[發(fā)明專利]室溫下具有垂直磁各向異性的異質(zhì)結(jié)結(jié)構(gòu)及其應(yīng)用

在審

• 申請(qǐng)?zhí)枺?/td>: 202111002843.1
• 申請(qǐng)日: 2021-08-30
• 公開(kāi)（公告）號(hào): CN113921695A
• 公開(kāi)（公告）日: 2022-01-11
• 發(fā)明（設(shè)計(jì)）人: 聶天曉;趙巍勝;張婕;曹凱華;王海宇;白月
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): H01L43/06
• 分類號(hào): H01L43/06;H01L43/08;H01L43/10;G06N3/04;G06N3/063;G06N3/08
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 姚亮;張德斌

本發(fā)明提供了一種室溫下具有垂直磁各向異性的異質(zhì)結(jié)結(jié)構(gòu)及其應(yīng)用。該異質(zhì)結(jié)結(jié)構(gòu)包括范德華拓?fù)洳牧蠈右约岸S磁性材料層，其中，范德華拓?fù)洳牧蠈拥暮穸葹??20nm，二維磁性材料層的厚度為1?10nm。本發(fā)明還提供了包含上述異質(zhì)結(jié)結(jié)構(gòu)的室溫全范德華自旋軌道矩磁存儲(chǔ)器、基于拓?fù)浣^緣體的室溫全范德華磁電阻器件以及實(shí)現(xiàn)同或邏輯運(yùn)算的裝置，實(shí)現(xiàn)位計(jì)數(shù)運(yùn)算的裝置、實(shí)現(xiàn)矩陣向量乘法運(yùn)算的裝置以及相應(yīng)的方法。本發(fā)明的技術(shù)方案實(shí)現(xiàn)了室溫下垂直磁各向異性的異質(zhì)結(jié)構(gòu)以及自旋電子原型器件的構(gòu)建，制備出的異質(zhì)結(jié)結(jié)構(gòu)以及自旋原型器件簡(jiǎn)單，制備方法操作簡(jiǎn)便。

技術(shù)領(lǐng)域

本發(fā)明涉及自旋原型器件技術(shù)領(lǐng)域，具體涉及室溫下具有垂直磁各向異性的異質(zhì)結(jié)結(jié)構(gòu)及其應(yīng)用。

背景技術(shù)

隨著電子信息產(chǎn)業(yè)的持續(xù)發(fā)展，電子器件很大程度上決定了計(jì)算機(jī)的運(yùn)行性能：從電子管到晶體管，從分離元件到現(xiàn)如今的超大規(guī)模集成電路，每次技術(shù)上的更行迭代都會(huì)引起計(jì)算機(jī)領(lǐng)域的重大革命，存儲(chǔ)器件是當(dāng)前計(jì)算機(jī)體系結(jié)構(gòu)中重要組成部分之一，是磁性材料的主要應(yīng)用方向之一，目前基于磁性材料的數(shù)據(jù)存儲(chǔ)器件主要分為兩大類：一是硬盤(pán)驅(qū)動(dòng)器，二是磁性隨機(jī)存儲(chǔ)器(Magnetic Random Access Memory,MRAM)。與此同時(shí)，由于人工智能、物聯(lián)網(wǎng)、5G通信等數(shù)據(jù)密集型應(yīng)用飛速發(fā)展，海量數(shù)據(jù)的高效存儲(chǔ)與處理使傳統(tǒng)的馮·諾依曼計(jì)算架構(gòu)面臨著嚴(yán)峻挑戰(zhàn)。在分立的存儲(chǔ)器與處理器之間頻繁的數(shù)據(jù)遷移造成了大量能耗與延時(shí)，總線有限的帶寬也制約著計(jì)算機(jī)體系算力與能效的進(jìn)一步提升。因此，旨在存儲(chǔ)器內(nèi)部進(jìn)行計(jì)算的存算一體這一新型計(jì)算架構(gòu)獲得了廣泛關(guān)注。當(dāng)前，MRAM作為一種非易失性存儲(chǔ)器已取得驚人的進(jìn)展，其基本存儲(chǔ)單元被稱為磁隧道結(jié)(Magnetictunnel junction,MTJ)，該核心部分是由兩個(gè)鐵磁金屬層中間夾著一個(gè)隧穿勢(shì)壘層而形成的三層結(jié)構(gòu)，在結(jié)構(gòu)中一個(gè)鐵磁層稱為參考層，磁化方向沿易磁化方向而固定不變；另一個(gè)鐵磁層則被稱為自由層，它的磁化方向有兩個(gè)穩(wěn)定的方向，分別與參考層平行或者反平行，使MTJ呈低阻態(tài)或高阻態(tài)。除此之外，MRAM因其本身的超低功耗、與CMOS后道工藝良好兼容等特性，成為搭建存算一體架構(gòu)的優(yōu)秀載體。在自旋存算一體的諸多應(yīng)用中，二值神經(jīng)網(wǎng)絡(luò)(Binary Neural Network,BNN)可與MRAM的二值存儲(chǔ)特性天然融合。由于需要學(xué)習(xí)和存儲(chǔ)大量參數(shù)，當(dāng)下被廣泛應(yīng)用的全精度卷積神經(jīng)網(wǎng)絡(luò)對(duì)計(jì)算機(jī)算力和存儲(chǔ)資源的要求很高。而B(niǎo)NN通過(guò)將輸入和權(quán)重二值化，使用簡(jiǎn)單的按位運(yùn)算等代替計(jì)算密集型的乘加運(yùn)算，可以大大節(jié)省計(jì)算機(jī)系統(tǒng)的能耗，也顯著提高了計(jì)算速度。盡管BNN相較于其原始的全精度卷積神經(jīng)網(wǎng)絡(luò)模型引入了一些噪聲，降低了計(jì)算精度，但由于BNN可以實(shí)現(xiàn)極高的壓縮比和加速效果，它仍然是推動(dòng)人工智能模型在資源和功耗受限的移動(dòng)端和嵌入式設(shè)備上落地應(yīng)用的一門(mén)非常有潛力的技術(shù)。

目前，基于自旋軌道矩的技術(shù)為磁性存儲(chǔ)器提供了新的寫(xiě)入方案。自旋軌道矩是在鐵磁層下方增加一層非鐵磁層，利用電流源向非鐵磁層輸入電荷流，以在非鐵磁層產(chǎn)生自旋流，利用其引發(fā)的力矩使鐵磁層中的磁矩發(fā)生磁化方向翻轉(zhuǎn)。該技術(shù)在降低寫(xiě)入功耗和提高存儲(chǔ)器性能方面具有顯著的優(yōu)勢(shì)。

二維材料是指電子僅在兩個(gè)維度的納米尺度上平面運(yùn)動(dòng)的材料，該納米尺度包含了1-100nm的范圍。隨著單原子層的石墨材料-石墨烯首次分離出來(lái)后，二維材料受到廣泛的關(guān)注。迄今為止，已有幾百種二維材料被理論和實(shí)驗(yàn)證明可以穩(wěn)定存在，其中部分材料已應(yīng)用于半導(dǎo)體、光伏和生物監(jiān)測(cè)等應(yīng)用中，同時(shí)有潛力在航空航天、集成電路、生物醫(yī)藥和能源環(huán)境領(lǐng)域引起革命性的突破。