 для обчислень в оперативній пам'яті.){kind=link}
Компанія Samsung оголосила про те, що вона перша у світі продемонструвала технологію MRAM (магніторезистивна пам’ять з довільним доступом) для обчислень в оперативній пам’яті. Стаття компанії під назвою «Перехресний масив магніторезистивних пристроїв для обчислень в пам’яті» була опублікована в журналі Nature.
Дані зазвичай зберігаються в DRAM швидкого доступу процесора. Однак MRAM змінює ситуацію та об’єднує зберігання даних та обчислення, дозволяючи і тому, і іншому відбуватися на одному чипі. Теоретично, операції в такому випадку виконуються набагато швидше, оскільки нема потреби передавати дані з пам’яті процесора і навпаки. Крім того, досягається значна економія електроенергії, оскільки обробка даних відбувається у пам’яті дуже паралельно.
Дана демонстрація є проривом, оскільки, попри те, що інші рішення для обчислень у пам’яті, такі як PRAM та RRAM, вже були продемонстровані, працюючої MRAM було досить складно досягти, в основному через її низький опір. Також було неможливо використати перевагу MRAM в енергоефективності у стандартній архітектурі обчислень in-memory.
Компанія Samsung зробила MRAM можливою завдяки самостійно розробленому чипу масиву MRAM, який використовує Resistance Sum замість стандартного Current-Sum, що дозволяє розв’язати проблему опору.
Рішення було протестовано за допомогою застосунків штучного інтелекту (ШІ), і воно показало 98% точність при класифікації рукописних цифр та 93% точність при виявленні облич на зображеннях. Samsung стверджує, що технологія MRAM може бути використана для обробки ШІ та для створення високоефективних чипів ШІ.
Доктор Сеунчул Джунг, перший автор статті, сказав: “Обчислення в пам’яті мають схожість з мозком в тому сенсі, що в мозку обчислення також відбуваються в мережі біологічної пам’яті, або синапсах – точках, де нейрони торкаються один одного. Насправді, хоча обчислення, що виконуються нашою мережею MRAM, поки що мають іншу мету, ніж обчислення, що виконуються мозком, така мережа твердотільної пам’яті може в майбутньому використовуватися як платформа для імітації мозку шляхом моделювання зв’язку синапсів мозку».
Читайте також: