非揮發性記憶體（Non-Volatile Memory）是什麼？解說種類、各自特徵與用途

非揮發性記憶體（Non-Volatile Memory）是電腦、智慧型手機等裝置使用的記憶裝置（Memory）之一，其特徵是即使不從外部供給電源也能保持記憶內容。本文將解說非揮發性記憶體的種類、各自的特徵以及用途。

非揮發性記憶體是什麼

非揮發性記憶體（Non-Volatile Memory）是電腦、智慧型手機等裝置使用的記憶裝置（Memory）之一，是一種即使不從外部供給電源也能保持記憶內容的記憶體。

在現代電腦中，由中央處理器（CPU：Central Processing Unit）直接高速處理的資料通常保存在揮發性記憶體（沒有外部電源就無法保持記憶）中，而不那麼頻繁使用的資料則一般保存在非揮發性記憶體中。

非揮發性記憶體包含由半導體、磁帶、光碟等構成的多種類型記憶體，但本文將限定說明使用半導體的非揮發性記憶體。

非揮發性記憶體的種類與特徵

非揮發性記憶體大致分為唯讀記憶體（Read Only Memory：ROM）和可改寫的非揮發性記憶體兩種類型。前者在製造過程中寫入資訊，後者則可由使用者任意改寫資訊。

ROM包括在製造過程中寫入資訊的光罩ROM（MASK ROM），以及使用者可進行一次性寫入的OTP ROM（One Time Programmable ROM，一次可程式化ROM）等。在可改寫的非揮發性記憶體方面，分別於1970年代、1980年代實用化的EEPROM（Electrically Erasable Programmable Read Only Memory，電子抹除式可程式化唯讀記憶體）與快閃記憶體（FLASH Memory）被廣泛使用。

此外，2000年代以後，可高速改寫的強誘電體記憶體、磁阻記憶體、電阻變化記憶體、相變化記憶體被稱為「新興記憶體（Emerging Memory）」而備受關注。這些新興記憶體中，可隨機進行改寫與讀取的RAM（Random Access Memory，隨機存取記憶體）分別被稱為FeRAM（Ferroelectric RAM，鐵電記憶體）、MRAM（Magnetoresistive RAM，磁阻式隨機存取記憶體）、ReRAM（Resistive RAM，電阻式隨機存取記憶體）、PCRAM（Phase Change RAM，相變化隨機存取記憶體；也稱為PRAM）。

各記憶體的運作原理與定性特性如下

表1. 非揮發性記憶體的記憶保持原理與特性比較

表1. 非揮發性記憶體的記憶保持原理與特性比較

本公司製造的FeRAM（鐵電記憶體）相較於快閃記憶體，雖然記憶容量較小，但具有改寫速度快、改寫次數極高（為快閃記憶體的10萬倍以上[2]）、改寫時功耗低等特徵。自製造開始至今已25年的FeRAM，相較於其他新興記憶體（Emerging Memory），其技術成熟度更高，可靠性也被認為更優異。

此外，本公司經手的ReRAM透過改寫演算法的最佳化，實現了比快閃記憶體更多、與EEPROM同等的100萬次改寫次數，這是其特色所在。為了優先滿足助聽器等電池驅動裝置的必要需求——低峰值工作電流與低功耗，其改寫速度本身相較於一般ReRAM較慢。

非揮發性記憶體的用途

快閃記憶體雖然改寫速度較慢，但因其容量極大，被用作電腦的儲存記憶體。新興記憶體（Emerging Memory）由於具備低功耗、高速且幾乎可無限次改寫的特性，應用領域包括工業設備的資料記錄、智慧電錶、RFID（Radio Frequency Identification，射頻識別）等。

非揮發性記憶體在人工智慧（AI）的應用

隨著近期生成式AI的普及，用於機器學習處理龐大資料的電腦功耗急遽增加，成為一大問題。造成功耗上升的原因之一，是電腦內部使用了揮發性記憶體（用於機器學習時的「權重」處理）。

機器學習是透過稱為感知器（Perceptron）的多層結構，由人工神經元或類神經網路來執行[3]。在各層（節點）中進行乘積和運算，結果會加上「權重」後傳送到下一層。若將此權重處理改用非揮發性記憶體（Non-Volatile Memory），據說可以降低功耗。

圖5. 回聲狀態網路（Echo State Network）的原理。各層的資料會乘上「權重」wⁱⁿ、w^R及w^out後傳播。在儲備池運算中，儲備池層利用非線性物理現象，僅調整權重w^out。

使用FeRAM進行機器學習的研究正蓬勃發展，特別是被稱為回聲狀態網路（Echo State Network）方法之一的儲備池運算（Reservoir Computing）備受關注（圖5）。權重調整僅在輸出層的最終節點進行，中間的儲備池層則利用非線性物理現象，據說可實現低功耗的機器學習[4]。

與本公司在FeRAM使用的強誘電體晶體方面進行共同研究的東京大學研究所工學系研究科高木信一教授的研究室，發表了利用強誘電體極化量與電場之間非線性關係的儲備池運算研究，在全球引起廣大關注[5]。

參考文獻

[1] G. Molas et al., Appl. Sci. vol. 11, p.11254 (2021),
B. Li, et al. p. 381 GLSVLSI 2019，以及參考本公司與記憶體製造商（Everspin, Infineon, Samsung, Kioxia）的資料製作。

[2] 富士通半導體記憶體解決方案，FeRAM概要與實績（白皮書）

[3] W. Gardner et al., Atmospheric Environment Vol. 32, p. 2627 (1998),
M. POPESCU, et al., WSEAS TRANSACTIONS on CIRCUITS and SYSTEMS, Vol. 8, p. 579 (2009).

[4] 田中剛平他《儲備池運算》森北出版株式會社 2021.
K. Kamimura, et al., ESSDERC 2019,
S. Oh, et al., APL Mater. 7, 091109 (2019),
M. Lederer et al., IEEE T. Electron Devices 68, p. 2295 (2021).

[5] E. Nako, et al., 2020 Symp. VLSI T,
S. Takagi et al, IPRS 2024.