KAUST интегрирует 2D h-BN на 180-нм CMOS для создания высокоскоростных мемристоров с низким энергопотреблением

11 апреля 2023 г.

Использование превосходных электронных свойств двумерных (2D) материалов для изготовления передовых электронных схем является основной целью полупроводниковой промышленности. Однако, несмотря на многочисленные исследования, в которых сообщалось о прототипах устройств с многообещающими свойствами для измерения и управления электрическим током, уровень их технологической готовности все еще очень низок. Это связано с тем, что в исследованиях в основном используются методы синтеза и обработки, которые несовместимы с промышленностью, создают изолированные большие (> 1 мкм)2) устройства на нефункциональном SiO2/Si подложки и имеют низкую изменчивость и низкую производительность.

Теперь команда из Университета науки и технологий имени короля Абдуллы (KAUST) в Саудовской Аравии под руководством доктора Марио Ланца, доцента материаловедения и инженерии, интегрировала двумерные материалы в кремниевые микрочипы и добилась того, что считается превосходной интеграцией. плотность, электронные характеристики и выход, согласно статье «Гибридные микрочипы 2D/CMOS для мемристивных приложений», опубликованной в Nature (www.nature.com/articles/s41586-023-05973-1). «В будущем большинство микрочипов будут использовать некоторые из многих выдающихся электронных и тепловых свойств этих материалов», — считает Ланца.

В частности, группа Ланца использовала лист многослойного гексагонального нитрида бора (h-BN, толщиной около 6 нм) в качестве двумерного изоляционного материала и перенесла его на внутренние соединения кремния. микросхемы с комплементарными металл-оксид-полупроводниковыми (CMOS) транзисторами с узлом 180 нм. Затем схемы были завершены путем формирования верхних электродов и межсоединений.

Полученные гибридные микросхемы 2D/CMOS обладают высокой надежностью и электронными свойствами, что позволяет создавать искусственные нейронные сети с очень низким энергопотреблением. Они могут успешно вычислять пиковые нейронные сети (SNN) — электрические напряжения, применяемые в течение очень короткого времени — ключевой компонент существующих систем искусственного интеллекта (ИИ), спрос на которые растет. Большинство существующих устройств не подходят для реализации этого типа нейронной сети, и на рынке существует потребность в поиске новых подходов. КМОП-транзисторы KAUST обеспечивают выдающийся контроль над токами в мемристорах h-BN, обеспечивая срок службы ~ 5 миллионов циклов в мемристорах размером ~ 0,053 мкм.2.

KAUST говорит, что исследование привлекло интерес ведущих полупроводниковых компаний, таких как Taiwan Semiconductor Manufacturing Corp (TSMC) и Advanced Semiconductor Materials Lithography (ASML), и может помочь другим компаниям снизить затраты на обработку и энергию. Большинство компаний в области производства микрочипов и искусственного интеллекта стремятся создать новое оборудование, которое сокращает время обработки данных и энергопотребление, но пока не нашли подходящего устройства.

IBM пыталась интегрировать графен в транзисторы для радиочастотных приложений, но устройства не могли хранить или обрабатывать информацию. Напротив, устройства, созданные командой Ланца, имеют размер всего 260 нм, и их можно было бы очень легко сделать намного меньше, если бы были доступны более совершенные микрочипы.

Эта работа интересна для области наноэлектроники и полупроводников из-за высокой производительности производимых устройств и схем и потенциала для далеко идущих отраслевых приложений.

Гексагональный нитрид бора

www.nature.com/articles/s41586-023-05973-1

www.kaust.edu.sa

View full news on a site