色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

從MRAM的演進看存內計算的發展

廖慧敏 ? 來源:jf_13681693 ? 作者:jf_13681693 ? 2024-05-17 14:25 ? 次閱讀

1 傳統馮諾依曼瓶頸

隨著人工智能物聯網智能傳感等應用的快速興起,數據以爆發式的速度增長。海量數據的高效存儲、遷移與處理成為當前信息領域的重大挑戰。受限于經典的馮諾依曼計算架構存儲與處理分離的特性,在面向大數據分析等應用場景中,數據總線的帶寬嚴重制約了處理器的性能與能量效率,并且數據的頻繁遷移帶來嚴重的傳輸功耗問題。

存內計算架構在此基礎上應運而生。如圖-1b所示,通過賦予存儲器計算功能,以數據為中心,避免不必要的數據頻繁搬運,降低系統的功耗和延時。

wKgZomZF7M6AHAXwAAUS9x_2Gho313.pngwKgZomZF7Z-AILYSAAPD1UwRskc678.png

圖1 (a)經典馮諾依曼架構圖;(b)主處理器+存內計算的架構示意圖;(c)基于不同存儲介質的存內計算技術百花齊放。

近年來,基于不同存儲介質的存內計算技術不斷涌現,并受到學術界和工業界的廣泛關注。從2017年至今,存內計算主題開始頻繁出現在電路和芯片領域的頂級會議/期刊上(ISSCC、VLSI、IEDM、JSSC、TCAS-I),且占比快速增加。

2 產業界相繼發布存內計算芯片

工業界方面,臺積電、三星英特爾、IBM、Global Foundries、IMEC等國際半導體巨頭相繼于2021-2023年期間發布了各自的存內計算原型芯片或初期商用芯片,但仍沒有十分完善的產品出現。存內計算技術采用非馮諾依曼架構,在大數據時代,為人工智能、物聯網、智能傳感器等領域提供高效的硬件解決方案,有重要的應用價值。

三星在頂級學術期刊Nature上發表了全球首個基于MRAM(磁性隨機存儲器)的存內計算研究,緊接著臺積電在近日的ISSCC上合作發表了六篇關于存內計算存儲器IP的論文,大力推進基于ReRAM的存內計算方案。

wKgaomZF7aCAb-tFAAIrBiwDrYI626.jpg

2.1 三星發布基于MRAM的存內計算

2022年,三星半導體宣布,通過結構創新,實現了基于MRAM(磁阻隨機存取存儲器)的內存內計算(In-Memory Computing),進一步拓展了三星的下一代低功耗人工智能芯片技術的前沿領域。

MRAM磁阻內存很難用于內存內計算,因為它在標準的內存內計算架構中無法發揮低功耗優勢。

三星研究團隊設計了一種名為“電阻總和”(resistance sum)的新型內存內計算架構,取代標準的“電流總和”(current-sum)架構,成功開發了一種能演示內存內計算架構的MRAM陣列芯片,命名為“用于內存內計算的磁阻內存交叉陣列”(crossbar array of magnetoresistive memory devices for in-memory computing)。

成功解決了單個MRAM器件的小電阻問題,從而降低功耗,實現了基于MRAM的內存內計算。按照三星的說法,在執行AI計算時,MRAM內存內計算可以做到98%的筆跡識別成功率、93%的人臉識別準確率。

2.2 臺積電發布獨立式STT-MRAM

2024年2月20日,中國臺灣“國研院半導體研究中心”宣布,與臺積電合作開發的“選擇器元件與自旋轉移力矩式磁性存儲整合”(Selector and STT-MRAM Integration)技術,于2023年12月全球頂尖電子元件會議IEDM(International Electron Devices Meeting)中發表,并獲選為Highlight Paper,成為全世界極少數成功開發出高密度、高容量的獨立式STT-MRAM制作技術的團隊。

由于STT-MRAM具備高速度、高可靠度、小體積、省電等優點,十分適合應用于云端計算與物聯網上進行大量的數據儲存。

據悉,臺積電三十幾年來一直致力科技創新及研發,重視技術自主,近年研發經費投入平均是營收的8%,2020年研發經費首度超過1000億元新臺幣,未來隨著業務不斷成長,研發經費會越來越多。

