1. 스토리지 기술 재고의 차세대 : 가장 큰 잠재력을 가진 네 개의 기술;
현재 주류 DRAM 메모리와 NAND 플래시 메모리 기술에 대한 수요가 증가하고 에너지 효율적인 데이터 저장 및 메모리 기술에 대한 모바일 디바이스, 네트워크 어플리케이션의 상승,하지만 빠른 오랜 시간 동안 데이터를 저장하는 읽고 DRAM의 쓰기 속도를 ;. NAND 플래시와 데이터를 저장하지만, 가난한 읽기 및 쓰기 속도를 할 수 있습니다.
동시에 MRAM (magnetoresistive memory), RRAM (resistive RAM), 3D XPoint 기술 및 STT-MRAM과 같은 연산 및 저장 기능을 모두 갖춘 차세대 메모리는 세대를 초월한 기억 기술의 새로운 사랑.
학술 액세스 속도 MRAM 기술은 DRAM은 SRAM 가까이에 도달하고, 데이터가 초기 Everspin 회사에 의해 개발 된 정전 후 손실되지 않습니다, 차세대 메모리 기술 중요한 경쟁으로 볼 능가한다. MRAM 기술의 2017 유행이있다 년 후 일본에서 일본에서 개최 LSI 기술 LSI 기술은 글로벌 파운드가 섭씨 데이터를 수 Everspin 열 감자 eMRAN 기술을 공동으로 발표했다, 국제 세미나 및 시스템 응용 프로그램을 구성 도 150에 저장된 데이터는, 22 나노 공정 기술의 처리 십년 이상까지 될 수 있으며, 이는 2017 2018 년 말까지 예상 생산에 투입된다.
메모리는 R & D에 투입하지만, 이미 22 나노 미터 프로세스가 포함 된 한 자기 저항 메모리 (eMRAM) 생산 기술을 노출, 비용이 많이 드는 메모리 시장 TSMC, TSMC 2017 기술 포럼을 인출 손실 2018 예약되었습니다 생산 테스트.
RRAM은 NAND보다 전력 소비가 적다는 장점을 가지고 있으며, 쓰기 정보는 NAND 플래시보다 10,000 배 빠르다. 연구의 주요 선수는 Micron, Sony 및 Samsung이다.
TSMC 22 nm 인 생산 eRRAM 기술을 발표했다. 3D XPoint 아트 주요 벤더 인텔 마이크론 다층 배선 구성의 3 차원 구조를 사용하여, 와이어 저항 및 격자의 사용을 나타 내기 위해 RRAM 원칙적으로 유사한 0, 1,.
이 제품은 저장 장치를 대체 할 수 있으며 NAND 플래시 메모리보다 거의 1,000 배 빠르며 명령 사이클 요구가 낮은 계산 응용 프로그램에도 사용할 수 있습니다.
STT-MRAM은 양자 스피넬 각 운동량 기술의 응용 기술로서 DRAM 및 SRAM의 고성능 및 저전력 소모를 제공하며 기존의 CMOS 제조 기술 및 공정과 호환됩니다.
현재 주요 입력 업체는 IBM과 Samsung, SK Hynix, Toshiba이며 IBM과 삼성은 IEEE에 연구 논문을 발표하여 10 나노 초의 전송 속도와 초절전 형 아키텍처를 성공적으로 달성했다.
차세대 메모리가 향후 일부 DRAM 및 NAND 플래시 메모리 시장을 대체 할 것으로 예상되지만 이전 기술을 대체 할 것입니다. 그러나 인공 지능, IoT 장치 및 데이터 수집 및 감지 요구 사항이 증가함에 따라 차세대 메모리 기술이 첫 번째 기술이 될 것입니다 TSMC에 의해 잠긴 임베디드 메모리와 같은 새로운 애플리케이션의 요구에 초점을 맞추고 컴퓨팅 및 스토리지의 이점을 최대한 활용하여 구성 요소의 시장 침투력을 높이기 위해 크기를 줄입니다.
그러나 공급 업체의 역 동성을 고려할 때 22nm eMRAM 기술은 2018 년 이후 점차적으로 성숙해질 것이며 많은 시장 응용이 시작될 것입니다.
(국립 과학 기술 과학 기술 정책 연구원 연구원)
2. 새로운 수요 창출 강력한 메모리 역학;
현대 전자 제품, 메모리는 필수 불가결 한 역할을한다. 처음 추정 이상의 $ (400) 억 2,017 반도체 업계의 출력 값이 이유 중 하나는 메모리 요구 사항이 증가하고, 제조 업체는 약 2,017의 매출 성장을 가격을 올릴 수 있습니다 5 %는 한국의 삼성 전자는.이 웨이브 메모리 붐이 때문에 메모리 시장에 의해 주도 될 것이다 일, 웨어러블 디바이스, 클라우드 스토리지 및 대용량 데이터 컴퓨팅의 새로운 인터넷에 대한 수요를 구동하기 위해 계속 될 것으로 예상되는 가장 도움이됩니다, 최대 메모리 공급 업체입니다 운동 에너지.
