ReRAM Analysis

ReRAM (저항 변화 메모리) 상세 분석

Resistive RAM · MIM Cell · Filament · Set/Reset · Cross-point · In-Memory Computing

0. 개요

ReRAM(Resistive RAM, 저항 변화 메모리)은 셀의 ‘저항 값’으로 데이터를 저장하는 비휘발성 메모리입니다. SRAM의 래치, DRAM의 커패시터 전하, NAND의 게이트 전하처럼 ‘전하’로 저장하는 기존 메모리와 달리, ReRAM은 ‘저항 상태’ 자체를 정보로 씁니다. 본 문서는 ReRAM의 셀 구조와 저항 스위칭 원리, Forming/Set/Reset 동작, cross-point 어레이와 sneak path 문제, 그리고 다른 메모리와의 비교 및 활용 전망을 분석합니다.

ReRAM은 두 금속 전극 사이의 얇은 절연막에서 산소 공공이나 금속 이온이 이동하면서 전도 경로를 만들고 끊는 방식으로 동작합니다. 이 때문에 2단자 MIM 구조가 단순하고, BEOL 적층과 고밀도 cross-point 구현에 유리합니다. 다만 forming 편차, 소자 간 산포, sneak path 억제는 실제 어레이 설계에서 반드시 다뤄야 할 문제입니다.

최근 공개 리뷰에서도 ReRAM은 금속-절연체-금속(MIM) 시스템에서의 저항 스위칭으로 정리되며, HfO2 같은 산화물 계열이 저전압 ReRAM 후보로 많이 연구됩니다. 또한 산화물의 anion-migration 기반 switching은 전하 저장형 메모리와 다른 독립적인 물리 메커니즘으로 취급됩니다.

1. 핵심 개념

ReRAM은 필라멘트가 연결되면 LRS, 끊어지면 HRS가 되며, 읽기는 작은 전압으로 저항만 측정하는 비파괴 방식입니다. 소자 구조에 따라 bipolar와 unipolar 동작이 나뉘고, 소재에 따라 산소 공공형과 금속 필라멘트형이 함께 연구됩니다.

ReRAM(Resistive RAM, 저항 변화 메모리)은 셀의 ‘저항 값’으로 데이터를 저장하는 비휘발성 메모리입니다. SRAM의 래치, DRAM의 커패시터 전하, NAND의 게이트 전하처럼 ‘전하’로 저장하는 기존 메모리와 달리, ReRAM은 ‘저항 상태’ 자체를 정보로 씁니다. 본 문서는 ReRAM의 셀 구조와 저항 스위칭 원리, Forming/Set/Reset 동작, cross-point 어레이와 sneak path 문제, 그리고 다른 메모리와의 비교 및 활용 전망을 분석합니다.

추가로 어레이 관점에서는 memory element만으로는 대형 cross-point를 안정적으로 읽기 어렵기 때문에 selector와 함께 보는 것이 중요합니다. 소재 관점에서는 TaOx, HfO2, TiOx, SiOx 같은 산화물 계열과 금속 브리지형 CBRAM 계열을 구분해 이해해야 하며, 실제 제품화 단계에서는 switching window, forming 전압, retention, endurance를 동시에 맞추는 공정 최적화가 핵심입니다.

2. ReRAM 셀 구조와 저항 스위칭

ReRAM 셀은 두 금속 전극 사이에 얇은 금속 산화물(절연체)을 끼운 MIM(Metal-Insulator-Metal) 구조입니다. 평소에는 절연체라 전류가 흐르지 않지만, 전압을 걸면 산화물 안에 전류가 흐르는 ‘전도성 필라멘트(conductive filament)’가 생기거나 끊어집니다. 이 필라멘트는 주로 산소 공공(oxygen vacancy)이나 금속 원자가 사슬처럼 이어진 통로입니다.

그림 1. ReRAM의 MIM 셀 구조와 LRS/HRS 저항 상태

두 가지 저항 상태

두 저항 상태는 전원이 없어도 유지됩니다. 산화물 내부의 원자 배열(필라멘트 유무)이 그대로 남기 때문에 비휘발성입니다. 셀 구조가 매우 단순한 2단자 소자라, 미세화·3D 적층·cross-point 어레이에 유리한 것이 큰 장점입니다.

3. 동작 — Forming / Set / Reset / Read

ReRAM의 쓰기는 필라멘트를 연결하거나(Set) 끊는(Reset) 것이고, 읽기는 작은 전압으로 저항을 측정하는 것입니다. 제조 직후에는 한 번의 Forming 과정으로 최초 필라멘트 경로를 만들어 줍니다.