3MRAM存內計算的發展

存內計算對存儲介質適配性的評價主要從以下幾個方面出發:非易失性、能否形成交叉陣列、不同狀態比率、單元計算時輸出量、存儲密度、功耗、響應速度、工藝成熟度、制造成本、器件一致性等。當前,如圖-1c所示,基于多種存儲介質的存內計算研究和應用百花齊放,如靜態隨機存儲器(SRAM)、動態隨機存儲器(DRAM)、閃存(Flash)、憶阻器(ReRAM)、鐵電晶體管(FeFET)、相變存儲器(PCM)、磁隨機存儲器(MRAM)等。然而,基于上述評價標準,由于物理特性限制,各類存儲介質在存內計算應用的不同場景上各有優劣,尚未出現統一的解決方案。MRAM是非易失器件,具有高耐久性、高速度、低功耗、微縮性好、器件一致性好等優點,當前第一代(Toggle-MRAM)、第二代(STT-MRAM)都已在國外實現量產,基于MRAM的存內計算技術關注度快速提升。

wKgZomZF7OqARViCAAIjDg6AQ6s974.pngwKgZomZF7aCAI_sgAAHFoBJBUkg864.png

圖2 MRAM存內計算技術分布圖

筆者按照技術特點對主要的MRAM存內計算進行了大致的分類,如圖2所示。

3.1 數字存內計算技術

早期MRAM存內計算技術以數字存內計算技術為主,包含廣義上的MRAM近存計算(主要利用其高密度、高速度、非易失的特性,離實際應用較為接近,方便落地)及利用讀寫外圍電路輔助實現布爾邏輯運算的高校研究類工作為主,私以為兩者實際非常接近,本質都為近存計算,只是“近的”程度不同(圖3)。

wKgZomZF7QOAK9yTAAfK2_e9_OE321.pngwKgZomZF7aGALBQGAAaYTym17SM902.pngwKgaomZF7Q2AFP_iAAHHcZX6FJ4310.png

圖3 中國臺灣清華MRAM近存計算方案及北航MRAM布爾邏輯存內計算方案

3.2電阻式的模擬存內計算方案

第二類為電阻式的模擬存內計算方案。模擬存內計算一直是近年來的熱門,以NOR flash、ReRAM、SRAM等為代表的模擬存內計算方案層出不窮。MRAM由于其出色的一致性、微縮能力、非易失、高密度、工藝成熟度等特性本應十分適合模擬存內計算方案。然而,現有第一、二代MRAM阻值(<10KΩ)及高低阻值比率較低(<300%),只能存儲單比特數據,在存內計算底層電路性能上帶來諸多不利影響。如何突破MRAM器件物理特性限制,研究高性能的MRAM存內計算電路結構有著重要意義。IMEC采用高阻值的自旋軌道矩(SOT)器件(MΩ級別),解決器件電阻問題,且其高一致性在一定程度上降低了高低阻值比率較小的影響(圖4)。三星電子則采用另一條路徑,采用電阻加和的形式,提升整體的計算阻值,解決電阻問題,但該方案同樣面臨面積效率低、計算精度、速度等問題(圖5)。

wKgZomZF7S6AOhYOAAOF4Bi2OiY132.png

圖4 IMEC高阻值SOTMRAM存內計算

wKgaomZF7UeAIIazAAiS1Uyen8s272.pngwKgaomZF7aGAB0lRAATsdJ0YUPQ555.png

圖5 三星電子電阻加和式存內計算方案

3.3 概率計算及隨機計算

第三類為概率計算及隨機計算等方向,其通常利用MRAM本身隨機翻轉的本征物理特性進行特定問題的計算或概率流的計算。第三類主要由高校在進行研究,應用前景較為受限,此處不再詳細展開。

雖然MRAM在模擬存內計算方面受到上述挑戰,但目前已有一些有效的解決方案。憑借MRAM密度、非易失等其他優異特性,其在模擬存內計算及數字存內計算方向仍然受到較高的關注。

