创新所需的材料和系统将下一代的计算。
随着新兴大数据和人工智能(AI)的应用程序,包括机器学习、推动创新在许多行业,如何推进的问题内存技术来满足不断变化的计算需求提出了一些挑战。
主流内存技术,DRAM和闪存芯片,一直是可靠的工业劳力,特定的目的——主内存来处理大量数据的非易失性内存数据存储的理想,分别。但是今天这些技术在许多方面受到挑战的人工智能工作负载的要求,需要直接和更快的访问内存。
在该行业面临的问题是,趋势将推动未来十年记忆技术?是该行业如何规模和发展主流的记忆提供高性能、高密度存储和更大的功能吗?什么样的新记忆需要高性能的机器学习和其他人工智能应用程序,以及如何可以记忆技术加速整体性能?
这个行业正在评估各种选择实现的改进和提出不同的解决方案。在扩展路径有很多考虑,未来所需的内存类型应用程序和系统体系结构将如何改变促进内存计算等新概念。
未来的某些特征记忆景观已经明显。已经清楚的是记忆的作用将扩大在人工智能时代。
垂直扩展持续3 d NAND和更多的对多层计划被追求增加存储密度。DRAM,几何继续横向扩展,但它正在放缓和材料创新需要进一步扩展与3 d NAND闪存。可能会有更多类型的特定目的DRAM各种高级应用,DRAM的多样性是经常被忽视。
然而,尽管主流记忆正在向更大的性能和功能扩展,他们可能仍不足以支持等人工智能技术的高性能机器学习。这些应用不仅需要更多的内存,但速度更快,更高的容量内存解决方案。的共识是新的,不同类型的内存需要计划和技术。
内存计算是一个新兴的概念头条的延伸,大大提高记忆。这种方法想象一些逻辑函数在内存执行不仅仅是简单的记忆。另一个想法是在计算架构设计在记忆,他们目前在微处理器设计。尽管memory-centric计算仍处于早期阶段,明显是如何记忆任务的传统边界变得模糊。
包装是另一个人工智能的关键驱动因素,支持高带宽内存和异构集成逻辑计算和内存高速访问。问题是包装不同的内存配置将成为最优的成本和性能的方法。
总之,不同的内存技术需要交付的性能和功能计算的收益,使下一个时代。重要的是,这一努力将需要跨生态系统——从材料到系统创新。
|
|
|
|
|
|
|
|
留下一个回复