그림 2. Forming/Set/Reset 동작과 I-V 스위칭 곡선

동작 단계

Forming — 제조 후 최초 1회만 수행. 처녀 산화물에 높은 전압을 걸어 필라멘트가 자랄 최초 경로를 뚫습니다. 이후 일반 동작에서는 불필요합니다(최근에는 forming-free 소자도 연구됨).

Set (쓰기 '1') — 전압을 걸어 필라멘트를 연결 → HRS에서 LRS로(저저항화). 전류 폭주로 셀이 영구 손상되지 않도록 compliance current(전류 제한)를 둡니다.

Reset (쓰기 '0') — 반대 동작으로 필라멘트를 일부 끊어 → LRS에서 HRS로(고저항화).

Read (읽기) — 스위칭보다 훨씬 작은 전압을 걸어 흐르는 전류량(저항)을 측정합니다. 큰 전류면 LRS('1'), 작은 전류면 HRS('0'). 저장 상태를 바꾸지 않는 비파괴적 읽기입니다.

극성 방식 — Set과 Reset에 반대 극성 전압을 쓰는 bipolar 방식과, 극성과 무관하게 전압 크기로 구분하는 unipolar 방식이 있으며, 소재와 구조에 따라 달라집니다.

실제 회로에서는 forming과 set에서 compliance current를 정밀하게 제어해 과도한 필라멘트 성장을 막아야 합니다. 필라멘트가 너무 굵게 형성되면 reset 전류가 커지고, 너무 얇으면 retention과 읽기 margin이 불안정해지므로 write driver와 verify 알고리즘이 중요합니다.

4. 어레이 구조 — Cross-point와 Sneak Path

ReRAM의 단순한 2단자 구조는 cross-point 어레이에 이상적입니다. 워드라인과 비트라인이 교차하는 모든 점에 셀을 두면 4F²급(혹은 3D 적층 시 그 이하) 최고 밀도를 얻습니다. 다만 이때 ‘sneak path(누설 경로)’ 문제가 생겨 셀렉터가 필요합니다.

그림 3. Cross-point 어레이, sneak path 문제, 1S1R/1T1R 셀 구조

Sneak Path와 셀렉터

Sneak path — cross-point에서 선택하지 않은 셀들을 통해 전류가 ‘몰래’ 우회해 흐르는 현상. 읽기 오류와 전력 낭비를 유발합니다.

1S1R — 각 셀에 셀렉터(selector, 비선형 소자)를 직렬로 붙여 sneak 전류를 억제합니다. cross-point의 고밀도를 유지하면서 문제를 완화하는 방식입니다.

1T1R — 셀마다 트랜지스터를 두어 원하는 셀만 확실히 켜고 끕니다. 제어가 안정적이고 sneak를 확실히 차단하지만, 트랜지스터 면적 때문에 밀도가 떨어집니다.

결국 밀도(cross-point·1S1R)와 제어 안정성(1T1R) 사이의 트레이드오프이며, 고밀도 스토리지에는 1S1R cross-point가, 안정성이 중요한 임베디드 용도에는 1T1R이 선호됩니다.

selector는 단순한 보조 소자가 아니라 ReRAM 어레이의 usable density를 좌우하는 핵심 요소입니다. selector의 off-state 누설이 크면 비선택 셀 경로가 많아질수록 read disturb와 sensing margin 저하가 빠르게 커지므로, threshold switching 특성과 온도 의존성까지 함께 검토해야 합니다.

5. 다른 메모리와의 비교

ReRAM은 전하가 아니라 저항으로 저장한다는 점에서 기존 메모리와 근본적으로 다릅니다. 또한 PCM·MRAM과 함께 차세대 비휘발성 메모리(eNVM)로 분류되며, 각각 장단점이 있습니다.

저장 방식 비교

차세대 비휘발성 메모리(eNVM) 비교

ReRAM은 PCM(상변화), MRAM(자기), FeRAM(강유전체)과 함께 차세대 메모리 후보로 경쟁합니다. 대표적 특성을 비교하면 다음과 같습니다(문헌 값, 소재·구조에 따라 편차 있음).

ReRAM은 작은 셀 면적, 낮은 쓰기 전압, 빠른 읽기, 높은 집적도가 강점입니다. 다만 셀마다 필라멘트 형성이 미세하게 달라 생기는 산포(variability)와 내구성 관리가 과제로 꼽힙니다.