4 國內存內計算產業的發展

我國的存內計算產業也開始迅猛發展,知存科技、九天睿芯、智芯科、后摩智能、蘋芯科技等國內專注存內計算賽道的新興公司紛紛獲得融資,加速在該領域的早期市場布局及商業落地。

以知存科技推出的量產SoC芯片WTM2101,WTM2101基于40 nm工藝進行流片,單個NOR Flash 器件能夠存儲8 bit權重,因此可以進行8 bit精度的矩陣乘加運算。WTM2101具有4大優勢特點:

(1)基于存內計算架構,可高效地實現神經網絡語音激活檢測和上百條語音命令詞識別。

(2)以超低功耗實現神經網絡環境降噪算法、健康監測與分析算法。

(3)典型應用場景下,工作功耗均在微瓦級別。

(4)采用極小封裝尺寸。

基于以上優勢特點, WTM2101可應用于智能可穿戴設備、智能家居、安防監控、玩具機器人等;適應多種應用,如語音識別、語音降噪/增強、輕量級視覺識別、健康監測和聲紋識別等。

參考文獻

[01]https://tech.sina.com.cn/n/k/2022-01-13/doc-ikyamrmz4934582.shtml

[02]https://www.laoyaoba.com/n/891415

[03]https://36kr.com/p/1665309247756289

[04]https://blog.csdn.net/younger_china/article/details/136058833

[05]郭昕婕等,存內計算芯片研究進展及應用

審核編輯 黃宇

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 存儲器
    +關注

    關注

    38

    文章

    7493

    瀏覽量

    163868
  • 芯片架構
    +關注

    關注

    1

    文章

    30

    瀏覽量

    14562
  • MRAM
    +關注

    關注

    1

    文章

    236

    瀏覽量

    31731
  • 存內計算
    +關注

    關注

    0

    文章

    30

    瀏覽量

    1381
收藏 人收藏

    評論

    相關推薦

    計算并不滿足于現有的算力

    談到計算,大部分人的第一印象就是超低功耗和大算力。計算技術打破了馮諾依曼架構的限制,沖破
    的頭像 發表于 05-11 00:08 ?2957次閱讀

    生態構建重要一環- 計算工具鏈

    本篇文章重點講述計算相關工具鏈,我們將從工具鏈定義出發,依次講述工具鏈研究背景及現有工具鏈、計算
    的頭像 發表于 05-16 14:37 ?1126次閱讀
    <b class='flag-5'>存</b><b class='flag-5'>內</b>生態構建重要一環- <b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>工具鏈

    計算技術工具鏈——量化篇

    本篇文章將重點講述計算技術工具鏈之“量化”,我們將從面向計算芯片的深度學習編譯工具鏈、神
    的頭像 發表于 05-16 12:35 ?1240次閱讀
    <b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>技術工具鏈——量化篇

    計算芯片研究進展及應用

    在NOR Flash計算芯片當中,向量-矩陣乘法運算基于電流/電壓的跨導與基爾霍夫定律進行物理實現,如圖7(a)所示。因此,其核心是設計NOR Flash單元陣列以滿足大規模高能效向量-矩陣乘法
    的頭像 發表于 05-16 15:30 ?1297次閱讀
    <b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>芯片研究進展及應用

    計算芯片的基石-存儲介質匯總

    作為新的計算架構,計算(Computing In Memory,CIM)被認為是具有潛力的革命性技術。重點是將存儲與計算融合,有效克服馮
    的頭像 發表于 05-16 15:41 ?1912次閱讀
    <b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>芯片的基石-存儲介質匯總

    探索計算—基于 SRAM 的計算與基于 MRAM算一體的探究

    本文深入探討了基于SRAM和MRAM算一體技術在計算領域的應用和發展。首先,介紹了基于SRAM的
    的頭像 發表于 05-16 16:10 ?2840次閱讀
    探索<b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>—基于 SRAM 的<b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>與基于 <b class='flag-5'>MRAM</b> 的<b class='flag-5'>存</b>算一體的探究

