Fraunhofer ENAS

Memristoren für die Rechner von morgen

15.1.2020

Gemeinsam mit dem Helmholtz-Zentrum Dresden-Rossendorf entwickelt das Fraunhofer ENAS Memristoren für hochmoderne Rechnerarchitekturen.

© Fraunhofer ENAS
6“-Wafer mit strukturierten Rückseiten- Elektroden für Crossbar-Arrays unterschiedlicher Größe.
© MEV Verlag
Memristoren ermöglichen bislang unerreichte Verarbeitungsleistungen, z. B. beim neuromorphen Rechnen.

Zur Leistungssteigerung von Rechnern werden deren Schaltkreise immer weiter verkleinert. Diese Miniaturisierung ist bei konventionellen von-Neumann-Rechnerarchitekturen mit räumlich getrennter Datenverarbeitung und -speicherung perspektivisch ökonomisch nicht mehr vertretbar.

Um dennoch höhere Rechenleistungen zu erzielen, bedarf es neuartiger Bauelemente und Architekturen, die Datenverarbeitung und -speicherung am selben Ort gestatten. Von zentraler Bedeutung sind dabei sogenannte Memristoren (Memory + Resistor). Diese ermöglichen energieeffizientes, maschinelles Lernen, das neuromorphe Rechnen und die Verschlüsselung von Daten am Ort ihrer Entstehung.

Erste Erfolge: Memristoren für CMOS-Hybride

Im Rahmen des ATTRACT-Projektes »Entwicklung einer Gesamttechnologie für die modulare Integration neuartiger elektronischer Bauelemente in mikroelektronische CMOS-Hybride - BFO4ICT« haben die Forschenden einen Memristor auf Basis von BiFeO3 (BFO) für die analoge und digitale Datenspeicherung und -verarbeitung entwickelt.  Im nächsten Schritt erforschen sie Technologien zur BFO-Herstellung auf Wafer-Niveau und deren Implementierung in konventionelle industrielle Prozessabläufe. Dadurch kann die Technologieverfügbarkeit und das technologische Know-how der sächsischen und deutschen Industrie in Bezug auf Memristor-Bauelemente massiv erweitert werden.

Was ist der Vorteil?

Die Widerstandseigenschaften von BFO-Memristoren lassen sich durch einen Spannungs- oder Stromschreibpuls nichtflüchtig einstellen und mit einem kleinen Spannungs- oder Stromlesepuls auslesen. Beim Schreiben der BFO-Memristoren werden die Barrierenhöhen der Vorderseiten-Elektrode und der Rückseiten-Elektrode rekonfiguriert und damit die Diodeneigenschaften der BFO-Memristoren nichtflüchtig und analog geändert.

Aufgrund der inhärenten Diodencharakteristik von BFO-Memristoren können diese ohne zusätzliche Auswahl-Transistoren in Crossbar-Array-Strukturen angeordnet werden, die sich besonders für Anwendungen wie maschinelles Lernen oder neuromorphes Rechnen eignen.