[发明专利]一种铁电隧道结器件及其制造方法在审
| 申请号: | 202111258023.9 | 申请日: | 2021-10-27 |
| 公开(公告)号: | CN113991015A | 公开(公告)日: | 2022-01-28 |
| 发明(设计)人: | 许晓欣;余杰;高兆猛;孙文绚;张握瑜;李熠;尚大山 | 申请(专利权)人: | 中国科学院微电子研究所 |
| 主分类号: | H01L45/00 | 分类号: | H01L45/00;G06N3/08 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 柳虹 |
| 地址: | 100029 北京市朝阳*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 隧道 器件 及其 制造 方法 | ||
本申请实施例提供了一种铁电隧道结器件及其制造方法,铁电隧道结器件包括依次层叠的第一电极、介质层、铁电层和第二电极,其中铁电层的厚度小于5纳米,铁电层厚度较薄,首先能够为器件提供较大的隧穿电流,其次较薄的铁电层能够增大铁电隧道结器件中的退极化场强度,加速退极化,降低数据保持能力,得到易失性的数据存储器件。该易失性的铁电隧道结器件可以应用于储备池计算网络系统,利用铁电隧道结器件在运行过程中采集出的多个极化电流作为储备池计算网络系统的虚拟节点,可以将数据并行输入该多个虚拟节点,即基于铁电隧道结器件的储备池计算网络系统可以并行处理数据,高效的进行神经网络模型的计算,满足神经网络模型进行高效训练的需求。
技术领域
本发明涉及半导体器件领域,特别涉及一种铁电隧道结器件及其制造方法。
背景技术
近年来,人工神经网络(ANN)成为新的研究热点。人工神经网络根据网络结构可以分为两种类型:前馈神经网络和递归神经网络(RNN)。递归神经网络需要大量的硬件资源支持该神经网络模型进行训练。为了顺利进行模型训练,当前提出了储备池计算(RC)网络系统,该系统内包括的硬件资源能够支持该神经网络模型进行训练。
但是现有的储备池计算(RC)网络系统是利用电路元件搭建的,计算效率较低,不能满足神经网络模型进行高效训练的需求。
发明内容
有鉴于此,本申请的目的在于提供一种铁电隧道结器件及其制造方法,该铁电隧道结器件应用于储备池计算网络系统,能够满足神经网络模型进行高效训练的需求。
为实现上述目的,本申请有如下技术方案:
本申请实施例提供一种铁电隧道结器件,包括:
第一电极;
介质层,所述介质层位于所述第一电极的一侧表面;
铁电层,所述铁电层位于所述介质层远离所述第一电极的一侧表面,所述铁电层的厚度小于5纳米;
第二电极,所述第二电极位于所述铁电层远离所述第一电极的一侧表面。
可选地,所述铁电层的厚度为2-5纳米,所述介质层的厚度为1-4纳米。
可选地,所述介质层的材料为氧化物。
可选地,所述介质层的材料为氧化硅。
可选地,所述第一电极的材料为N型掺杂或P型掺杂的硅,所述第二电极的材料为金属材料。
可选地,所述铁电层的材料为掺杂的HfO2。
可选地,所述铁电层的材料为HZO。
本申请实施例还提供一种铁电隧道结器件的制造方法,包括:
在第一电极上形成介质层;
在所述介质层上形成铁电层;
在所述铁电层上形成第二电极;
进行退火处理。
可选地,所述介质层材料为氧化硅,所述第一电极的材料为N型掺杂的硅,则在第一电极上形成介质层包括:
利用氧化工艺氧化部分所述第一电极,以形成所述介质层。
本申请实施例还提供一种储备池计算网络系统,包括上述实施例中任意一项所述的铁电隧道结器件。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院微电子研究所,未经中国科学院微电子研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111258023.9/2.html,转载请声明来源钻瓜专利网。





