Les mémoires à pont conducteur (CBRAM) sont une option actuellement étudiée pour la prochaine génération de mémoires non volatiles. Le stockage des données est basé sur la commutation de la résistivité entre les états de résistance élevée (HRS) et faible (LRS). Sous polarisation électrique, on suppose qu'un trajet conducteur est créé par la diffusion des ions de l'électrode active dans l'électrolyte solide. Récemment, une attention particulière a été portée sur les dispositifs contenant un élément semi-conducteur tel que le tellure, fonctionnant avec des courants réduits et présentant moins de défaillances de rétention. Dans ces « subquantum CBRAMs », le filament est censé contenir du tellure, ce qui donne une conductance de 1 atome (G₁atom) significativement réduite par rapport aux CBRAMs standard et permettant ainsi un fonctionnement à faible puissance. Dans cette thèse, nous utilisons la spectroscopie de photoélectrons par rayons X (XPS) pour étudier les réactions électrochimiques impliquées dans le mécanisme de commutation des CBRAMs à base de Al₂O ₃ avec des alliages ZrTe et TiTe comme électrode active. Deux méthodes sont utilisées: i) spectroscopie de photoélectrons par rayons X de haute énergie non destructive (HAXPES) pour étudier les interfaces critiques entre l'électrolyte (Al₂O ₃ ) et les électrodes supérieure et inférieure et ii) les faisceaux d'ions à agrégats gazeux (GCIB), une technique de pulvérisation qui conduit à une dégradation plus faible de la structure, avec un profilage en profondeur XPS pour évaluer les distributions des éléments en profondeur. Des mesures ToF-SIMS sont également effectuées pour obtenir des informations complémentaires sur la répartition en profondeur des éléments. Le but de cette thèse est de clarifier le mécanisme de changement de résistance et de comprendre les changements chimiques aux deux interfaces impliquées dans le processus de « forming » sous polarisation positive et négative ainsi que le mécanisme de « reset ». Pour cela, nous avons effectué une comparaison entre le dispositif vierge avec un état formé, i.e. l'échantillon après la première transition entre HRS et LRS et un état reset, i.e. l'échantillon après la première transition entre LRS et HRS.L'analyse du « forming » positif pour les dispositifs ZrTe / Al₂O ₃ a montré une libération de Te liée à l’oxydation de Zr due au piégeage de l'oxygène de l'Al₂O ₃ sous l’effet du champ électrique. D'autre part, pour les dispositifs TiTe / Al₂O ₃, la présence d'une couche importante d'oxyde de titane à l'interface avec l'électrolyte a provoqué une dégradation permanente de la cellule en polarisation positive. Pour le « forming » négatif, nos résultats montrent un mécanisme hybride, à savoir une combinaison de formation de lacunes d'oxygène dans l'oxyde provoquée par la migration de O2- entraîné par le champ électrique vers l'électrode inférieure et la libération de tellure pour former des filaments conducteurs. De plus, les résultats obtenus par profilométrie XPS et ToF-SIMS ont indiqué une possible diffusion de Te dans la couche d'Al₂O ₃. Lors du « reset », il y a une recombinaison partielle des ions oxygène avec les lacunes d'oxygène près de l'interface TiTe / AlAl₂O ₃ avec une perte de Te. Un mécanisme hybride a également été observé sur les dispositifs ZrTe / Al₂O ₃ pendant le « forming » négatif. En tenant compte du rôle important de la migration d'oxygène dans la formation / dissolution des filaments, nous discutons également des résultats obtenus par XPS avec polarisation électrique in- situ (sous ultravide) pour mieux comprendre le rôle de l'oxydation de surface et des interfaces dans la commutation résistive. / Conducting bridging resistive random accessmemories (CBRAMs) are one option currently investigated for the next generation of non volatile memories. Data storage is based on switching the resistivity between high (HRS) and low (LRS) resistance states. Under electrical bias,a conductive path is assumed to be created by ions diffusion from the active electrode into the solid electrolyte. Recently, special attention has been drawn to devices containing an elemental semiconductor such as tellurium, operating with reduced currents and less retention failures. In these subquantum CBRAM cells, the filament is thought to contain tellurium , yielding a 1-atomconductance (G₁atom) significantly reduced compared to standard CBRAMs and thus allowing low power operation. In this thesis, we use X-rayphotoelectron spectroscopy (XPS) to learn about electrochemical reactions involved in the switching mechanism of Al₂O₃ based CBRAMswith ZrTe and TiTe alloys as active electrode. Two methods are used: i) non-destructive Hard X-ray photoelectron spectroscopy (HAXPES) to investigate the critical interfaces between the electrolyte (Al₂O₃) and the top and bottom electrodes and ii) Gas Cluster Ion Beams (GCIB), a sputtering technique that leads to lower structure