[发明专利]一种磁阻存储器单元、写控制方法及存算模块在审

专利信息
申请号: 202110922939.3 申请日: 2021-08-12
公开(公告)号: CN113744779A 公开(公告)日: 2021-12-03
发明(设计)人: 邢国忠;刘龙;王迪;林淮;刘明 申请(专利权)人: 中国科学院微电子研究所
主分类号: G11C11/409 分类号: G11C11/409;G11C11/15;G06N3/06
代理公司: 北京华沛德权律师事务所 11302 代理人: 房德权
地址: 100029 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 磁阻 存储器 单元 控制 方法 模块
【说明书】:

发明公开了一种磁阻存储器单元、写控制方法及存算模块,其中,磁阻存储器单元包括:第一磁隧道结、第二磁隧道结和金属层;第一磁隧道结和第二磁隧道结均设置在金属层上;金属层被配置为用于通过写电流,第一磁隧道结的易轴在金属层所在平面与写电流所在方向呈第一角度,第二磁隧道结的易轴沿金属层所在平面与写电流所在方向呈第二角度,第一角度和第二角度相对于写电流所在方向的偏转方向相反;第一磁隧道结和第二磁隧道结被配置为用于通过读电流。本发明磁阻存储器单元可实现无外加磁场辅助的全电控的超快磁化翻转,有利于大规模集成,且在读取信息时可通过自参考机制实现读取,提高读取裕度,进而增强读可靠性,降低读延时。

技术领域

本发明涉及集成电路技术领域,尤其涉及一种磁阻存储器单元、写控制方法及存算模块。

背景技术

卷积神经网络(Convolutional Neural Networks,CNN)被广泛应用于图片识别、语音识别、自然语言处理等多种领域,显示出优异的性能。然而由于其对存储和计算资源的巨大需求,限制了大规模卷积神经网络的硬件实现。二值神经网络(Binary NeuralNetwork,BNN)通过将卷积神经网络的突触权值、神经元输入输出二值化,减少了存储资源开销;用点积代替高精度的乘法运算简化计算任务,减少计算资源负担。同时在各种大规模数据集上都展示出与卷积神经网络相当的精确度。因此二值神经网络受到越来越多的关注,为深度神经网络的硬件实现提供了一种方案。基于传统的冯·诺依曼架构的硬件神经网络,由于存储墙和功耗墙问题,难以大规模集成和应用。近年来,基于新型非易失存储器的存内计算(In-Memory Computing,IMC)平台的发展,将硬件神经网络带入新的发展时期。在各种新型非易失存储器中,SOT-MRAM(Spin-Orbit Torque Magnetic Random AccessMemory,自旋轨道矩磁随机存储器)由于高读写速度、无限次擦写次数、高数据保持时间、低写入功耗与CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)工艺兼容等优点有望成为下一代通用存储器,并已被大量用于存内计算平台、硬件神经网络的研究中。

然而,目前SOT-MRAM由于其三端结构和需要外加磁场辅助实现确定性磁化翻转而不利于大规模集成,并且其较小的隧穿磁电阻(Tunnel Magneto Resistance,TMR)限制了其读性能,带来较高的读错误率。

发明内容

本申请实施例通过提供一种磁阻存储器单元、写控制方法及存算模块,其中,磁阻存储器单元可实现无外加磁场辅助的全电控的超快磁化翻转,有利于大规模集成,且在读取信息时可通过自参考机制实现读取,提高读取裕度,进而增强读可靠性,降低读延时。

第一方面,本申请通过本申请的一实施例提供如下技术方案:

一种磁阻存储器单元,包括:第一磁隧道结、第二磁隧道结和金属层;所述第一磁隧道结和所述第二磁隧道结均设置在所述金属层上;所述金属层被配置为用于通过写电流,所述第一磁隧道结的易轴在所述金属层所在平面与所述写电流所在方向呈第一角度,所述第二磁隧道结的易轴沿所述金属层所在平面与所述写电流所在方向呈第二角度,所述第一角度和所述第二角度相对于所述写电流所在方向的偏转方向相反;所述第一磁隧道结和所述第二磁隧道结被配置为用于通过读电流。

可选的,所述第一磁隧道结和所述第二磁隧道结的横截面均为椭圆形。

可选的,所述第一角度和所述第二角度的大小相等。

可选的,所述第一角度和所述第二角度的大小范围为:30°~60°。

可选的,所述第一角度和所述第二角度的大小均为45°。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院微电子研究所,未经中国科学院微电子研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110922939.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top