소재와 스위칭 메커니즘 비교

6. 활용과 전망

ReRAM은 단순한 저장장치를 넘어, 메모리에서 직접 연산하는 새로운 컴퓨팅 패러다임의 핵심 소자로 주목받습니다.

임베디드 NVM — CMOS 공정과 호환되고 BEOL 적층이 가능해, MCU·IoT·자동차용 임베디드 비휘발성 메모리로 상용화가 진행 중입니다.

In-Memory Computing — cross-point 어레이에서 옴의 법칙·키르히호프 법칙으로 곱-누적(MAC) 연산을 메모리 내부에서 수행 → 데이터 이동을 줄여 전력·지연을 크게 낮춥니다.

뉴로모픽 컴퓨팅 — 셀의 저항(컨덕턴스)을 시냅스 가중치로 사용해 신경망을 물리적으로 구현합니다. ReRAM의 아날로그 다준위(multi-level) 특성이 시냅스 모방에 적합합니다.

최근 동향 — 2025년 기준 Weebit Nano, Panasonic, GlobalFoundries 등이 임베디드 ReRAM과 AI·엣지용 칩을 발표하며 상용화와 AI 가속 응용이 확대되고 있습니다.

신뢰성 관점에서 보는 과제

ReRAM의 핵심 난점은 단순히 스위칭이 되느냐가 아니라, 같은 셀이 수많은 사이클 후에도 충분한 on/off window를 유지하느냐입니다. 필라멘트 기반 소자는 원자 단위 이동에 민감하므로 cycle-to-cycle variation, cell-to-cell variation, read disturb, retention drift가 함께 나타날 수 있습니다.

특히 임베디드 NVM에서는 자동차 온도 범위와 장기 retention 조건을 동시에 만족해야 하고, AI용 아날로그/다준위 응용에서는 한 번의 LRS/HRS 전환보다 intermediate conductance를 얼마나 반복 가능하게 제어하는지가 더 중요합니다. 그래서 제품 수준의 ReRAM은 재료 자체보다도 verify-write, error 관리, selector 통합, 공정 균일도 개선이 경쟁력의 큰 비중을 차지합니다.

핵심 정리 — ReRAM은 ‘전하’가 아니라 ‘저항’으로 정보를 저장하는 비휘발성 메모리로, 단순한 MIM 구조에서 필라멘트를 연결(Set)하거나 끊어(Reset) 저저항/고저항 상태로 0/1을 기록합니다. 2단자 구조 덕에 cross-point 고밀도·3D 적층에 유리하지만 sneak path 때문에 셀렉터(1S1R/1T1R)가 필요합니다. 빠른 속도·저전압·고집적·CMOS 호환성으로 차세대 임베디드 NVM이자, in-memory·뉴로모픽 컴퓨팅의 유력한 소자로 주목받고 있습니다.

7. 장단점

8. 관련 기술과 참고 문헌

ReRAM은 MRAM Analysis, PCM Analysis, FeRAM Analysis과 함께 차세대 eNVM 비교의 기준점이 됩니다. 특히 MRAM은 자화 방향, PCM은 상 변화, FeRAM은 분극으로 저장하므로 ReRAM의 필라멘트 기반 저항 스위칭과 대비가 분명합니다.

• Rainer Waser, Masakazu Aono, "Nanoionics-based resistive switching memories", Nature Materials 6(11), 833-840 (2007). DOI: https://doi.org/10.1038/nmat2023
• Resistive random-access memory - overview, forming, operation styles, material systems
• H.-S. Philip Wong et al., "Metal-Oxide RRAM", Proceedings of the IEEE 100(6), 1951-1970 (2012). DOI: https://doi.org/10.1109/JPROC.2012.2190369
• 3D XPoint - cross-point 기반 storage-class memory 사례
• Memristor - ReRAM과 연결되는 memristive system 개념 및 모델링 논의

9. 핵심 정리

ReRAM은 산화물 MIM 구조에서 산소 공공이나 금속 이온이 만드는 필라멘트로 저항을 바꾸는 비휘발성 메모리입니다. Set/Reset으로 LRS/HRS를 오가며, 읽기는 작은 전압으로 저항만 측정합니다. 2단자 구조 덕분에 고밀도 cross-point와 3D 적층에 유리하지만, sneak path와 소자 산포를 막기 위한 selector 설계가 중요합니다. 저전압·고집적·CMOS 호환성 때문에 임베디드 NVM, 인메모리 컴퓨팅, 뉴로모픽 소자의 핵심 후보로 계속 연구되고 있습니다.