Mémoires résistives : Monte Carlo nouvel acte? Damien Querlioz (IEF, Département Nanoélectronique) Réunion de groupe Computational Electronics, 29 Novembre 2011

Contexte: Hiérarchie mémoire Registre SRAM Peut on changer ? DRAM Flash Disque dur A réinventer pour l’ultra low power?

Nouvelles technologies mémoires: rapides & non volatiles 2. Magnetic RAM 1. Phase Change Memory 3. Oxide Memory, « memristor » 4. Conductive Bridge RAM LETI TEXMEX (soumis) LEM MOOREA (soumis) IM2NP PEPS Synapses IEDM 2012??? LETI, ALTIS IEF, J. Grollier PEPS Synapses P=MC² (soumis) Jérôme L LETI IEDM 2011 Techno assez mature Cycle très bien Cher Pas low power Physique très bien comprise Stochastique Techno pas mature Problèmes fiabilité Peut être plus rapide & low power que les autres Physique mal comprise Prouvé comme synapse Techno assez mature Pas low power mais scale bien Cycle pas à l’infini Physique très bien comprise Prouvé comme synapse Techno assez mature Low power Cycle pas à l’infini Physique mal comprise

Neuromorphique La synapse = connexion entre deux unités de calcul qui s’adapte Synapse = transmission + apprentissage Arthur, NIPS 2006 En électronique normale, c’est cher Par contre, un type de fonctionnement courant en nanoélectronique

Bientôt…

1. Phase Change Le comportement souhaité (« STDP simplifiée ») démontré sur technologies mémoire à changement de phase Simulations Présenté à IEDM 2011 Le futur chantier: la démonstration système!

2. MTJ: Travailler avec des dispositifs imprévisibles? Certains dispositifs commutent entre deux états Avec impulsions de programmations courtes, commutation probabiliste Exemple STT MRAM Travaux IEF Zhao DTIS (2010) Catastrophique pour mémoires, mais pour synapses?

Travailler avec des dispositifs imprévisibles? Oui, c’est possible! Adaptation du modèle avec mémoires analogiques Performance La probabilité de commutation peut être très variable (Ecart type sur Ea de 2kT dans ) 𝑃 𝑠𝑤𝑖𝑡𝑐ℎ ∝ 𝑒 − 𝐸 𝑎 𝑘𝑇 Il est possible d’EXPLOITER le caractère imprévisible des composants, plutôt que d’en souffrir!

3 et 4. OxRAM et CBRAM Projet TEXMEX Modéliser les changements structurels par une approche Monte Carlo?

Le simulateur RRAM Trouver sweet spot précision physique / simplicité (référence: Monaco!) Pour l’instant très inspiré de travaux de Stanford IEDM 2011 OxRAM HfO2 pour l’instant Physique ultra simplifiée mais toutes les physiques en jeu modélisées Yu, IEEE TED 2012

Transport -> algo Newton-Raphson Hopping de lacune en lacune (occupation fn) -> algo Newton-Raphson Utile aussi SQUID PV? Taux de hopping d un site à l autre Taux de transfert tunnel aux électrodes via méthode WKB Courant

Changements structurels Génération de lacune Energie d activation Γ∝ 𝑒 − 𝐸 𝑎 −𝛾𝐹 𝑘𝑇 Champ électrique TEMPERATURE Effet Joule: approche simplifiée 𝑇= 𝑇 𝑎𝑚𝑏𝑖𝑎𝑛𝑡𝑒 +𝑉𝐼 𝑅 𝑡ℎ + recombinaison lacune/oxygène (à discuter après)

OxRAM modèle Système modèle 2D: 10nmx10nm, avec réseau carré Etat initial Point noir = lacune

Etape de Forming On applique rampe de tension pour créer filaments conducteurs Compliance à 100µA Courbe

Etape de RESET On applique pulse de tension négative (-3.5V) Modélisation assez osée (discussion) 𝑃 𝑅 =𝛽 𝑃 𝐺

Etape de SET On applique pulse de tension positive (3.5V)

Un enseignement Que des exponentielles partout ULTRA sensibilité aux paramètres d’ajustement!

Code Fortran 95 Module Instructions vectorielles Je signale ce qui est parallélisable Pas de goto Noms de variables explicites

Programmation hybride avec Python Joue avec des tableaux Fortran Realloue une matrice Fortran allocatable Charge le contenu d’un fichier dans un tableau Fortran Appelle des subroutine Fortran Très pratique, surtout pendant la phase de développement