Samsung добилась успехов в сфере памяти MRAM: Это может в корне изменить весь цифровой мир
Научно-исследовательские отделы корейской корпорации нашли способ проводить вычисления в самой MRAM. Это может коренным образом изменить представление об организации и структуре вычислительных систем.
Samsung добилась успехов в сфере памяти MRAM: Это может в корне изменить весь цифровой мир
Samsung опубликовала отчет о новых разработках в области технологии магниторезистивной оперативной памяти MRAM (Magnetoresistive Random-Access Memory). Научно-исследовательские отделы корейской корпорации нашли способ проводить вычисления в самой MRAM. Это может коренным образом изменить представление об организации и структуре вычислительных систем.
В классической архитектуре вычисления выполняются в центральном процессоре, а данные хранятся во внутренней памяти, разделенной на ОЗУ и ПЗУ. Процессор и память соединены системной шиной, включающей шины адреса, данных и управления. Идея Samsung заключается в том, что MRAM будет хранить и обрабатывать данные в одном месте, что позволит повысить быстродействие и значительно снизить энергопотребление вычислительного узла.
Сама по себе магниторезистивная память производится несколько лет ведущими компаниями, включая Intel, Samsung или GlobalFoundries. MRAM предлагает производительность DRAM с энергонезависимостью флэш-памяти NAND и может хранить записанные данные многие годы без необходимости подачи питания.
Разумеется, есть и недостатки, самым большим из которых является низкая плотность и невозможность создания микросхем большого объёма. Кроме того, MRAM имеет очень низкое сопротивление по сравнению с конкурирующими технологиями памяти.
Поэтому Samsung изучает возможность использования MRAM на рынках IoT и AI. Конкретный отчет компании связан с нейроморфными компьютерами, моделирующими работу мозга живого существа (примером может служить чип Intel Loihi). Нейроморфным компьютерам не требуется большой объем памяти из-за особенностей их работы.
Что интересно, ученые Samsung смогли положить недостаток низкого сопротивления MRAM в основу вычислений, оперируя понятием «суммы сопротивлений». Специалистам удалось запустить ИИ для классификации изображений на схемах MRAM и достигнуть точности 98% для рукописных цифр и 93% для лиц. В будущем MRAM найдет свое применение в «технологиях чипов искусственного интеллекта с низким энергопотреблением следующего поколения», и нейроморфных вычислениях.
В классической архитектуре вычисления выполняются в центральном процессоре, а данные хранятся во внутренней памяти, разделенной на ОЗУ и ПЗУ. Процессор и память соединены системной шиной, включающей шины адреса, данных и управления. Идея Samsung заключается в том, что MRAM будет хранить и обрабатывать данные в одном месте, что позволит повысить быстродействие и значительно снизить энергопотребление вычислительного узла.
Сама по себе магниторезистивная память производится несколько лет ведущими компаниями, включая Intel, Samsung или GlobalFoundries. MRAM предлагает производительность DRAM с энергонезависимостью флэш-памяти NAND и может хранить записанные данные многие годы без необходимости подачи питания.
Разумеется, есть и недостатки, самым большим из которых является низкая плотность и невозможность создания микросхем большого объёма. Кроме того, MRAM имеет очень низкое сопротивление по сравнению с конкурирующими технологиями памяти.
Поэтому Samsung изучает возможность использования MRAM на рынках IoT и AI. Конкретный отчет компании связан с нейроморфными компьютерами, моделирующими работу мозга живого существа (примером может служить чип Intel Loihi). Нейроморфным компьютерам не требуется большой объем памяти из-за особенностей их работы.
Что интересно, ученые Samsung смогли положить недостаток низкого сопротивления MRAM в основу вычислений, оперируя понятием «суммы сопротивлений». Специалистам удалось запустить ИИ для классификации изображений на схемах MRAM и достигнуть точности 98% для рукописных цифр и 93% для лиц. В будущем MRAM найдет свое применение в «технологиях чипов искусственного интеллекта с низким энергопотреблением следующего поколения», и нейроморфных вычислениях.
