1.次世代ストレージ技術インベントリ:4つのテクノロジが最大の可能性を秘めています。
現在主流のDRAMメモリとNANDフラッシュメモリ技術への需要が増加するエネルギー効率の高いデータストレージとメモリ技術のためのモバイルデバイス、ネットワークアプリケーションの上昇ではなく、高速で長時間のデータを格納するために読んで、DRAMの書き込み速度;. NAND型フラッシュ付きデータを保存できますが、読み書き速度は良くありません。
双方は、コンピューティング、そのような磁気抵抗メモリ(MRAM)、抵抗性RAM(RRAM)、3D XPoint技術と高電位電子のスピン磁気メモリ(STT-MRAM)、等、のような次世代メモリの記憶容量は、次になるためながら世代のための記憶技術の新しい愛。
学術アクセス速度のMRAM技術は、DRAMを上回るだろうMRAM技術のSRAMに近くに達し、早期Everspin会社によって開発された停電は、次世代メモリ技術の重要な競争相手として見られた後、データが失われることはありません。2017年の流行であります数年後、日本に日本で開催されたLSI技術LSI技術は、国際セミナーやシステム・アプリケーションを組織し、GLOBALFOUNDRIESは摂氏でデータを可能Everspin熱減磁eMRANテクノロジーと共同で発行しています150度でデータを保存し、22ナノメートルのプロセス技術の数年間は、2017年、2018年の生産を終了する予定です。
メモリは、R&Dに入れたが、すでに22ナノメートルプロセスが埋め込まれている磁気抵抗メモリ(eMRAM)生産技術を露出し、高価なメモリ市場TSMC、TSMC 2017技術フォーラムを撤回する失われ、2018年にスケジュールされていますテスト生産。
RRAMは利点がNANDに比べて低消費電力で、より高速なNAND型フラッシュメモリの10,000倍の情報を書き込む、大手メーカーが研究マイクロン、ソニー、サムスンに入れています。
TSMCは、22ナノメートルの製造とeRRAM技術を発表した。原理的には同様の多層配線構造の三次元構造、配線抵抗及び0と1を表す回折格子の使用、RRAMを使用してインテルとマイクロンとして3D XPointアート主要ベンダーを、。
命令サイクルが低いコンピューティングアプリケーションを必要とするため、NAND型フラッシュメモリよりも約1,000倍の速さを持つストレージデバイスへの良い代替は、また、使用することができています。
STT-MRAM技術は、高性能DRAM及びSRAMと低消費電力を有する、量子力学的電子スピン角運動量の使用で、従来のCMOS製造技術およびプロセスと互換性があります。
現在では、投資会社は、IEEEに掲載された研究論文は、それが成功した10ナノ秒と超消費電力アーキテクチャの伝送速度を達成していると述べたIBMとサムスン、SKハイニックス、東芝、IBMとサムスンがあります。
次世代のメモリは将来DRAMやNAND型フラッシュメモリ市場の一部を置き換えると見込まれていますが、それは旧来の技術に取って代わるものですが、人工知能、IoTデバイス、データ収集と検出の要件が次第に増えると、 TSMCによってロックされたエンベデッド・メモリなどの新しいアプリケーションのニーズに焦点を当て、コンピューティングとストレージの利点を最大限に活用し、コンポーネントの市場浸透度をさらに高めるためにサイズをさらに縮小します。
しかし、ベンダーの動向から判断すると、22nmのeMRAM技術は2018年以降徐々に成熟し、多くの市場アプリケーションが始まるでしょう。
(国立実験科学技術政策情報センター研究員)
2.新しい需要の発生強力なメモリのダイナミックス。
現代の電子製品、メモリが不可欠な役割を果たしています。初めての推定以上$ 400億2017半導体業界の出力値、理由の一つは、メモリ要件の増加で、メーカーは価格を上げることができ、およそ2017年の収益成長五パーセントは、韓国のサムスン電子は、この波形メモリブームがそのようにメモリ市場で駆動されるようになるもの、ウェアラブルデバイス、クラウドストレージと大規模なデータ・コンピューティングの新たなインターネットのための需要を牽引し続けることが予想され、最も利益になる、最大メモリサプライヤです運動エネルギー。
記憶特性によれば、現在のメモリは、電源を切った後、揮発性メモリと不揮発性メモリとに分けることができ、電源を切っても揮発性メモリを保持することはできない。メモリアクセス速度は遅いが、長期間データを保存することができる。
