Bei der neuen Speichertechnologie, wer hat die beste Chance?

Speichertechnologien sind der Kern moderner Computersysteme. Von der einfachen Datenspeicherung bis hin zu komplexeren Aufgaben wie dem "In-Memory Computing" für Anwendungen in Künstlicher Intelligenz (KI) und maschinellem Lernen (ML) hängt alles von ihrer Unterstützung ab. Ursprünglich wurden diese Technologien nur für die Datensicherung eingesetzt, entwickeln sich jedoch zunehmend, um neuen Rechenparadigmen wie dem "In-Memory Computing" zu entsprechen, bei dem Daten direkt in der Speicheranordnung verarbeitet werden. Diese Entwicklung hat die Rechenleistung erheblich verbessert, da sie die Datenübertragung zwischen Prozessor und Speicher reduziert, was Geschwindigkeit erhöht und Energieverbrauch senkt - ein entscheidender Faktor für rechenintensive Aufgaben in KI und ML. Genau diese strengen Leistungsanforderungen treiben die technologische Innovation voran und überwinden die Grenzen des herkömmlichen Complementary Metal-Oxide-Semiconductor (CMOS)-Paradigmas.

Neuartige nichtflüchtige Speicher (eNVMs) repräsentieren eine vielversprechende Technologiekategorie, die herkömmliche flüchtige Speicher (wie Random Access Memory, RAM) ersetzen oder erweitern kann. Im Gegensatz zum RAM, das bei Stromausfall seine Daten verliert, können eNVMs die Datenintegrität auch bei Stromausfall oder Systemabschaltung aufrechterhalten. Dieser Artikel gibt einen Überblick über verschiedene neuartige Speichermaterialien und Bauearchitekturen, darunter resistive Random Access Memory (ReRAM), magnetischer Random Access Memory (MRAM), ferroelektrischer Random Access Memory (FeRAM) und Phasenwechsel-Speicher (PCM). Darüber hinaus werden neuartige eNVMs auf Basis von zweidimensionalen Materialien und organischen Materialien untersucht, sowie der Übergang von der herkömmlichen digitalen Berechnung zur synaptischen Berechnung diskutiert und wie dieser Übergang neue Chancen zur Überwindung der technologischen Engpässe in der KI bei der Beschleunigung wissenschaftlicher Entdeckungen bietet. Der Artikel analysiert systematisch den gegenwärtigen technologischen Fortschritt, die Entwicklungstendenz und die noch zu bewältigenden Hauptherausforderungen.

Die Rolle nichtflüchtiger Speicher im Nach-CMOS-Zeitalter

Im Nach-CMOS-Mikroelektronik-Zeitalter ist eine weit verbreitete Herausforderung die Überwindung der Grenzen der von-Neumann-Rechenarchitektur (siehe Abbildung 1). Es besteht dringender Bedarf an einem neuen Speicher, der mehrere Vorteile vereint, darunter die Kompatibilität mit bestehenden CMOS-Prozessabläufen und die Überwindung der Skalierungsgrenzen von statischem Random Access Memory (SRAM) und Flash-Speicher. Speichertechnologien mit diesen Eigenschaften können für unabhängige oder eingebaute Speicher in analoger und digitaler Verarbeitung eingesetzt werden. Laut dem Bericht "International Roadmap for Devices and Systems (IRDS)" von 2022 könnten diese Technologien eine Revolution in der Rechenarchitektur auslösen.

Die Forschung an nichtflüchtigen Speichern geht auf die Ladungsspeichergeräte der 1960er Jahre zurück und hat sich über mehrere Jahrzehnte hinweg fortgesetzt. Bis 2010 war die Verkleinerung der eingebetteten Halbleiterspeichertechnologie auf 28-Nanometer-Node möglich, doch danach stieß die weitere Miniaturisierung aufgrund von Ladungsleckageproblemen auf Schwierigkeiten. Einer der Schlüsselvorteile nichtflüchtiger Speicher ist ihre Datenhaltefähigkeit (Grad der Nichtflüchtigkeit), die normalerweise anhand der Zeitdauer gemessen wird, für die Daten aufbewahrt werden können. Derzeit wird Flash-Speicher aufgrund seiner hohen technologischen Reife, seiner optimierten Ausführung und seiner breiten kommerziellen Anwendung als Referenztechnologie für nichtflüchtige Speicher angesehen.

