Soutenance de thèse de Silvana GUITARRA

Un modèle de commutation pour le mémoires résistives (ReRAM) est présenté. Ceci est basé sur deux hypothèses: (1) la commutation résistive est causée par des changements qui se produisent dans la zone étroite (région active) du filament conducteur sous l'influence du champ électrique et (2) la commutation résistive est un processus stochastique régi par par une probabilité de commutation. La région active est représentée par un réseau de connexions verticales, chacune composée de trois éléments électriques: deux d'entre eux sont toujours résistifs faibles (LR) tandis que le troisième agit comme un disjoncteur et peut être à résistance faible ou élevée (HR). Le changement d’état du disjoncteur est régi par une probabilité de commutation (Ps) qui, dans le modèle, est comparée à un nombre aléatoire p. Ps dépendent de la chute de tension le long du disjoncteur et de la tension de seuil, Vset ou Vreset, pour définir un processus de réinitialisation, respectivement. Deux mécanismes de conduction ont été envisagés: ohmique pour un état de faible résistance et tunnel assisté par un piège pour un état de résistance élevée. Le modèle a été implémenté en Python et fonctionne avec une bibliothèque C externe qui optimise les calculs et le temps de traitement. Les résultats de la simulation ont été validés avec succès en comparant les courbes IV mesurées et modélisées de dispositifs ReRAM basés sur HfO2 de neuf zones différentes. Il est important de noter que la flexibilité et la facilité de mise en œuvre de ce modèle de commutation résistive en font un outil puissant pour l’optimisation ReRAM.

A model for the switching of resistive random access memories (ReRAM) is presented. This is based on two hypothesis: (1) the resistive switching is caused by changes that occur in the narrow zone (active region) of the conductive filament under the influence of the electric field and (2) the resistive switching is an stochastic process governed by a switching probability. The active region is represented by a net of vertical connections, each one composed of three electrical elements: two of them are always low resistive (LR) while the third one acts as a breaker and can be low or high resistive (HR). The change of the breaker’s state is governed by a switching probability (Ps) that in the model is compared with a random number p. Ps depend on the voltage drop along the breaker and the threshold voltage, Vset or Vreset for set an reset process, respectively. Two conduction mechanism has been considered: ohmic for low resistive state and trap-assisted tunneling for high resistive state. The model has been implemented in Python and works with an external C-library that optimizes calculations and processing time. The simulation results have been successfully validated by comparing measured and modeled IV curves of HfO2-based ReRAM devices of nine different areas. It is important to note that the flexibility and easy implementation of this resistive switching model allow it to be a powerful tool for ReRAM design and optimization.