Projektmitglieder: Alexander Zintler(PhD Student), Leopoldo Molina-Luna (PI)

Beschreibung:

Valenzänderungsspeicher (VCM) auf der Basis von resistiven Direktzugriffsspeichern (RRAM) sind vielversprechende Kandidaten auf dem Gebiet der hochskalierbaren, nichtflüchtigen und neuromorphen Speicheralternativen. Obwohl umfangreiche Forschungsarbeiten zu den makroskopischen, elektronischen Eigenschaften dieser Dünnschicht-Bauelemente durchgeführt wurden, fehlt es noch immer an einem atomistischen Verständnis des resistiven Schaltprozesses. Der Schwerpunkt dieser Arbeit liegt auf den strukturellen und morphologischen Merkmalen, die der 10 nm dünnen Oxidschicht des Metall-Isolator-Metall-Stapels (MIM) eigen sind. Die nanoskalige Mikrostruktur der Schichten verändert lokal die elektrischen Eigenschaften und folglich auch die Eigenschaften des gesamten Bauelements. Merkmale wie Korngrenzen weisen lokal hohe Defektkonzentrationen auf, die sich direkt auf das Elektroforming-Verhalten (sowie auf das Setz- und Rücksetzverhalten) der Speicherbauelemente auswirken. Um im Detail zu verstehen, welche Art von Korngrenzen in den Dünnschichten vorhanden sind, wird eine Reihe von hochauflösenden STEM-Methoden angewandt, um Datensätze zu sammeln, die die Bestimmung der Phase und Orientierung der Hafnia-Körner in der Dünnschicht im Nanometerbereich ermöglichen. Da die Morphologie stark von den Abscheidungsparametern während des Dünnschichtwachstums und der Textur des Substrats oder der vorhergehenden Dünnschicht beeinflusst wird, wird die untere Titannitrid-Elektrode in die Untersuchungen der Morphologie des gesamten MIM-Stapels einbezogen. Die Querschnittspräparation der Dünnschichtbauteile ermöglicht eine atomar aufgelöste HAADF-Bildgebung, bei der das Rekombinationsverhalten an den Korngrenzen untersucht wird und die einen entscheidenden Eingangsparameter für DFT-Simulationsansätze darstellt, die diese komplexen strukturellen Merkmale berücksichtigen. 4D-STEM mit direkter Elektronendetektion ermöglicht die direkte Kartierung der Orientierungen aller Körner mit Nanometerauflösung über große Bereiche von Interesse (500*500 nm²). Automatisiertes Kristallorientierungs-Mapping (ACOM) kann sowohl auf Querschnittsproben als auch auf Draufsichtproben angewendet werden, um eine hohe Anzahl von Körnern zu erfassen. Die auf maschinellem Lernen basierende Datenverarbeitung eröffnet einen zusätzlichen Weg zur Verarbeitung der Datensätze und zur Unterscheidung zwischen Phasen und Orientierungen mit reduziertem Benutzereingriff. Der komponentenspezifische Ansatz in Verbindung mit dem dreidimensionalen Verständnis der Dünnschichtmorphologie des gesamten Bauelementestapels ermöglicht ein einzigartiges, hochauflösendes Verständnis der vorliegenden Bauelemente und hilft bei der Optimierung von RRAM-Bauelementen auf Hafnia-Basis, von der Auswahl der Wachstumsparameter bis zur Bauelementeinbindung.

Petzold, Stefan, Alexander Zintler, Robert Eilhardt, Eszter Piros, Nico Kaiser, Sankaramangalam Ulhas Sharath, Tobias Vogel, et al. “Forming-Free Grain Boundary Engineered Hafnium Oxide Resistive Random Access Memory Devices.” Advanced Electronic Materials 5, no. 10 (2019): 1900484.link

Zintler, Alexander, Robert Eilhardt, Shuai Wang, Matus Krajnak, Patrick Schramowski, Wolfgang Stammer, Stefan Petzold, et al. “Machine Learning Assisted Pattern Matching: Insight into Oxide Electronic Device Performance by Phase Determination in 4D-STEM Datasets.” Microscopy and Microanalysis, Volume 26, Supplement S2, August 2020, pp.1908-1909.link

GEPRIS entry of the DFG project: link