    計算原理分類——數字計算與模擬計算

    數字計算與模擬計算各有優劣,都是算一體
    的頭像 發表于 05-21 16:26 ?2557次閱讀
    <b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>原理分類——數字<b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>與模擬<b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>

    計算WTM2101編譯工具鏈 資料

    計算是突破物理極限的下一代算力技術- AIGC等人工智能新興產業的快速發展離不開算力,算力的基礎是人工智能芯片。 當前CPU/GPU在執行計算
    發表于 05-16 16:33

    科技助力AI應用落地:WTMDK2101-ZT1評估板實地評測與性能揭秘

    算一體芯片的發展歷程、當前研究狀態,以及基于多種存儲介質(例如傳統的DRAM、SRAM和Flash,以及新型的非易失性存儲器如ReRAM、PCM、MRAM、FeFET等)的
    發表于 05-16 16:38

    淺談計算生態環境搭建以及軟件開發

    )適配到計算架構中。 (二)研究現狀 隨著計算硬件的
    發表于 05-16 16:40

    MRAM到磁性邏輯單元

    TAS-MRAM概念磁性隨機存取存儲器到磁性邏輯單元
    發表于 03-03 06:10

    三星基于HMB的計算芯片有何亮點?

    算一體或者叫計算技術隨著AI的火熱再一次成為業內關注的焦點,存儲和計算的融合有望解決AI芯片內存墻的限制,當然,實現的方法也各不相同。
    的頭像 發表于 02-19 10:16 ?3173次閱讀

    ?什么是計算

    蘋芯科技成立于2021年,專注于計算AI芯片研究與應用,希望通過SRAM技術路線突破傳統馮·諾依曼結構所造成的存儲墻局限,為人工智能行業下的多元場景提供底層算力。
    發表于 08-08 09:05 ?5241次閱讀

    淺談計算生態環境搭建以及軟件開發

    在當今數據驅動的商業世界中,能夠快速處理和分析大量數據的能力變得越來越重要。而計算開發環境在此領域發揮其關鍵作用。
    的頭像 發表于 05-15 17:10 ?486次閱讀
    淺談<b class='flag-5'>存</b><b class='flag-5'>內</b><b class='flag-5'>計算</b>生態環境搭建以及軟件開發

    科技啟動首屆計算創新大賽

    計算作為一項打破“內存墻”“功耗墻”的顛覆性技術,消除了與算的界限,相比CPU或GPU能夠實現更高計算并行度、更大專用算力,達成數量級
    的頭像 發表于 11-21 10:44 ?245次閱讀
    主站蜘蛛池模板: 亚洲精品无码久久久久A片空| 日本人奶水中文影片| 免费女性裸身照无遮挡网站| 亚洲春色AV无码专区456| JEALOUSVUE成熟老师APP| 久热这里在线精品| 一亲二脱三插| 久久久久久久久免费视频| 亚洲视频免费观看| 婚后被调教当众高潮H喷水| 亚洲国产欧美另类| 果冻传媒完整免费网站在线观看| 我们日本在线观看免费动漫下载| 国产成+人欧美+综合在线观看| 日本午夜精品理论片A级APP发布| xxxxhd17欧美老师| 欧美怡红院视频一区二区三区 | 久久亚洲AV成人无码动态图| 伊人久久大香线蕉综合亚洲| 久久精品亚洲热综合一本| 中文字幕在线不卡日本v二区 | 3D动漫网站HOXXXxes| 美女18黄| 被黑人做的白浆直流| 骚浪插深些好烫喷了| 国产精品久久久久久搜索| 亚洲1区2区3区精华液| 经典三级四虎在线观看| 一本二卡三卡四卡乱码麻豆| 老司机试看午夜| u15女少天堂写真| 乳液全集电影在线观看| 国语自产拍在线视频普通话| 孕妇高潮抽搐喷水30分钟| 女人的选择hd| 国产精品无码久久av| 一个人色导航| 欧美性appstin孕妇| 国产精品人妻无码77777| 一本道亚洲区免费观看| 热99RE久久精品国产|