Abbildung 1 (a) Visualisierung der Entwicklung nichtflüchtiger Speicher; (b) Zeitstrahl der technologischen Entwicklung; (c) Klassifizierung neuartiger Speichergeräte nach Reifegrad; (d) Prognose der Schaltungsarchitektur bis 2035, gekennzeichnet durch die Integration verschiedener neuartiger Speichertechnologien, die für die Erfüllung der Chipfunktionen ausgewählt wurden.

Typische Speichertechnologien sind heute kommerziell verfügbar, und es besteht in der Literatur ein umfassendes wissenschaftliches, technologisches und systematisches Wissensgebiet. Da es schwierig ist, bei ladungsbasierten Speichern eine nanoskopische Schichtdicke zu erreichen, richtet sich die gegenwärtige technologische Aufmerksamkeit auf die dreidimensionale Stapelfolge von NAND-Flash-Speichern und verschiedene "neuartige" Speicher. Abbildung 1c zeigt sechs Hauptkategorien neuartiger Speichertechnologien, geordnet nach abnehmendem Reifegrad: Neue magnetische Speicher (MRAM), ferroelektrische Speicher (FeRAM), oxidbasierte resistive Speicher (ReRAM). Diese Technologien haben gute Eigenschaften gezeigt und sind für die kommerzielle Validierung bereit. Die folgenden Technologien befinden sich noch in der frühen Entwicklungsphase, haben jedoch großes Potenzial für technologische Durchbrüche: Phasenwechsel-Speicher (PCM oder PRAM), leitfähige Brücken-Speicher (CBRAM), Speicher auf Basis zweidimensionaler Materialien (2D RAM), organische und molekulare Speicher. Einige molekulare Speichertechnologien wie der Mott-Speicher und die DNA-Datenspeicherung befinden sich noch in der ersten Erkundungsphase.

Aufgrund ihrer einzigartigen Eigenschaften wie Nichtflüchtigkeit, Byteadressierbarkeit, hoher Dichte, Skalierbarkeit und nahezu nullem Standby-Energieverbrauch werden speicherbasierte Rechnungen und Verarbeitungen in zukünftigen Computersystemen eine unverzichtbare Rolle spielen. Mit der schnellen Entwicklung synaptischer Speicher besteht die Hoffnung, dass die Kombination von synaptischen Speichern mit neuartigen Speichern die Rechenarchitektur grundlegend verändern und die Systemleistung, Energieeffizienz und Verarbeitungsfähigkeit verbessern kann, was von Speichersystemen bis hin zu Edge- und Cloud-Umgebungen, Datenbanksystemen und dezentralen Blockchain-Anwendungen auf allen Ebenen gilt.

Die Vielfalt und die Vorteile von Speichertechnologien

Die Vielfalt neuartiger Speichertechnologien (wie ferroelektrischer Speicher FeRAM, redoxresistiver Speicher ReRAM, magnetischer Speicher MRAM, Phasenwechsel-Speicher PCM sowie organische und molekulare Speicher OMRAM) bietet vielfältige Auswahlmöglichkeiten für spezifische Anwendungsanforderungen und ermöglicht es Designern, die Speichertechnologie flexibel an die erforderlichen Spezifikationen und Betriebsumgebungen anzupassen. Jede Technologie hat ihre eigenen Vorteile, wie hohe Haltbarkeit, gute Energieeffizienz und die Fähigkeit, an bestimmte Umgebungen oder Aufgaben angepasst zu sein.

Die Forschung an nichtflüchtigen Speichern für Hochtemperaturumgebungen beantwortet den Bedarf an zuverlässigem Betrieb unter extremen Bedingungen. Diese Forschung schließt eine wichtige Lücke auf dem bestehenden Technologiemarkt und erweitert die potenziellen Anwendungen von Speichern in rauen Umgebungen. Beispielsweise ermöglichen innovative Materialauswahl und verbesserte Herstellungsgenauigkeit, dass Speichergeräte auch unter extremen Bedingungen wie Hochtemperatur und hoher Strahlung stabil arbeiten können, was für Branchen wie Luft- und Raumfahrt sowie geothermische Exploration von entscheidender Bedeutung ist.

