Resistive switching (RS) devices are promising forms of non-volatile memory. However, one of the biggest challenges for RS memory applications is the device-to-device (D2D) variability, which is related to the intrinsic stochastic formation and configuration of oxygen vacancy (V_O) conductive filaments (CFs). In order to reduce the D2D variability, control over the formation and configuration of oxygen vacancies is paramount. In this study, we report on the Zr doping of TaO _x -based RS devices prepared by pulsed-laser deposition as an efficient means of reducing the V_O formation energy and increasing the confinement of CFs, thus reducing D2D variability. Our findings were supported by XPS, spectroscopic ellipsometry and electronic transport analysis. Zr-doped films showed increased V_O concentration and more localized V_Os, due to the interaction with Zr. DC and pulse mode electrical characterization showed that the D2D variability was decreased by a factor of seven, the resistance window was doubled, and a more gradual and monotonic long-term potentiation/depression in pulse switching was achieved in forming-free Zr:TaO _x devices, thus displaying promising performance for artificial synapse applications.

Seeking to circumvent conventional computing bottlenecks, hardware alternatives, from brain-inspired designs to cryogenic quantum systems, necessitate integrating emerging non-volatile memories. Yet, the immaturity and unreliability of cryogenic-compatible memories hinder scalable computing advancements. This study characterizes 28 nm FD-SOI substrate-embedded Ge-rich Ge₂Sb₂Te₅ phase change memories (ePCMs) down to 12 K to overcome these hurdles. It reveals that ePCMs is cryogenic compatible and can encode multiple resistance states with minimal drift, essential for advanced computing solutions. Through simulations, the ePCM’s impact on a spiking neural network (SNN) performing MNIST classification is evaluated. The SNN maintains high accuracy for extended periods of 2 years at cryogenic temperatures, while an accuracy drop of 10.8% is observed at room temperature. These results highlight the potential of multilevel ePCMs in brain-inspired cryogenic computing applications, offering a promising avenue for the evolution of unconventional computing systems.

The non-ideality aspects of phase change memory (PCM) such as drift and resistance variability can pose significant obstacles in neuromorphic hardware implementations. A unique drift and variability compensation strategy is demonstrated and implemented in an FD-SOI SNN hardware unit composed of embedded phase change memories (ePCMs), current attenuators, and spiking neurons. The effect of drift and variability compensation on inference accuracy is tested on the MNIST dataset to show that our drift and variability mitigation strategy is effective in sustaining its accuracy over time. The variability is reduced by up to 5% while the drift coefficient is reduced by up to 57.8%. The drift is compensated and the SNN classification accuracy is sustained for up to 2 years with intrinsic control-free hardware that tracks the ePCM current over time and consumes less than 30 µW. The results are based on ePCM chip experimental data and pos-layout simulation of a test chip comprising the proposed circuit solution.

The non-ideality aspects of phase change memories (PCM) such as drift and resistance variability can pose significant obstacles in neuromorphic hardware implementations. A unique drift and variability compensation strategy is demonstrated and implemented in a FD-SOI SNN hardware composed of embedded phase change memories (ePCMs), current attenuators and spiking neurons. The effect of drift and variability compensation on inference accuracy is tested on MNIST dataset to show that our drift and variability mitigation strategy is effective to sustain the accuracy over time. The variability is reduced by up to 5% while the drift coefficient is reduced by up to 57.8%. The drift is compensated and the SNN classification accuracy is sustained for up to 2 years with an intrinsic control free hardware that tracks the ePCM current overtime and consumes less than 130 µW. The results are based on ePCM chip experimental data and pos-layout simulation of a test-chip comprising the proposed circuit solution.

Étude des mémoires non volatiles émergentes multilevel pour le calcul en mémoire et les SNN analogiques basés sur FD-SOI: La demande croissante en puissance de calcul, l'avènement de l'intelligence artificielle (IA) et les limitations de l'architecture traditionnelle Von Neumann basée sur CMOS ont suscité un débat sur la durabilité énergétique. Pour contourner ces défis, il est essentiel de rechercher des implémentations matérielles alternatives. Des exemples de solutions de calcul non conventionnelles et écoénergétiques sont les systèmes inspirés du cerveau, y compris les réseaux neuronaux à impulsions de 3e génération (SNN). Traditionnellement, le paradigme dominant en informatique impliquait la transmission de variables continues flottantes d'une unité de traitement à une autre. Cependant, les connaissances en neurobiologie et en informatique inspirée du cerveau soulignent que les SNN communiquent par des impulsions discrètes. En tant que composant fondamental pour de telles implémentations matérielles, les mémoires non volatiles émergentes (eNVM) se distinguent comme des composants mémoire prometteurs, surpassant les technologies basées sur CMOS en termes de capacités de traitement et de stockage non volatil. Cela suggère intrinsèquement la colocalisation des unités de mémoire et de traitement dans les solutions matérielles de calcul en mémoire. Pour les implémenter matériellement, différentes solutions de eNVM sont étudiées et comparées tout au long de la thèse. Dans le chapitre 3, à titre d'étude de cas, nous analysons les solutions mémoire fabriquées dans les laboratoires associés à ce projet. Ces solutions servent d'exemple pratique pour évaluer l'efficacité et les performances de différentes technologies eNVM analogiques. Les solutions sont des mémoires à changement de phase fournies par STMicroelectronics, des mémoires résistives à base d'oxyde TiO2 de 3it et des mémoires magnétiques à transfert de spin de SPINTEC. Une caractérisation expérimentale est réalisée sur PCM et OxRAM, tandis que les données concernant SOT-MRAM proviennent de simulations ou sont fournies par l'équipe de conception de circuits intégrés de SPINTEC. La méthodologie utilisée pour effectuer la caractérisation électrique et la programmation analogique est décrite. Le PCM, l'OxRAM et le SOT-MRAM offrent respectivement 44, 10 et 5 états multi-niveaux. Les aspects de non-idéalités tels que la variabilité sont également inclus dans l'analyse. Les exigences opérationnelles sont prises en compte pour intégrer ces eNVM dans une solution neuronale basée sur FD-SOI à 28 nm, conçue, testée et décrite au chapitre 4. Une méthodologie de co-conception pour intégrer et implémenter matériellement les eNVM avec des neurones entièrement analogiques basés sur FD-SOI est fournie, et un projet multi-utilisateurs (MPW) comprenant un neurone analogique, un atténuateur de courant et des sélecteurs pour l'intégration mémoire est déployé. Selon les tests, le neurone analogique consomme 3,86 pJ par impulsion. Enfin, les comportements multi-niveaux et de dérive des PCM 1T1R sont explorés de manière exhaustive dans des environnements cryogéniques au chapitre 5. Les PCM 1T1R sont entièrement caractérisés à 300 K, 77 K et 12 K. Les capacités multi-niveaux du ePCM donnent lieu à 10 états multi-niveaux à 77 K et 12 K, tandis qu'il y a 7 états à 300 K. Les performances et les effets des non-idéalités à différentes températures sont modélisés et évalués dans la tâche de classification MNIST par SNN. L'exactitude de classification SNN est maintenue jusqu'à 2 ans à 77 K et 12 K, tandis qu'une baisse de 12 % est observée à 300 K, sans nécessiter de solution matérielle ou logicielle supplémentaire pour la correction de la dérive. De plus, une solution matérielle et opérationnelle basée sur l'échelle de courant non linéaire est proposée pour atténuer les aspects de non-idéalités des PCM 1T1R à température ambiante, réduisant ainsi le coefficient de variabilité et compensant la dérive pendant des années.