【背景技術】【0002】スタティックランダムアクセスメモリ(SRAM)およびダイナミックランダムアクセスメモリ(DRAM)は、コンピュータシステムおよび電子製品においてデータ一時記憶用の揮発性メモリとして広く使用されている。主に、仮想化、描画などの複雑なリアルタイム業務アプリケーションをサポートするため、年々増加しています.DDRは1980年代以来世界中で20社以上製造されていますが、現在はサムスン、SKハイニックス、マイクロンなどの3つの寡占市場、主要なPCクラスと家電製品(iPodなど)、携帯電話、タブレットコンピュータ、ウェアラブルデバイス、スマートカー、ドライバーレス自動車からDRAMへのアプリケーションカテゴリのアプリケーションカテゴリも増加しています。
読み出し専用メモリ(ROM)、またはそのような伝統的な機械式ハードディスク(HDD)などの書き換え可能なメモリ、ソリッドステートドライブ(SSD)、フラッシュメモリ(フラッシュメモリ)等が異なるリードであり、特性を記述しているが、しかし、電源のすべての残っているが切断されますフラッシュの動作速度は一般のハードディスクよりも速いため、徐々に主流になります。
FlashとROMメモリアーキテクチャは、タンデム(NAND)、パラレルフラッシュメモリ(NOR-フラッシュ)は、マザーボードのBIOSでは一般的であると(NOR)並列に分けることができ、タンデム型フラッシュメモリ(NAND-Flashの場合)、一般的な家電製品では一般的ですなどの携帯電話、フラッシュドライブ、SSD、として、NANDフラッシュ技術は、プロセスと進化を続け、単位容量コストは減少し続け、大規模で成長しているデータの格納に使用される近年ではスマートフォン、組み込み機器および産業用アプリケーションの人気の多くでてきましたノートPCのSSDの需要の数を増やし、SSDはNAND-Flashは徐々に大手メーカーサムスン、東芝、SKハイニックスのための一般的な傾向のハードドライブを交換したことで作られました。
DRAMとNAND Flashは特性とコストを補完しており、前者は1秒あたりの伝送帯域幅が広く、単位コストが高く、消費電力が高く、伝送速度が遅く、単位あたりのコストが低く、消費電力が低いため、市場と機能は分かれており、現在のメモリ製品の2つの大きなキャンプを構成しています。インターネットの爆発的な成長、大きなデータと雲のデータに対応して、メモリは独立しているか、埋め込まれており、システムアーキテクチャの重要なコンポーネントになります。 。
2020年を目処に、世界のメモリ市場は79.51億米ドル、そのうちDRAMは38.9%、NANDフラッシュは55.1%、次世代のメモリは2.0%に拡大する見込みです。
しかし、主流のメモリDRAMとNANDが小型化プロセスに及ぼすボトルネックと影響により、現在のメモリ業界では、将来のデータストレージニーズを満たすための代替ソリューションの発見や回路の変更が最も重要な課題となります。
次世代のメモリを開発するための3つの主なメトリックには、コスト、コンポーネント性能、スケーラビリティおよび密度などが含まれ、コストにはメモリパーティクル、モジュールおよび制御回路などが含まれ、コンポーネント性能にはレイテンシ、信頼性およびデータ保持耐久性が含まれます。等
次世代のメモリは、過去に蓄積された電荷がデータにアクセスする方法の変更や、プロセスの限界を解決するためのストレージ状態メカニズムの改訂に向けて一般的に向けられています。先進的なプロセスと優秀なコンポーネントと回路のR&D能力は、メモリの研究開発において非常に有利な位置にあり、電子産業のエコロジーチェーンを改善し、メモリ市場による外国市場の独占を免れ、世界市場での地位を維持する必要があります。台湾の産業の競争力(著者は国立実験科学技術政策研究所の研究員である)
STPIの紹介
実験科学技術政策研究情報センター研究所(STPI)は1974年に設立された、長い間、必要なデータを収集構築、プロセスやサービスの問題を分析するための研究と科学技術の発展に専念してきました。近年では、情報の両方資源基盤、および同等のエネルギーを促進するため、政府のビジョンアウトマップや科学技術の発展の戦略を支援するために重要な問題、特許インテリジェンス分析、イノベーションと起業家精神を探求するために、研究動向の分析を強化するには、政策研究に向けてタンクが前方に技術を専門と思います。経済日報