In der schnell entwickelnden Welt der Speichertechnologien werden zweidimensionale Materialien (2D-Materialien) aufgrund ihrer einzigartigen physikalischen Eigenschaften und guten Skalierbarkeit zu einem vielversprechenden neuen Weg. Aufgrund ihrer atomaren Gestaltbarkeit und der Kompatibilität mit bestehenden Technologien können diese Materialien die Speichergeräte revolutionieren. Die Eigenschaften von 2D-Materialien wie atomare Dünnheit und strukturelle Gestaltungsflexibilität ermöglichen schnellere und energieeffizientere Speicher, die nahtlos in die aktuelle Elektroniktechnologie integriert werden können, um die Leistung des gesamten Systems zu verbessern. Mit fortschreitenden Fortschritten in der Materialherstellung und -übertragung wird die Massenanwendung von 2D-Materialien immer realistischer, was auf eine neue Ära in der Entwicklung zukünftiger Speichertechnologien hinweist, die den Anforderungen zukünftiger Rechen- und Datenspeicherbedürfnisse gerecht wird.

Im Gegensatz zu herkömmlichen Speichertechnologien unterstützen ReRAM und synaptische Speicher (Synaptic RAM) das "In-Memory Computing", sind nichtflüchtig und ermöglichen eine datenverarbeitende Leistung mit geringer Latenz und niedrigem Energieverbrauch. Sie können direkt in der Speicheranordnung analoge Multiplikations- und Additionsoperationen ausführen, wodurch der energieintensive Datenübertragungsengpass zwischen "Speicher und Prozessor" in der herkömmlichen von-Neumann-Architektur umgangen wird. Dies macht sie besonders geeignet für Edge-Computing-Systeme, insbesondere in Anwendungsfällen, in denen Echtzeit-Inferenz, niedriger Energieverbrauch und kompakte Design wichtige Anforderungen sind.

Diese Speichertechnologien eignen sich besonders für hirnähnliche Rechnungen und adaptive Systeme. Synaptische RAM, die von biologischen Synapsen inspiriert sind, können Lernmechanismen wie die "Spike-Timing-Dependent Plasticity (STDP)" realisieren, wodurch Lernen auf Hardwareebene und Echtzeitantwort in dynamischen Umgebungen möglich werden. Diese Fähigkeit ist für selbstlernende Internet der Dinge (IoT)-Geräte von entscheidender Bedeutung, da sie es diesen Geräten ermöglichen, neue Umgebungen wahrzunehmen und sich an sie anzupassen, ohne ständig mit der Cloud verbunden zu sein. Darüber hinaus ermöglicht die Nichtflüchtigkeit von xRAM (wie ReRAM, FeRAM, MRAM) oder PCM, dass IoT-Systeme ihren Betriebszustand auch nach einem Stromausfall beibehalten können, was die Systemzuverlässigkeit erhöht und eine sofortige Wiederaufnahme der Aktivität in Umgebungen mit begrenzter oder intermittierender Stromversorgung ermöglicht.

Mit dem zunehmenden Bedarf an intelligenten, dezentralen Systemen werden xRAM und Synaptic RAM zu wichtigen technologischen Ansätzen für die Realisierung skalierbarer, energieeffizienter und robuster Rechenplattformen. Sie haben den Vorteil hoher Dichte, Unterstützung von 3D-Integration und monolithischer Integration mit CMOS-Schaltungen und spielen eine zentrale Rolle in der Weiterentwicklung der Hardwarearchitektur von KI und IoT. Diese Technologien unterstützen das Konzept der "verteilten Intelligenz", sodass Computersysteme in einer Vielzahl von Szenarien wie intelligenten Sensoren, Edge-Analysen und anderen Anwendungen nahtlos, autonom und kontextsensitiv funktionieren können.

Abbildung 2. Schematische Darstellung des Roadmaps für dreidimensional integrierte hirnähnliche Hardware unter Verwendung zweidimensionaler Materialien. Reproduziert von Kim, S.J. et al., "Three-dimensional integrated brain-inspired hardware based on two-dimensional materials", NPJ 2D Materials and Applications 8, 70 (2024), mit Genehmigung von Nature.

