什么是非易失性存储器？类型及其特点、用途介绍

非易失性存储器是一种应用于计算机及智能手机等设备中的存储装置（存储器），其特点是在没有外部电源的情况下仍能保存数据信息。本文将介绍非易失性存储器的类型、特点及用途。

什么是非易失性存储器

非易失性存储器是一种应用于计算机及智能手机等设备中的存储装置（存储器），在没有外部电源提供的情况下仍能保存数据信息。

现今的计算机中央处理器（CPU：Central Processing Unit）中，直接、高速处理的数据通常保存在易失性存储器中（没有外部电源就无法保存信息），不太频繁使用的数据则保存在非易失性存储器中。

非易失性存储器有多种类型，包括半导体、磁带、光盘等，本文仅对使用半导体的非易失性存储器进行说明。

非易失性存储器的类型及特点

非易失性存储器分为两个大类：只读存储器（Read Only Memory：ROM）和可重写的非易失性存储器。前者在制造过程中编程信息，后者可根据用户需求随意重新写入信息。

ROM包括在制造过程中永久性编程的掩模ROM（MASK ROM）和用户一次性可编程的OTP ROM（One Time Programable ROM）等类型。分别于1970年代以及1980年代问世的可重写非易失性存储器EEPROM（Erasable Programmable Read Only Memory）以及闪存（FLASH）如今已被广泛应用。

此外，2000年代以来问世的能够高速写入的铁电体存储器、磁性存储器、阻变存储器和相变存储器被称为“新兴存储器”,受到了广泛关注。在这些新兴存储器中，实现了随机写入和读取的随机存取存储器（RAM）包括FeRAM（铁电随机存取存储器）、MRAM（磁性随机存取存储器）、ReRAM（阻变式随机存取存储器）和PCRAM（相变随机存取存储器）。

各类存储器的工作原理和定性特征如下。

表1. 非易失性存储器的存储保持原理与特性比较

我公司生产的FeRAM与闪存相比，虽然存储容量较小，但具有写入速度快、写入次数极高（是闪存的10万倍以上[2]）、写入耗电低的特点。自生产以来已有25年历史的FeRAM相较其他新兴存储器更为成熟，品质更值得信赖。

此外，我公司使用的ReRAM通过优化写入算法，实现了比闪存更多、与EEPROM相当的100万次写入次数，这也是我们产品的一大优势。为了优先满足助听器等电池驱动设备所必需的低峰值工作电流和低功耗要求，其写入速度相较普通ReRAM更慢。

非易失性存储器的用途

闪存的写入速度较慢但容量极大，因此被广泛用作计算机的存储内存。而新兴存储器具有低功耗、高速以及近乎无限次写入的特点，因此被应用于工业设备的数据日志、智能电表、RFID（Radio Frequency Identification）等领域。

非易失性存储器在人工智能（AI）中的应用

随着近年来生成式AI的普及，用于处理海量数据的机器学习计算机的功耗急剧增加。造成这一现象的原因之一是计算机内部使用了易失性内存（用于机器学习中的“权重”计算）。

机器学习是通过多层感知机（也称为人工神经元或神经网络[3]）来实现的。每一层（节点）中都会进行加权求和运算，并将权重结果传递给下一层。如将这些“权重”存储在非易失性存储器中，理论上可降低功耗。

图5. 回声状态网络的原理。各层的数据通过加权系数“重み”wⁱⁿ、w^R和w^out进行传播。在储备计算中，利用储备层的非线性物理现象，仅调整权重w^out。

近年来，利用FeRAM进行机器学习的研究盛行，尤其是一种被称为“回声状态网络（Echo State Network）”储量计算（Reserve computing）方法备受瞩目（如图5所示）。这种方法的特点是仅对输出层的权重进行调整，而中间储层则利用非线性物理现象来进行计算。这种方式有望实现低功耗的机器学习。[4]。

我公司正在与东京大学大学院工学系研究科的高木信一教授团队合作研究用于FeRAM的铁电体晶体。近期，高木教授团队发布了一项令人瞩目的研究成果：利用铁电体的极化量和电场之间的非线性关系实现储量计算，这项研究在全球范围内获得了广泛关注。[5]。

参考文献

[1] G. Molas et al., Appl. Sci. vol. 11, p.11254 （2021), 　
　B. Li, et al. p. 381 GLSVLSI 2019、并参考了本公司及存储器制造商（Everspin、Infenion、Samsung、Kioxia）的数据进行制作

[2] 富士通SEMICONDUCTOR MEMORY SOLUTION, FeRAM的概要与成果（白皮书）

[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] 田中刚平 其他「 Reservoir Computing 」森北出版株式会社　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.