ReRAM najlepszą pamięcią dla układów wyposażonych w AI

Sztuczna Inteligencja (AI) wyskoczy niedługo nawet z lodówki. Jeszcze kilka lat temu byłby to zapewne słaby żart jakich wiele, ale nie dzisiaj. Dzisiaj wiemy już, że Sztuczną Inteligencję wykorzystujemy niemal wszędzie. A za chwilę wszędzie. Wydłuża się bowiem nie tylko lista dziedzin naszego życia, gdzie AI znajduje zastosowanie, ale także liczba urządzeń, które wykorzystują jej moduły. Czy chodzi o ogromne superkomputery czy też AI w wspomnianej lodówce - wszędzie będzie potrzebować ona szybkiej, niewielkiej, energooszczędnej i wielofunkcyjnej pamięci. Specjaliści zajmujący się problematyką Sztucznej Inteligencji i jej sprzętowego wsparcia uznali, że idealnym kandydatem jest ReRAM.

Na ostatniej konferencji International Electron Devices Meeting (IEDM), która odbyła się w tym miesiącu w San Francisco inżynierowie dyskutowali o wykorzystaniu najlepszej pamięci w układach z AI.

Rezystywne pamięci RAM - Resistive random-access memory (ReRAM lub RRAM) mają być pamięcią uniwersalną - łączącą w sobie szybkość działania RAM i możliwości zapisu oraz pojemności pamięci Flash. ReRAM jest obecnie rozwijany przez wiele firm. Wśród licznych zalet nowej pamięci jest jej wytrzymałość - około milion cykli zapisu i kasowania oraz zachowanie integracji danych przez 10 lat po odłączeniu od zasilania. Czas reakcji podczas odczytu może być mniejszy niż 10 ns. Rezystywne pamięci RAM to rodzaj nieulotnej (NV) pamięci komputera o dostępie swobodnym (RAM). Poprzez zmianę rezystancji półprzewodnika następuje zapis lub odczyt danych zapisanych w komórkach pamięci często określanych jako Memrystor. Technologia ta wykazuje pewne podobieństwa do pamięci CBRAM - Conductive Bridging RAM i pamięci zmiennofazowej PCM - Phase-change memory. Memrystor (ang. memory resistor – opornik z pamięcią) działa jako pojedyncza komórka pamięci, może być użyty do przechowywania jednego bitu informacji, a rezystancja memrystora może być sterowana prądowo. Memrystory mogą być używane do budowy tranzystorów o znacznie mniejszych wymiarach niż na to pozwalały wcześniejsze technologie, a także do konstrukcji pamięci trwałych o znacznie większej gęstości zapisu danych niż tradycyjne dyski twarde, ale o szybkości pracy zbliżonej do pamięci DRAM.

Ditellurek molibdenu najlepszym materiałem na pamięci ReRAM

Na ostatniej konferencji International Electron Devices Meeting (IEDM), która odbyła się w tym miesiącu w San Francisco inżynierowie dyskutowali o wykorzystaniu najlepszej pamięci dla AI oraz w komputerach neuromorficznych. Układy neuromorficzne zostały zaprojektowane tak, aby dokładnie naśladować sposób, w jaki ludzki mózg uczy się i przetwarza informacje. Wśród występujących byli przedstawiciele między innymi IBM i środowisk akademickich. W trakcie spotkania uznano, że układy ReRAM są bardzo obiecujące przy tworzeniu architektury neuromorficznej o dużej gęstości, ponieważ są znacznie mniejsze i bardziej energooszczędne niż obecne centra danych AI. "Prawdziwe piękno tych pamięci polega na tym, że dzięki nim możemy radykalnie obniżyć cenę systemu Sztucznej Inteligencji i zużycie energii" - powiedział Jim Handy, analityk z ponad 30 letnim doświadczeniem w branży elektronicznej.

Jakie pamięci do procesora AMD Ryzen 5 2600 - Test DDR4 2133-3400

Zdaniem specjalistów komercjalizacja ReRAM nastąpi wraz z eksplozją wykorzystania AI i jej przenikaniem do każdej dziedziny życia. ReRAM w szczególny sposób pasuje do aplikacji i wszelkich urządzeń z Sztuczną Inteligencją, ponieważ jest niewielki, a z punktu widzenia zużycia energii niezwykle wydajny. Skalowanie pamięci przypomina także swoim mechanizmem występujące w mózgu oraz układach neuromorficznych. Nad wykorzystaniem ReRAM pracuje izraelska firma Weebit Nano, która działa wspólnie z Grupą Pamięci Nieulotnej Indyjskiego Instytutu Technologii w Delhi ( IITD). Współpracują nad technologią SiOx ReRAM, która znajdzie się w chipach instalowanych w urządzeniach z AI. "ReRAM i inne rozwijające się urządzenia NVM oferują wiele korzyści, takich jak nieulotność, kompatybilność z CMOS, ultra-wysoką gęstość, prostą integrację i produkcję oraz niski koszt. ReRAM jest ważny dla osiągnięcia sukcesu przez AI i sprzęt neuromorficzny. Pamięć ta może w znacznym stopniu pomóc nam przełamać dotychczasowe problemy" - mówi profesora Manana Suri z IITD.