[研究内幕] 目标是高性能超高3D NAND... CTI创新技术,从研究扩展到量产
![[研究内幕] 目标是高性能超高3D NAND... CTI创新技术,从研究扩展到量产 图片 1](https://reed-1375047569.cos.ap-shanghai.myqcloud.com/article/image/2d/2dab3f899d250875e36bf3f30b62f3fc621fb89e28919846ee3f1dbdb1485553.jpg)
![[研究内幕] 目标是高性能超高3D NAND... CTI创新技术,从研究扩展到量产 图片 2](https://reed-1375047569.cos.ap-shanghai.myqcloud.com/article/rss-media/aa/aaf35b6a49befcd0d4d8a01d793760032e22013296ce621d4d0d81ebcd27b254.jpg)
![[研究内幕] 目标是高性能超高3D NAND... CTI创新技术,从研究扩展到量产 图片 3](https://reed-1375047569.cos.ap-shanghai.myqcloud.com/article/rss-media/61/6176881348de0da81b9b06b0c53021c05a1126d7cea7837107d56dde7164a9a3.jpg)
![[研究内幕] 目标是高性能超高3D NAND... CTI创新技术,从研究扩展到量产 图片 4](https://reed-1375047569.cos.ap-shanghai.myqcloud.com/article/rss-media/bc/bc91a4aa5b70814d5b8db651fee80bfa67e06c2a1ae6979b669ca48f0d5faa93.jpg)
SK海力士以“全栈式人工智能内存创造者”为愿景,在HBM(高带宽内存)、AI‑D(DRAM)和AI‑N(NAND闪存)等内存的各个领域,均推出了针对AI系统优化的解决方案。
这一切的基础,正是全体员工辛勤耕耘所取得的各项创新技术。为此,新闻室将推出【Research Inside】系列,介绍这些技术的源头以及支撑这一愿景的研究论文。
首期将聚焦于在176层以上超高层3D NAND堆叠环境下,突破微缩极限的技术。
【论文链接】
∙ 标题:一种高度可扩展的隔离型电荷陷阱氮化物层,应用于176层3D NAND闪存,具有优异的阈值电压分布与电荷保持特性
∙ 发表:2025年IEEE国际电子器件会议(IEDM)
∙ 作者:SK海力士材料开发团队TL晋相完
提升3D NAND闪存容量的传统方法是提高单元的堆叠层数。然而,随着堆叠高度的增加,工艺难度不断攀升、成本压力日益加大,业界逐渐转向通过缩小单元尺寸,在相同高度下容纳更多单元的方向。
也就是说,在总体高度不变的前提下,缩小层间间距、提升堆叠层数,从而实现高容量。但随着单元尺寸的缩小,上下单元之间的间距也随之变窄,由此引发的电气串扰问题愈发突出。
CTI技术正是在这样的背景下应运而生。
• 单元(Cell):半导体中最小的数据存储单位
研究背景:单元形成与微缩的瓶颈
要理解这项研究,首先需要了解单元的制造过程。采用垂直堆叠方式的3D NAND可通过多种工艺实现。SK海力士目前基于CTN*工艺来制造NAND单元。
• CTN(电荷陷阱氮化物):一种将电子(数据)存储于绝缘介质——氮化物薄膜中的技术。相比将数据存储于导体上的浮栅技术,CTN能够在降低单个单元面积的同时,提升读写性能。
▲ 【图1】NAND闪存单元的形成过程
NAND单元是如何制造的?
如图1所示,在晶圆上交替堆叠多层硅氮化物和硅氧化物薄膜,其厚度仅为数十纳米,如同将一张张超薄“纸片”精密叠合。随后,沿垂直方向深钻出通道孔,并在孔壁内侧依次涂覆阻挡氧化层、用于存储电子的CTN层、隧穿氧化层以及多晶硅。
经过上述工序,单元便宣告成型。再将这些单元逐层堆叠至100层、200层、甚至300层,即构成3D NAND。
• 电子:带有负电荷(–)的粒子;在NAND中,根据存储的电子数量,单元被划分为“0”或“1”状态。
缩小单元尺寸会带来哪些问题?