Übersicht über die neuesten Technologien: Nichtflüchtige Speicher auf flexiblen Substraten

Die Integration von nichtflüchtigen Speichertechnologien (NVM) auf flexiblen Substraten hat in den letzten Jahren breite Beachtung erhalten, vor allem aufgrund der steigenden Nachfrage nach neuen Anwendungen wie tragbaren Elektronikgeräten, weichen Robotern und verteilten IoT-Systemen. Diese Systeme erfordern nicht nur, dass der Speicher die Daten auch nach einem Stromausfall behalten kann, sondern auch, dass er mechanischen Verformungen wie Biegen, Strecken und Torsion standhalten kann. Unter den verschiedenen NVM-Technologien haben ReRAM und FeRAM auf flexiblen Plattformen die fortschrittlichsten Leistungen gezeigt.

ReRAM zeichnet sich auf Polymer-Substraten (wie PET und Polyimid) durch seine einfache Metall-Isolator-Metall-Struktur und die gute Kompatibilität mit Niedertemperaturprozessen aus und zeigt eine ausgezeichnete mechanische Haltbarkeit und Datenhaltefähigkeit. FeRAM (insbesondere Bauelemente auf Basis von P(VDF-TrFE) oder dotiertem HfO₂) hat einen niedrigen Schaltspannungsbedarf und einen stabilen Polarisationszustand und bleibt auch nach Tausenden von mechanischen Zyklen zuverlässig. Obwohl es noch schwieriger ist, befinden sich flexible PCM und MRAM auf Basis organischer Materialien oder zweidimensionaler magnetischer Materialien bereits in der ersten Forschungs- und Demonstrationsphase.

Organische und molekulare Speichertechnologien entwickeln sich ebenfalls schnell und zeigen großes Potenzial in der KI-Edge-Computing und bioähnlichen Geräten. Organische Materialien haben eine einstellbare molekulare Struktur sowie entsprechende elektrische, optische, thermische und chemische Eigenschaften und können in einigen neuromorphen Rechenalgorithmen herkömmliche Memristoren ersetzen. Die Flüchtigkeit und die dynamischen elektrischen Eigenschaften dieser Materialien und Bauelemente ermöglichen es ihnen, die Reaktionen biologischer Neuronen und Synapsen zu simulieren, einschließlich der Spike-Timing-Dependent Plasticity (STDP), der Spike-Frequency-Dependent Plasticity und der Kurz- und Langzeitplastizität.

In den letzten Jahren konnten dank Fortschritten in den Material- und Herstellungstechnologien (wie Tintenstrahldruck, Transfertechnik und Raumtemperaturabscheidungsprozesse) nichtflüchtige Speicher direkt auf Kunststoffsubstraten hergestellt werden, ohne deren mechanische Integrität zu beeinträchtigen. Hybridmaterialsysteme auf Basis zweidimensionaler Materialien und nanostrukturierten Dielektrika verbessern die Leistung der Geräte unter Spannung. Trotz dieser Fortschritte bleiben Herausforderungen bestehen, wie die Erreichung einer langfristigen mechanischen Zuverlässigkeit, die Aufrechterhaltung der Daten in gebogenem Zustand und die Integration flexibler NVM mit Logik- und Sensorelementen zur Erstellung eines vollständigen flexiblen Systems. Zukünftige Forschung wird sich auf die monolithische Integration, die additive Herstellung ganzer Speicherarrays und die Entwicklung robuster Verkapselungsmethoden konzentrieren, um einen stabilen Betrieb in dynamischen Umgebungen zu gewährleisten.

Wenn diese Hindernisse schrittweise überwunden werden, wird der flexible nichtflüchtige Speicher (NVM) zum Kern anpassungsfähiger und umgebungskompatibler Elektronikgeräte werden. Diese flexiblen neuromorphen integrierten Schaltungen können problemlos mit organischen und molekularen Speichertechnologien kombiniert werden. In solchen Anwendungen können neuronale Netzwerkmodelle auf einem zentralen Hochleistungs-KI-Chip trainiert werden und anschließend auf die flexiblen neuromorphen integrierten Schaltungen nahe der biochemischen Sensoren deployiert werden