YMTC Xtacking 4.0(Gen5)技术深度分析

在存储技术飞速发展的当下,长江存储(YMTC)的 Xtacking 4.0(Gen5)技术备受瞩目。本文将深入分析该技术与此前的 Xtacking 2.0(128L,Gen3)和 Xtacking 3.0(232L,Gen4)之间的差异。

一、技术背景

YMTC 的 3D NAND Gen1 是首款用于安全 USB 应用的 MLC 芯片,但并非 Xtacking(混合键合)结构。从 Gen2 到 Gen5 则采用了两片晶圆直接键合技术的 Xtacking 工艺。Xtacking 4.0 Gen5 集成了各种前沿技术,旨在提高存储密度、速度、性能和能效。

二、主要差异

(一)结构设计

  1. Centered X-DEC die design(中心 X-DEC 芯片设计):Xtacking 4.0 的 160L TLC 芯片采用中心 - XDEC 架构,与边缘 - XDEC 设计相比,可将 WL 电容减半,降低 RC 负载和 RC 延迟(tRC)。这减少了 WL 稳定时间和充电 WL 所需的电流,从而提高了读写性能。
  2. Back side source connect(BSSC,背面源极连接):YMTC 在 Xtacking 3.0 产品中引入了 BSSC,Xtacking 4.0 的 160L 芯片也应用了该技术。通过翻转的 NAND 阵列芯片实现混合键合结构,BSSC 进一步优化了芯片性能。

(二)工艺改进

  1. Reduced vertical gate pitch(减小垂直栅极间距):有助于提高存储密度。
  2. 20 vertical channel(VC)hole design without dummy holes(20 个无虚设孔的垂直通道孔设计):今年早些时候,铠侠 / 西部数据(KIOXIA/WD)已发布采用 20 个 VC 孔 OPS 单元设计的 BiCS8 218L 产品。YMTC 的 Xtacking 4.0 芯片也采用了这种设计,所有 20 个孔均为有效孔,有效 VC 间距为 155nm,是目前最小的,与 KIOXIA/WD BiCS8 CBA 218L 1Tb TLC 芯片相同。

(三)性能提升

  1. Relatively reduced die size(相对减小的芯片尺寸):512Gb 芯片的尺寸为 40.44mm²,相对较小的芯片尺寸有助于提高集成度。
  2. Relatively increased bit density(相对增加的位密度):160L TLC 芯片的位密度为 12.66Gb/mm²,更高的位密度意味着在相同空间内可以存储更多数据。
  3. Relatively larger block size with more pages and strings(相对较大的块尺寸,具有更多页面和串):为 160L 芯片设计的相对较大的块尺寸,以及更多的页面和串,有助于提高存储性能和读写速度。

三、技术影响

  1. 市场竞争:随着铠侠 / 西部数据的 BiCS8 218L CBA 芯片和 YMTC 的 Xtacking 3D NAND 产品在市场上的流行,三星、SK 海力士和美光也将很快采用混合键合技术。这表明 Xtacking 技术在行业内的影响力不断扩大,推动了存储技术的竞争与发展。
  2. 应对制裁 :YMTC 将通过推进 Xtacking 技术、提高工艺成熟度、提高制造良率和实现产品多样化,来减少美国制裁对工具的影响。这显示了 YMTC 在面对外部压力时的积极应对策略和技术创新能力。

综上所述,YMTC 的 Xtacking 4.0(Gen5)技术在结构、工艺和设计方面都取得了重大突破,与前几代技术相比,在存储密度、性能和能效等方面都有了显著提升。随着技术的不断发展,我们期待 YMTC 在存储领域继续发挥重要作用,为用户带来更高效、更可靠的存储解决方案。

相关推荐
985小水博一枚呀1 小时前
【深度学习|可视化】如何以图形化的方式展示神经网络的结构、训练过程、模型的中间状态或模型决策的结果??
人工智能·python·深度学习·神经网络·机器学习·计算机视觉·cnn
LluckyYH2 小时前
代码随想录Day 46|动态规划完结,leetcode题目:647. 回文子串、516.最长回文子序列
数据结构·人工智能·算法·leetcode·动态规划
青年有志3 小时前
Web 服务器介绍 | 通过 Tomcat 说明其作用
服务器·前端·tomcat
一水鉴天3 小时前
智能工厂的软件设计 “程序program”表达式,即 接口模型的代理模式表达式
开发语言·人工智能·中间件·代理模式
Hiweir ·4 小时前
机器翻译之创建Seq2Seq的编码器、解码器
人工智能·pytorch·python·rnn·深度学习·算法·lstm
Element_南笙4 小时前
数据结构_1、基本概念
数据结构·人工智能
FutureUniant4 小时前
GitHub每日最火火火项目(9.21)
人工智能·计算机视觉·ai·github·音视频
菜♕卷4 小时前
深度学习-03 Pytorch
人工智能·pytorch·深度学习
明明真系叻4 小时前
第十二周:机器学习笔记
人工智能·机器学习