁电层与半导体或者半导体上的缓冲层相接触。由于缺乏良好的外延条件，FeFET中的铁电层通常表现为介观上无序的多晶铁电体，这不可避免的会导致纳米级器件之间的不均匀性。这种器件不均匀性使FeFET的商业化面临挑战。此外，与两端存储器相比，三端结构的存储器阵列密度较低。

图1.铁电存储器性能的比较。(a-d)铁电随机存储器（FeRAM）(a)、铁电隧道结（FTJ）(b)、铁电场效应晶体管（FeFET）(c)和提出的FFD(d)。

为了解决上述问题，近日，华东师范大学极化材料与器件教育部重点实验室和上海类脑智能材料与器件研究中心段纯刚教授和田博博教授团队研发了一种铁电鳍式二极管（FFD）的新型非易失存储器（图1d）。其中铁电电容器和侧壁鳍状的半导体沟道共享顶部和底部电极。通过在两端的半导体/电极界面分别形成欧姆和肖特基接触，当向肖特基势垒施加反向电压时，由于电容器和沟道路径中的电势梯度差异导致了横向的电场分量，该横向电场通过操纵铁电畴对垂直侧壁沟道进行非易失的静电掺杂调控，从而产生铁电极化主导的非易失性阻变行为（图2）。

图2. FFD中阻变与铁电极化的关联。(a)FFD的I-V曲线图。(b)介电常数随温度变化关系图。(c)FFD在不同温度(300 K、333 K、353 K、373K、393 K和300 K)下，频率为100 Hz时的P-V曲线和准静态扫描的I-V曲线。(d)偏置电压为5 V时ln(J/T²)与1/T的曲线图。线性拟合得到的肖特基势垒高度为~0.85 eV。插图：温度分别为333 K、343 K、353 K、363 K、373 K温度下的ln（J/T²）和V^1/2的线性关系拟合图。(e)Pt、ZnO和Al的电子能带结构示意图。在20 V电压(f)和−20 V电压(i)极化后，TCAD仿真获得的Pt/ZnO/Al结构的能带排列。在20 V偏压(g)和−20 V偏压(j)极化下FFD中的电势分布。通过20 V偏压(h)和−20 V偏压(k)极化后FFD中的铁电极化束缚电荷分布。

值得注意的是，FFD吸收了FTJ的非破坏性电导读取模式和FeRAM的长耐久性的优点，同时避免了传统FeFET器件面临的非外延限制问题。这种创新设计允许铁电体以良好外延方式直接沉积在电极上，而不是半导体上，从而避免了FeFET器件面临的纳尺度器件不均匀性问题。信息的非破坏性电导读取模式避免了FeRAM因为电荷读取所面临的缩放问题。由沟道长度定义的铁电层厚度不会受到直接量子隧穿极限的厚度限制，从而避免了FTJ的低耐疲劳性问题。此外，FFD的自整流伏安特性可以有效抑制交叉阵列中的潜电流问题，被证实可以在适合存内计算应用的无源交叉阵列架构中获得应用。

该团队利用不同的铁电材料（如有机P(VDF-TrFE)聚合物和工业上使用的无机Pb(Zr,Ti)O₃化合物）成功演示了FFD存储器，验证了其通用性（图3）。与目前众多的非易失性存储器相比，这种FFD存储器表现出优秀的性能：如超过10¹⁰次循环的耐久性、~10²的开/关比、30纳米的特征尺寸、~20 fJ的操作能耗和100 ns的操作速度。得益于这种FFD的简单结构和~10⁴的自整流伏安特性，该团队进一步构建了1.6 k规模的无源交叉阵列，并利用该阵列完成了简单模式分类的存内计算任务演示（图4）。

图3. FFD的耐疲劳特性和器件结构的通用性。(a-b)基于P(VDF-TrFE)(顶部面板)和PZT(底部面板)的FFD的剩余极化(P_r)(a)和电导(b)随疲劳周期的变化。(c)基于P(VDF-TrFE)(上图)和PZT(下图)的FFD的保持特性。插图给出了对应的器件结构示意图。(d)Al和Pt电极对仅“零”重叠的反向FFD的准静态I-V曲线。(e)Al顶电极宽度仅为30 nm的FFD纳米器件的STEM成像以及器件横截面中Pt、Al、Zn和F元素的EDS映射图。附图为FFD纳米器件的结构示意图。(f)FFD纳米器件的准静态扫描I-V曲线。

图4.基于FFD的无源交叉阵列的模式分类任务。基于FFD器件的40×40无源交叉阵列的光学图像(a)和器件结构示意图(b)。(c)在读取电压为3 V下40×40无源交叉阵列的电阻值的统计分布图。(e)用于4×4像素图像分类识别的人工神经网络（ANN）示意图。(f) (e)图ANN示意图所对应的硬件ANN。(g)图像从编码到输入到硬件ANN的示意图。当“L”(h)、“u”(i)和“n”(j)输入16×6硬件ANN时实现模式识别。(k)随机加入0、1、2个干扰像素时，16×6硬件ANN识别准确率分别为100%、50%和37%。

FFD新型铁电存储器在高效存储和面向大数据和人工智能应用的新兴计算架构方面均表现出巨大潜力，这项工作有望引起铁电领域和存储领域的极大热情。

该成果于2024年1月13日发表在Nature Communications期刊，华东师范大学物理与电子科学学院电子科学系冯光迪博士和朱秋香副教授为论文共同第一作者，电子科学系田博博教授为论文通讯作者。受Nature Portfolio Communities邀请，团队在“Behind the Paper”栏目撰稿分享了研究经历。

该工作受到了华东师范大学上海类脑智能材料与器件研究中心执行主任和极化材料与器件教育部重点实验室主任段纯刚教授、复旦大学微电子学院江安全研究员、华东师范大学物理与电子科学学院、中国科学院上海技术物理研究所、复旦大学光电研究院院长褚君浩院士的指导。

该项研究得到了国家重点研发计划、国家自然科学基金、之江实验室开放课题、上海市科技创新行动计划的资助。该项研究感谢上海类脑智能材料与器件研究中心、极化材料与器件教育部重点实验室和华东师范大学微纳加工平台等实验平台支持。

论文信息

Guangdi Feng#, Qiuxiang Zhu#, Xuefeng Liu, Luqiu Chen, Xiaoming Zhao, Jianquan Liu, Shaobing Xiong, Kexiang Shan, Zhenzhong Yang, Qinye Bao, Fangyu Yue, Hui Peng, Rong Huang, Xiaodong Tang, Jie Jiang, Wei Tang, Xiaojun Guo, Jianlu Wang, Anquan Jiang, Brahim Dkhil, Bobo Tian*, Junhao Chu & Chungang Duan. A ferroelectric fin diode for robust non-volatile memory. Nature Communications 15, 513 (2024).

https://doi.org/10.1038/s41467-024-44759-5

Behind the Paper:

https://communities.springernature.com/posts/a-ferroelectric-fin-diode-for-robust-non-volatile-memory