Samsung добилась успехов в сфере памяти MRAM
Samsung добилась успехов в сфере памяти MRAM

Samsung добилась успехов в сфере памяти MRAM

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 Global.

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.

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.

Источник материала
loader
loader