degradation, combined with XPS depth profiling to evaluate chemical depth distributions. To FSIMS measurements are also performed to get complementary in-depth chemical information.The aim of this thesis is to clarify the driving mechanism and understand the chemical changes at both interfaces involved in the forming process under positive and negative polarization as well as the mechanism of the reset operation. For that,we performed a comparison between as-grown state, i.e. the pristine device with a formed state,i.e. the sample after the first transition between HRS and LRS, and reset state, i.e. the sample after the first transition between LRS and HRS.Conducting bridging resistive random access memories (CBRAMs) are one option currently investigated for the next generation of non-volatile memories. Data storage is based on switching the resistivity between high (HRS) and low (LRS) resistance states. Under electrical bias,a conductive path is assumed to be created byions diffusion from the active electrode into the solid electrolyte. Recently, special attention has been drawn to devices containing an elemental semiconductor such as tellurium, operating with reduced currents and less retention failures. In these subquantum CBRAM cells, the filament is thought to contain tellurium , yielding a 1-atom conductance (G₁atom) significantly reduced compared to standard CBRAMs and thus allowing low power operation. In this thesis, we use X-ray photoelectron spectroscopy (XPS) to learn about electrochemical reactions involved in the switching mechanism of Al₂O₃ based CBRAMs with ZrTe and TiTe alloys as active electrode. Twomethods are used: i) non-destructive Hard X-rayphotoelectron spectroscopy (HAXPES) toinvestigate the critical interfaces between the electrolyte (Al₂O₃) and the top and bottom electrodes and ii) Gas Cluster Ion Beams (GCIB), a sputtering technique that leads to lower structure degradation, combined with XPS depth profiling to evaluate chemical depth distributions. To FSIMS measurements are also performed to get complementary in-depth chemical information.The aim of this thesis is to clarify the driving mechanism and understand the chemical changes at both interfaces involved in the forming process under positive and negative polarization as well as the mechanism of the reset operation. For that,we performed a comparison between as-grown state, i.e. the pristine device with a formed state,i.e. the sample after the first transition between HRS and LRS, and reset state, i.e. the sample after the first transition between LRS and HRS.

abstract: Alternative computation based on neural systems on a nanoscale device are of increasing interest because of the massive parallelism and scalability they provide. Neural based computation systems also offer defect finding and self healing capabilities. Traditional Von Neumann based architectures (which separate the memory and computation units) inherently suffer from the Von Neumann bottleneck whereby the processor is limited by the number of instructions it fetches. The clock driven based Von Neumann computer survived because of technology scaling. However as transistor scaling is slowly coming to an end with channel lengths becoming a few nanometers in length, processor speeds are beginning to saturate. This lead to the development of multi-core systems which process data in parallel, with each core being based on the Von Neumann architecture. The human brain has always been a mystery to scientists. Modern day super computers are outperformed by the human brain in certain computations. The brain occupies far less space and consumes a fraction of the power a super computer does with certain processes such as pattern recognition. Neuromorphic computing aims to mimic biological neural systems on silicon to exploit the massive parallelism that neural systems offer. Neuromorphic systems are event driven systems rather than being clock driven. One of the issues faced by neuromorphic computing was the area occupied by these circuits. With recent developments in the field of nanotechnology, memristive devices on a nanoscale have been developed and show a promising solution. Memristor based synapses can be up to three times smaller than Complementary Metal Oxide Semiconductor (CMOS) based synapses. In this thesis, the Programmable Metallization Cell (a memristive device) is used to prove a learning algorithm known as Spike Time Dependant Plasticity (STDP). This learning algorithm is an extension to Hebb’s learning rule in which the synapses weight can be altered by the relative timing of spikes across it. The synaptic weight with the memristor will be its conductance, and CMOS oscillator based circuits will be used to produce spikes that can modulate the memristor conductance by firing with different phases differences. / Dissertation/Thesis / Masters Thesis Electrical Engineering 2015

No description available.

