当前位置: 首页 > news >正文

SK海力士开发分割单元5位闪存技术

SK海力士在去年12月举行的2025年旧金山IEDM会议上展示了其最新的5位单元NAND闪存技术。该方法将3D NAND单元分割为两半,在提高位级别的同时将所需电压状态数量减少约三分之二,该公司表示这能提升速度和耐久性。

SK海力士展示的主题为"五级单元NAND的多站点单元"。该公司至少从2022年开始就在研发这种所谓的4D 2.0技术。其理念是绕过电压状态障碍,避免简单地在NAND单元中添加超过4位(QLC)的位级别。

NAND单元存储电荷,通过测量单元开始传导电流的阈值电压来读取数据。如果通过或不通过电流,这就表示二进制状态:通过/不通过,开/关,1或0。1位或单级单元(SLC)只需要两个电压状态,但每增加一位,状态数量就会翻倍:

1位SLC = 0或1 - 意味着两种状态和一个阈值电压

2位MLC = 00, 10, 01或11 - 四种状态,因此需要三个阈值电压

3位TLC = 000, 001, 010, 011, 100, 101, 110, 111 - 八种状态,因此需要七个阈值电压

4位QLC = 0000到1111 - 16种状态,因此需要15个阈值电压

5位PLC = 00000到11111 - 32种状态,因此需要31个阈值电压

增加电压状态会缩小各状态间的间隙,降低感测余量。随着每一位的增加,编程和读取单元内容需要更长时间,而存储的电子会随时间泄漏,削弱电压状态,使位级别越来越难感测,直到变得不可靠。增加额外位数时,单元磨损也会更快。

目前QLC 3D NAND闪存正在商业化生产,但PLC还没有,因为PLC单元的读取可靠性太低,耐久性也不足。但PLC是个有吸引力的想法,因为与QLC技术相比,它能为NAND芯片增加25%的容量,进而提升SSD容量。我们可以通过增加每个NAND芯片内3D NAND堆栈的层数来为SSD增加容量,但这涉及更多且困难的半导体工艺步骤。

如果PLC技术能够以比增加层数更少、更简单的工艺步骤来增加单元容量,同时避免当前技术在速度和耐久性方面的劣势,那么对NAND制造商来说就很有吸引力。SK海力士认为它找到了一种方法,通过将NAND单元有效分割为两半或两个站点,每个站点具有更少且独立的电压状态,通过结合两个站点的值来构建位值。

以下图表比较了现有的多级单元(MLC)技术与多站点单元(MSC)概念的俯视图:

这需要额外的半导体工艺步骤,比如将椭圆形单元一分为二,填补间隙以创建隔墙,并为每一半添加位线连接。

每个站点(半单元)有六个电压状态,将它们相乘得到36个总体电压状态。这些可以提供PLC闪存所需的32种状态,其中四种状态被忽略。

当两个半单元都被擦除(ERS状态)时,位值为11111。

由于每个站点只有六个电压状态,它们之间的间隙可以更大,使电子泄漏不那么成问题,并缩短编程时间。这也延长了单元的耐久性。MSC单元的两半同时、串联读取。

该公司表示,与非MSC PLC闪存相比,读取速度提高了20倍。

SK海力士实际上在2025年IEDM会议上展示了一篇半导体工程研究论文。它已经制造出了带有工作器件的晶圆,并将研究如何能够经济高效地制造PLC MSC闪存。其他闪存制造商也会如此:铠侠、美光、三星和闪迪。

评论

如果为MSC半单元提供八个电压状态,整个单元的结果将是64个电压状态(8 x 8 = 64),足以支持6位十六级单元(HLC)。这可能具有现有TLC单元的速度、类似TLC单元的耐久性,并比QLC芯片提供50%更多的容量。SK海力士的洞察文章讨论了MSC概念,SK海力士的视频对MSC技术进行了基础介绍并提供了一些图表。

Q&A

Q1:SK海力士的多站点单元技术是什么?

A:多站点单元(MSC)技术是SK海力士开发的新型NAND闪存技术,将传统NAND单元分割为两个独立的半单元或站点,每个站点具有更少的电压状态,通过结合两个站点的值来实现5位存储,既提高了容量又改善了速度和耐久性。

Q2:为什么传统5位PLC闪存难以商业化?

A:传统5位PLC闪存需要31个阈值电压,电压状态间隙过小,导致读取可靠性低、耐久性差。随着位数增加,编程和读取时间变长,存储电子泄漏问题加剧,单元磨损加快,因此目前只有4位QLC在商业化生产。

Q3:多站点单元技术相比传统PLC有什么优势?

A:MSC技术的优势包括:每个半单元只需6个电压状态而非31个,电压状态间隙更大,减少了电子泄漏问题;编程时间更短,耐久性更好;读取速度比传统PLC提高20倍;能提供与QLC相比25%的容量提升。


http://www.jsqmd.com/news/254855/

相关文章:

  • 实用指南:Transformer实战(30)——Transformer注意力机制可视化
  • 柏林AI客服平台Parloa获得3.5亿美元融资打造对话式企业体验
  • 导师严选8个AI论文平台,研究生高效写作必备!
  • 工业级双通道 AI 语音处理模块 A-59U 深度解析:降噪消回音 + 多场景适配方案
  • 采用螺旋--蛇形部署的分布式光纤传感器:实现袋式锂离子电池高精度全场温度重建与热管理
  • MongoDB整合数据库与嵌入模型简化AI开发
  • 阿联酋发布全球领先阿拉伯语大语言模型Falcon-H1
  • nRF54LM20B 芯片相关技术: Nordic端到端边缘AI方案
  • 【1 月小记】Part 6: DP 优化 - L
  • 【C语言图形学】用*号绘制完美圆的三种算法详解与实现【AI】
  • 最新Illustrator AI 2026软件下载与安装教程指南
  • 【节点】[DepthFade节点]原理解析与实际应用 - 指南
  • 2026精选课题-基于spingboot茶文化推广系统的设计与完成
  • ACP:3.Skills 带来的前端变化:当 UI 不再“一眼 AI 味”
  • 2026国内最新棉麻面料品牌top10推荐!广东广州等地优质棉麻面料企业权威榜单发布,品质与创新双优助力服饰产业升级 - 品牌推荐2026
  • 实用指南:滑雪游戏 - Electron for 鸿蒙PC项目实战案例
  • FastAPI 学习教程 · 第3部分
  • 最近给 node 项目写 CLI 库的时遇到的两个开发问题
  • 真正的风险在于工作流安全而非模型安全
  • 本周网络安全威胁通报:AI语音克隆漏洞等多起事件
  • Anaconda+CUDA+PyTorch下载教程
  • 设备一离线任务就挂?我在鸿蒙分布式项目中踩过的失败恢复坑
  • 关于DAG定向问题的一些补充
  • 有关平衡树
  • 51单片机_DS1302
  • 工具Cursor(三)MCP(2)自定义mcp tools集成到cursor中的demo
  • 20260116紫题训练总结 - Link
  • Playwright处理验证码的自动化解决方案
  • 【2026目标检测】高质量模型汇总
  • 工具Cursor(三)MCP(1)介绍