3.ImmervisionとSocionextはpanomorphEYE開発キットを提供するために協力します。
ImmervisionとSocionextは本日、人工知能(AI)とロボット、自動車、無人機およびその他のスマートデバイスのためのロボットのための戦略的パートナーシップの確立を発表しました。 Learning(ML)アプリケーションは、最初の包括的なインテリジェントビジョンセンサーシステムを開発します。PanomorphEYE開発キットは、2018年7月にリリースされ、開始される予定です。
両社の協力を得て、誰もがスマートデバイスとマシン用に開発されたスマートビジョンシステムを使用する可能性があります。インテリジェントなビジョンと高度なSoC設計とオンボードセンサーのユニークな組み合わせにより、スマートな製品。
これ
panomorphEYE融合視点3D画像の周りに360度、ToF型(TOF)、ジャイロスコープ、コンパス及び他のセンサ、ラピッドプロトタイピング、販売及び製品は非常に貴重な増強する能力を有することが短時間。
Immervisionは、ユニークなパノラマ広角画像キャプチャ、Data-In-Pictureと画像処理機能、周囲の環境を知覚する人間の能力を向上させることによって、インテリジェントなビジョンを可能にする、グローバルなデバイスにヒューマンファクターをもたらします。
Socionextは、システムオンチップ(SoC)のシステム比類のない専門知識を提供し、今日の主要な機器の電源をネットワーキングおよびコンピューティング、イメージングを提供します。一緒に、企業が見て、今日のデバイスを支援するために、優れたビジョン機能、自律性とインテリジェンスを提供することにコミットしていますもっと知りたい。
ImmerVision執行副社長兼最高経営責任者アレッサンドロガスパリーニは説明した:「私たちの両社の協力を通じて、誰もがスマートデバイスとインテリジェントなマシンビジョンと高度なSoC設計やボードの開発のためのインテリジェントビジョンシステムを過ごすことができます。センサのユニークな組み合わせにより、誰もがよりスマートな製品を想像することができます。
貢内藤は、上級副社長Socionext会社は言った:ImmervisionとSocionext間の」成功した協力が今日のために最先端のソリューションを提供するために、様々なカメラと画像処理アプリケーションとなって、私は新しいものに入った彼らの戦略的パートナーシップを発表できることを非常に嬉しく思います。フェーズ:ヒューマンマシンビジョンの機能をさらに強化し、より効率的かつ安全な生活を送る人々を支援します。
4. AIをパーソナライズし、消費電力を削減するIBMが新しいニューラルネットワーク・チップを開発する
ニュー・ネットワーク上で動作するGPUのNetEaseスマートニュース6月16日のニュースは、人工知能の分野で驚異的な進歩を遂げましたが、両者の協力は完全ではありません。ニューラルネットワークの新しいネットワークを実行して、より高速で効率的な代替案を提供するために特に使用されます。
この世紀の初めまで、研究者は、ビデオゲーム用に設計されたGPU(グラフィック処理装置)は、以前よりも大きなニューラルネットワークを実行するためのハードウェアアクセラレータとして使用できることを認識しました。
これは、これらのチップが従来のCPUのように連続して処理するのではなく、多数の計算を並行して実行することができるためです。
GPUの導入によってこの領域が開発されましたが、これらのチップは処理とストレージを分離する必要があります。つまり、両者の間のデータ転送に多くの時間と労力が費やされることになります。重量データを同じ場所に保管して処理できるストレージ技術。これにより速度とエネルギー効率が向上します。
この新しい記憶装置は、抵抗値を調整することによってデータをアナログ形式で保存します。つまり、バイナリ1および0のバイナリメモリではなく、連続した範囲にデータが保存されます。情報はストレージに保存されるためですしたがって、セルのコンダクタンスでは、単にメモリセル間の電圧を転送し、システムが物理的手段によって計算を実行できるようにすることが可能である。
しかし、これらの装置の固有の物理的欠陥は、それらの挙動が矛盾していることを意味し、ニューラルネットワークを訓練するためのそれらの使用の現在の分類精度がGPUの使用よりも著しく低い。