缩小单元尺寸、拉近上下单元间距以提升密度固然能够增加存储容量,但随之而来的却是严重的单元间串扰(Cell to Cell Interference)。
单元内部电子产生的电场会干扰相邻单元,导致阈值电压(Vth)畸变以及电子迁移错误等问题。
阈值电压(Vth)是指使单元“导通电流所需的最低电压”,存储的电子越多,阈值越高;反之则越低。NAND在读取数据时,正是通过判断该阈值电压的高低来识别存储的内容。
因此,一旦Vth发生畸变,就会造成数据读取错误。此外,单元间距越小,不仅串扰加剧,存储的电子还可能泄漏到邻近单元,进而导致数据失真。
▲ 【图2】传统CTI的应用流程
为解决这一难题,CTI(电荷陷阱氮化物隔离)技术应运而生。如图2所示,在利用CTN存储电子时,CTI通过刻蚀硅氮化物薄膜,并将其作为隔断(Isolation)加以利用。
以往的CTN工艺是连续制备的,而CTI则借助隔断实现了上下CTN层的物理隔离。应用CTI后,即使单元间距缩小,仍能维持运行可靠性并提升电荷保持能力。
正因如此,关于CTI技术的讨论在过去十余年间一直持续进行。
研究成果:突破NAND微缩瓶颈,176层新CTI技术落地
尽管CTI研究已开展多年,却迟迟未能投入量产,原因在于该技术本身存在局限性。传统的CTI工艺是在刻蚀硅氮化物薄膜以形成“口袋”(空腔)后,再将CTN材料封入其中。
然而,这种工艺在刻蚀过程中会导致通道孔口径扩大。
▲ 【图3】通道孔直径对数量(集成度)的影响
由于NAND结构的特点是单个长条形通道孔内容纳数百个单元,因此通道孔口径一旦扩大,相同面积内所能容纳的通道孔数量就会减少,进而导致集成度下降。
此外,由于刻蚀量在晶圆整体上难以均匀控制,形成的“口袋”大小不一,这也是CTI技术亟待解决的问题。正因如此,传统CTI仅停留在技术验证层面,难以实际应用于产品。
▲ 【图4】新型CTI的应用流程
SK海力士的新型CTI技术有何不同?
新CTI采用“沉积”氧化物绝缘屏障的方式形成“口袋”,并在其中填充CTN材料。由于无需刻蚀硅氮化物薄膜,通道孔口径不会扩大,从而在不损害NAND集成度的前提下实现了CTI结构。
同时,相较于刻蚀工艺,沉积法更有利于确保通道孔上下端尺寸的一致性。研究团队在176层全堆叠范围内实现了均匀的特性分布,一举解决了原有工艺参差不齐的问题,并验证了量产可行性。
▲ 【图5】传统与新型CTI的特性对比
应用新型CTI技术有哪些优势?
本项研究的最大意义在于,真正实现了“CTI技术的商业化”。以往的CTI仅在10层规模下进行测试,而SK海力士则在全球首次成功将CTI结构应用于量产级176层NAND,使单元间串扰降低了30%以上,数据保持能力提升了45%以上。
得益于此,阈值电压分布更加均匀,数据读取的可靠性显著提升;电子迁移现象大幅减少,器件的长期耐久性也得到极大增强。在此基础上,我们得以在不担心阈值电压畸变与电子迁移错误的前提下,将单个单元尺寸压缩10%以上,进一步提升NAND的集成度。
公司认为,这项技术将成为突破垂直堆叠微缩瓶颈的“核心利器”。
研究要点:创新技术,轻松理解新型CTI
▲ CTI的核心概念
存储电子的CTN在各单元之间并非完全隔离,而是连续相连。不妨将其比作一张没有隔断的长桌:单元相当于固定的座位,而数据则是摆在座位上的书。
由于缺乏隔断,书籍常常会侵占邻座的空间,让人难以分辨哪本书属于自己的座位(0),哪本又属于邻座(1)。当座位间距缩小时,书籍更容易混杂在一起,甚至连邻座的细微动作也会造成干扰。
而CTI正是为这张长桌明确划分座位的技术。SK海力士在完整保留原有桌面形态的基础上,通过增设隔断来重新划分座位。这样一来,即便座位排列得再紧凑,也不会导致书籍混杂或干扰邻座的动作。
将这一技术应用于176层NAND,为高密度NAND的开发指明了新的方向。
迷你访谈:CTI技术的现状与未来
在本次研究结束后,材料开发团队TL晋相完表示:“能够为一度被认为陷入僵局的微缩技术开辟新的可能性,这是一项极具意义的研究。”新闻室也就相关技术趋势及未来目标采访了晋TL。
问:CTI技术的发展态势如何?
CTI的效果早已在业界得到充分验证。当前业界的关注焦点已转向“如何在高堆叠层数上实现实际应用”。此外,降低工艺成本也是核心课题之一。
特别是在分离CTN的过程中,为确保单元尺寸与形状的均匀性,众多企业正集中研发新型沉积技术和新材料。
问:SK海力士此次新型CTI技术的研发有何重要意义?
以往的CTI研究大多停留在概念验证阶段,而本次研究则是在量产规模上实现重大突破的高难度任务。其间曾多次出现不可预测的不良现象,甚至一度令人怀疑其是否具备实际落地的可能性。
但凭借器件、工艺、TCAD/建模*以及材料领域的专家们组建的联合攻关团队,经过反复的多维度分析与仿真验证,最终克服了各项技术瓶颈。
我们坚信,这一项目将对未来NAND领域的研发方向产生深远影响。
• TCAD(计算机辅助工艺设计)/建模:利用计算机模拟并预测半导体器件结构与运行特性的仿真技术
问:继本次新型CTI研究之后,接下来还将推进哪些项目?
目前我已从“器件”开发岗位转至“材料”开发部门,继续积累相关经验。正是在参与工艺与器件研发的过程中,深切感受到新材料的重要性,这也成为我调整岗位的契机。
今后,我将以对材料的深入理解为基础,优化工艺与器件设计,最终致力于构建一个集工艺、器件与材料于一体、有机联动的“半导体生态系统”。
隐藏常见问题微数据