洪茂峰 / 成功大學電機系；洪肇蔚 / 中華電信南分高雄營運處
為何使用鐵電記憶體
記憶體是計算機中不可或缺的元件，其中DRAM及SRAM屬於揮發性記憶體，即斷電後記憶體中的資料會消失，待下次供電時資料重新再輸入；而Flash Memory、ROM與EEPROM等則屬非揮發性記憶體，電源切斷後它們的資料仍會存在，重新供電後可立即讀取。在應用上，前者因讀寫速度快，適於配合CPU作為資料或程式碼的暫存空間，後者則因資料寫入或清除時需作電荷的注入或匯出需要較長的時間，使其存取效率比不上前者，故無法配合CPU的運作，只能作為資料的長期保存之用。
拜半導體技術的快速發展，現今各種記憶體功能已達非常優異的程度，如揮發性的DRAM其存取速度可達 ns 級，切換次數達無限多數，記憶保留時間(Retention Time)則為ms 等級；而非揮發性的Flash之切換次數亦達數十萬次，記憶保留時間更在10年以上，惟因元件運作機制的限制使其資料寫入需時較多，約為ms 等級。這兩種記憶體本來就各有所司，故這些性能已可滿足各自所需，惟因近年人工智慧與物聯網的興起，需要大量以資料為中心(Data-Intensive)的運算，使得傳統以馮諾伊曼(Von Neumann)架構運算的計算機中央處理器窘相畢露，因為這種計算機運算時資料要在CPU(或GPU)與記憶體間不斷進行反覆的傳輸，這是個耗能且耗時的程序，又因物理及微縮技術的極限，使運算所需的大量電晶體晶片密度與性能無法增長，一般皆稱此為馮諾伊曼瓶頸(Von-Neumann Bottle Neck)，故研發新的計算架構也就成為當務之急。
在這股記憶體的研究熱潮中衍生了一個重要觀念就是In-Memory Computing(CIM)，CIM採用Crossbar Arrays和嵌入式的非揮發性記憶體結合的架構以進行向量矩陣的運算(Vector Matrix Multiplication; VMM)。VMM在Crossbar Arrays 中結合了Ohm定律和Kirchhoff 定律的電流直接進行乘法與加法運算是一種很有效率的架構，而且這種架構還結合了數位與邏輯電路，直接處理人工智慧(AI)或深度學習中人工神經網路的運算任務，無須將資料在運算單元與記憶體間反覆傳輸，可提升效率。所以CIM係著眼於發展一種可3D製作且微小化，兼可執行數位與邏輯功能的元件，也就是一種可快速讀寫的非揮發性記憶體同時具有電晶體邏輯功能的新元件。觀之現有記憶體的技術 (表一)，DRAM因位於記憶系統的最上層，故需快速，ns 等級，的讀寫速度， 但資料卻僅能保留ms時間，至於 Flash，則因位於記憶系統的較內層，專責為保留資料時間需達10年，但讀寫速度非其所專，故僅為ms等級，現CIM卻希望能整合這兩種元件的優點，使其讀寫速度旣快，資料也能保留很久的時間。但考慮到現今非揮發性記憶體，如Flash的讀寫機制為破壞性的，若要求其擁有高強的耐受能力，這對記憶體的介電材質將是個挑戰，故勢必要研發新的材料，或新切換機制的元件。在這目標下引發了各式記憶體的研發熱潮。
表一、 記憶體特性比較
在這場記憶體的競爭中，舞台上出現了許多新角色，如相變式記憶體 (Phase Change RAM)、磁阻式記憶體(Magnetic RAM)、電阻式記憶體(ReRAM) 與鐵電式記憶體(Ferroelectric RAM)等，各有其優點，比如都具備微縮能力，以節點技術來看，ReRAM為22 nm；PCRAM 為40 nm；MRAM 為22~28 nm，可惜它們都是採電流趨動模式，需要較高的寫入能量導致功耗較高。另ReRAM與PCRAM儲存資訊的Endurance則倍受詬病。至於MRAM則有鑑別能力(Distinguishability)較差的困擾。相較之下，鐵電式記憶體有兩個自發性的極化態，可以電壓調控方式激發，讀取過程不會破壞原儲存的資料，故可加速資料處理速度也節省了能量的消耗，更妙的是，這種極化態生成後即使將電源去除，仍可保持很久，故適合作為非揮發性記憶體。尤其是鐵電式記憶體可製成1T1C 的FeRAM的結構，類似於DRAM(如圖一)，只要將電容部分改以鐵電材料(FE)製作就是了，故大受青睞。惟FeRAM須增加一個---以上為部分節錄內容，完整資料請見下方附檔。