IBMの研究ポスドク研究員ステファノアンブロジオでプロジェクトをリードする「それは役に立たない、我々はより高速鉄道システムよりもGPU上で実行することができますが、トレーニング動作はそれほど正確ではない場合は、」「へ、インタビュー特異ハブで語りましたこれまでのところ、これらの新しいデバイスの使用は、GPUを使用したほど正確でできるという証拠はありません。 "
しかし、研究は、新たな進歩を遂げた。「ネイチャー」誌に論文を発表した先週には、アンブロージョと彼の同僚は、彼らが新たなメモリを利用し、より伝統的なアナログ電子部品を作成するために組み合わせる方法を説明しますより速く実行GPUの精度で一致させることができるチップの種類、低消費電力。
その原子構造を再構成する必要が完全に整合ネットワークは、これらのデバイスの抵抗値を変更するまで、これらの新しいストレージ技術は、ニューラルネットワークが深い訓練することは困難である原因、このプロセスは、上下倍の各ニューロンの刺激何千もの重い重量を必要とし、各動作時に異なっている、アンブロジオは述べています。これらの刺激は必ずしも同一ではない、ニューロンの重みの不正確な調整につながります。
研究者は、この問題を、長期記憶と短期記憶の両方を有するネットワーク内の単一のニューロンに対応する「シナプス単位」を作成することによって解決した。各細胞は、一対の相変化記憶( PCMセルと3つのトランジスタとコンデンサとの組み合わせであるPCMは、重量データを抵抗器に記憶し、コンデンサは重量データを電荷として記憶する。
PCMは一種の「不揮発性メモリ」で、外部電源がなくても記憶された情報を保持することができ、コンデンサは「揮発性」であるため、数ミリ秒以内に電荷を維持することができます。しかし、コンデンサにはPCMデバイスのバラツキがないため、迅速かつ正確にプログラムすることができます。
ニューラルネットワークが分類タスクを完了するために画像を訓練するとき、コンデンサの重量のみが更新され、数千の画像を見た後、長期記憶のために重量データがPCMユニットに転送される。 Ambrogioによれば、PCMユニットで直接訓練を行うと、これは実現不可能であるとのことです。
自分のデバイスをテストするには、そのネットワーク上の研究者は、ニューラルネットワークソフトウェアをリードする人気の画像認識ベンチマーク結果を達成TensorFlowかなりの精度とGoogleのシリーズを行った。しかし、それは重要であり、彼らは予測し、そして最終的に構築します280倍のエネルギー効率の良い、だけでなく、CPUの100倍に平方ミリメートル当たりオペレータ力に実装さよりもGPUチップ。特に、研究者は完全にチップを構築していません。
Ambrogio氏は、実際のPCMユニットがテストで使用されたにもかかわらず、コンピュータ上で他のコンポーネントがシミュレートされていることを示しています。実際のPCM装置を使用することを決定した場合、これらの装置のシミュレーションはまだ信頼できるものではなく、他のコンポーネントのアナログ技術は既に成熟しているため、この設計に基づいて完全なチップを構築することができます。
このニューラルネットワークでは、各ニューロンが上位層のニューロンに接続されているとAmbrogio氏は述べていますが、実際には多くのニューラルネットワークが完全に接続されていません。または、いくつかのレイヤーだけが完全に接続されています。
しかし、Ambrogio氏は、最終チップはGPUで動作するように設計されているため、他の接続を扱う際にはフル接続層の計算も処理できるとしている。より広く使用されています。
このような専用チップでは、どんなことが可能ですか?
Ambrogioによると、パーソナル・デバイスに人工知能を適用し、データセンターをより効率的にするという2つの主な用途があります。後者は大規模なテクノロジー企業にとって大きな問題です。
人工知能が直接パーソナル・デバイスに適用される場合、ユーザーはクラウド内でデータを共有する必要がないため、プライバシーを守ることができますが、Ambrogioは、より刺激的な見通しが人工知能のパーソナライズであると述べています。
彼は次のように述べています。「このニューラルネットワークを車やスマートフォンに適用することで、彼らはあなたの経験から学び続けることができます。
あなたの携帯電話はあなたの声に合わせてパーソナライズされ、あなたの車はあなたの習慣に基づいてユニークな運転スタイルを形成します。