No description available.

La recherche dans le domaine de l’informatique neuro-inspirée suscite beaucoup d'intérêt depuis quelques années. Avec des applications potentielles dans des domaines tels que le traitement de données à grande échelle, la robotique ou encore les systèmes autonomes intelligents pour ne citer qu'eux, des paradigmes de calcul bio-inspirés sont étudies pour la prochaine génération solutions informatiques (post-Moore, non-Von Neumann) ultra-basse consommation. Dans ce travail, nous discutons les rôles que les différentes technologies de mémoire résistive non-volatiles émergentes (RRAM), notamment (i) Phase Change Memory (PCM), (ii) Conductive-Bridge Memory (CBRAM) et de la mémoire basée sur une structure Metal-Oxide (OXRAM) peuvent jouer dans des dispositifs neuromorphiques dédies. Nous nous concentrons sur l'émulation des effets de plasticité synaptique comme la potentialisation à long terme (Long Term Potentiation, LTP), la dépression à long terme (Long Term Depression, LTD) et la théorie STDP (Spike-Timing Dependent Plasticity) avec des synapses RRAM. Nous avons développé à la fois de nouvelles architectures de faiblement énergivore, des méthodologies de programmation ainsi que des règles d’apprentissages simplifiées inspirées de la théorie STDP spécifiquement optimisées pour certaines technologies RRAM. Nous montrons l’implémentation de systèmes neuromorphiques a grande échelle et efficace énergétiquement selon deux approches différentes: (i) des synapses multi-niveaux déterministes et (ii) des synapses stochastiques binaires. Des prototypes d'applications telles que l’extraction de schéma visuel et auditif complexe sont également montres en utilisant des réseaux de neurones impulsionnels (Feed-forward Spiking Neural Network, SNN). Nous introduisons également une nouvelle méthodologie pour concevoir des neurones stochastiques très compacts qui exploitent les caractéristiques physiques intrinsèques des appareils CBRAM. / Research in the field of neuromorphic- and cognitive- computing has generated a lot of interest in recent years. With potential application in fields such as large-scale data driven computing, robotics, intelligent autonomous systems to name a few, bio-inspired computing paradigms are being investigated as the next generation (post-Moore, non-Von Neumann) ultra-low power computing solutions. In this work we discuss the role that different emerging non-volatile resistive memory technologies (RRAM), specifically (i) Phase Change Memory (PCM), (ii) Conductive-Bridge Memory (CBRAM) and Metal-Oxide based Memory (OXRAM) can play in dedicated neuromorphic hardware. We focus on the emulation of synaptic plasticity effects such as long-term potentiation (LTP), long term depression (LTD) and spike-timing dependent plasticity (STDP) with RRAM synapses. We developed novel low-power architectures, programming methodologies, and simplified STDP-like learning rules, optimized specifically for some RRAM technologies. We show the implementation of large-scale energy efficient neuromorphic systems with two different approaches (i) deterministic multi-level synapses and (ii) stochastic-binary synapses. Prototype applications such as complex visual- and auditory- pattern extraction are also shown using feed-forward spiking neural networks (SNN). We also introduce a novel methodology to design low-area efficient stochastic neurons that exploit intrinsic physical effects of CBRAM devices.