INTRODUCTION

一、前言

面臨電子產品的市場取向,對電子產品的體積要求越趨「輕、薄、短、小」,相對記憶體的體積也被要求盡可能縮小。但記憶體面對製程演進,當閘極氧化層厚度減少到70 Å以下時,多次操作產生的電流會影響元件特性還有資料保存性。為了解決元件無法隨著製程演進而微縮與單一元件面積過大的問題,所以必須採用差動對的設計架構。

因此,此篇依照以上的問題來取得一新型的N通道差動記憶體元件,並量測此元件上不同耦合比(coupling ratio)的抹除電壓(Verase)並比較之。

二、元件架構、原理分析與系統設計

2.1 元件架構

圖1為此元件的 3D示意圖。共用一個在 P 型井(P well)上的選擇閘極(SG)與 N 型井(N well)上的抹除閘極(EG),N 通道電晶體上的兩浮動閘(FG)為資料儲存位置,元件的讀取、寫入和抹除可藉由位元線(BL)和字元線(WL)來完成。

2.2 原理分析

2.2.1 差動記憶體的操作原理

首先,定義此元件的邏輯狀態:邏輯1定義為(BL1, BL2)=(1, 0);而邏輯0定義為(BL1, BL2)=(0, 1)。在進行編程和自我選擇編程前,需要將所有的浮動閘的電壓壓低,有助於操作時的通道導通。再來,就要進行編程:將浮動閘1注入電子。當浮動閘由低臨界電壓值轉為高臨界電壓值後,接下來的自我選擇編程可依照浮動閘1的電位高低,直接完成邏輯1或0的操作。

2.2.2 編程與自我選擇編程操作原理

第一步驟的編程操作是當電子被電場驅使,從源極加速通過浮動點X,並在汲極附近撞擊產生熱電子注入浮動閘1,當浮動閘1存滿電子,如圖2,並由低臨界電壓值轉為高臨界電壓值後,代表完成編程操作。

第二步驟為自我選擇編程,主要是完成浮動閘2電位的編程,採用的是通道熱電子注入機制。當執行自我選擇編程時,不需選擇字元線電壓,只需施加高電壓於所選擇區域的位元線2,而浮動閘 1 的電位高低影響是否有通道熱電子注入浮動閘2。如圖3左圖,如果浮動閘1已被編程充滿電子,則無法導通縱向通道,無通道熱電子注入浮動閘2,讀取狀態維持(BL1, BL2)=(1, 0);另一方面,如圖3右圖,維持低臨界電壓的浮動閘1,可在位元線2施加高電壓,產生通道熱電子注入浮動閘2,讀取狀態從(BL1, BL2)=(0, 0)自動編程為(BL1, BL2)=(0, 1)。如此,邏輯0和1就可自動寫入。

2.2.3 抹除及讀取操作原理

在區域性的抹除操作可採用FN穿遂效應:在抹除閘極(EG)施加高電壓,引發FN穿遂效應,產生一橫跨複晶矽與基板、汲/源極的高電場,將電子拉出浮動閘,讓浮動閘通道導通,如圖4。

而FN穿遂效應的電流大小和橫跨的電場大小有關,若抹除閘極電壓耦合(coupling)至浮動閘的比較越大,電場就越小。其耦合比換算成抹除比例R可表示為:

Rerase = A/(A+B)

其中A和B為N型離子擴散區分別與浮動閘極之相交面積。愈小的抹除比例,可有愈高的橫跨電場,更有利於FN穿遂效應。

另外,在進行每次操作後,都需要去讀取此元件進行電壓操作後的變化。讀取操作時,可以直接對位元線(BL)和字元線(WL)加讀取條件之電壓,若浮動閘已被注入電子,則無法讀取到電流;反之,若浮動閘內沒有電子, 則可讀取到電流。當同時讀取通過兩個浮動閘的電流,若I1 < I2定義為1,若I1 > I2定義為0。

而我們想知道需要給多少Erase電壓才能將能將記憶體清除乾淨,接著再將測量結果與記憶體已知規格所計算的coupling ratio比較,看有無任何相關性質。

將要測量的元件放置於測量儀器顯微鏡下,陸續將針頭對應並接觸到BL、EG、SG、SL、Bulk之連接金屬上,先進行一次Erase(將EG設為7V,其他都為0),接者進行第一次Read(使SG從0~1.8V,BL電壓定為1.8V),紀錄BL上的電流IBL 。接著重新Erase,將給EG的電壓提升1V(7V),完成後再Read,紀錄IBL 。重複步驟記錄到EG變成12V。

經過測量,了解到TL1最容易Erase,在經過8V和7V的電壓Erase後,IBL 的級距差距甚大,所以 我們定義TL1經過8V的電壓Erase後的IBL 為標準I’:約9.86E-5。因為IBL 會與FG的W、L有關,所以每個W、L相異的記憶體會有不同的對應I',(如TL2,W=0.7、L=0.38,I’=9.09E-5)。所以當我們Erase過後,若能讀取到接近I’的電流大小,我們便認定其已經Erase完成。


Fig. 1


Fig. 2


Fig. 3


Fig. 4


Fig. 5

心得感想

在這次專題中,第一次透過顯微鏡看到晶圓內部的排列,感到特別新鮮,也學到很多不同的知識。

雖然很多時候都還是靠學長姐的幫忙,不然到我們兩個要量測時,不知道是不是和機台犯沖,量出來的數據常常怪怪的,不過最終還是找出比較合理的正相關數據。雖然可能沒有那麼好看的數據,還需要靠更進一步的量測來證明,但還是感激學長姐的大力協助,最後才能量出一個比較好的相關性