저장 특성에 따라 현재 메모리는 전원이 꺼지면 휘발성 메모리와 비 휘발성 메모리로 나눌 수 있으며 전원이 차단 된 후에는 휘발성 메모리를 유지할 수 없으며 비용은 더 빠르지 만 속도는 빨라집니다. 일반적으로 데이터 임시 저장에 사용됩니다. 메모리 액세스 속도가 느리지 만 오랜 시간 동안 데이터를 저장할 수 있습니다.
SRAM (Static Random Access Memory) 및 DRAM (Dynamic Random Access Memory)은 컴퓨터 시스템 및 전자 제품에서 데이터 임시 저장을위한 휘발성 메모리로 널리 사용되고 있습니다 .DDR은 현재 PC / NB 및 모바일 응용 프로그램에 사용됩니다. 주로, 가상화, 드로잉 및 기타 복잡한 실시간 작업 애플리케이션을 지원하기 위해 해마다 증가 할 것으로 예상됩니다 .DDR은 1980 년대 이후 전 세계 20 개 이상의 기업에서 제조되었습니다. 현재 삼성, SK 하이닉스 및 마이크론 및 기타 3 개의 과점 시장, 주요 PC 클래스 및 소비자 전자 제품 (iPod과 같은), 휴대 전화, 태블릿 컴퓨터, 웨어러블 장치, 스마트 카, 드라이버리스 자동차의 응용 범주는 DRAM에 대한 수요 또한 증가하고 있습니다.
기존 기계식 하드 디스크 (HDD), SSD (Solid-State Hard Disk), 플래시 메모리 (Flash memory)와 같은 읽기 전용 메모리 (ROM) 또는 재기록 가능 메모리는 읽기 / 쓰기 특성이 다르지만 전원이 차단 된 후에도 계속 유지됩니다. 오랜 시간 동안 데이터를 저장할 수 있으며 플래시 작동 속도가 일반 하드 디스크보다 빠르기 때문에 점차 주류가됩니다.
플래시 ROM 메모리 아키텍처는 탠덤 (NAND)와, 병렬로 플래시 메모리 (NOR 플래시)은 마더 보드 BIOS에 공통으로 (NOR)에 평행으로 분할 될 수 있으며, 탠덤 형 플래시 메모리 (NAND 플래시)은 일반적인 소비자 전자 제품에서 흔히 등 휴대폰, 플래시 드라이브, SSD와 같은 NAND 플래시 기술은 프로세스를 계속 발전 용량 비용이 계속 감소 장치는, 스마트 폰에서 큰 성장 데이터 저장에 사용되는 임베디드 기기 및 산업용 애플리케이션 최근 몇 년 동안 인기를 많이하고있다 노트북의 SSD 수요가 점차 주요 제조 업체 삼성, 도시바, SK 하이닉스에 대한 일반적인 경향의 하드 드라이브를 교체 한 NAND 플래시로 만든 SSD의 수를 증가.
DRAM과 낸드 플래시는 특성과 비용면에서 보완 적이며, 전자는 초당 전송 대역폭이 크고 단위 비용이 높고 전력 소비가 높으며 전송 속도가 느리고 단위당 비용이 낮으며 전력 소비가 적기 때문에 둘 다 시장과 기능은 분리되어 있으며 현재의 메모리 제품의 두 가지 주요 캠프로 구성되어 있습니다. 인터넷의 폭발적인 성장, 대용량 데이터 및 클라우드 데이터에 대한 응답으로 메모리는 독립적이거나 내장되어 있으며 시스템 아키텍처의 핵심 구성 요소입니다. .
2020 년까지 세계 메모리 시장 규모는 791 억 1000 만 달러로 DRAM은 38.9 %, NAND 플래시는 55.1 %, 차세대 메모리는 2.0 %로 확대 될 전망이다.
그러나 메인 스트림 메모리 DRAM 및 NAND가 소형화 과정에 병목과 영향을 미치기 때문에 현재의 메모리 업계에서 향후 데이터 저장 요구를 충족 할 수있는 대안 솔루션을 찾고 회로를 변경하는 것이 가장 중요한 문제입니다.
차세대 메모리 개발을위한 세 가지 주요 측정 기준에는 비용, 구성 요소 성능, 확장 성 및 밀도 등이 포함되며 여기에는 메모리 입자, 모듈 및 제어 회로 등이 포함되며 구성 요소 성능에는 대기 시간, 신뢰성 및 데이터 보존 내구성이 포함됩니다. 기타
차세대 메모리는 과거의 저장된 요금이 데이터 액세스에 사용 된 방식을 변경하고 스토리지 제한 메커니즘을 수정하여 스토리지 제한 메커니즘을 수정함으로써 차세대 메모리와 구성 요소의 공통 목표 인 동시에 대만은 세계에서 가장 큰 첨단 공정과 뛰어난 부품 및 회로 R & D 인재는 메모리 연구 개발에서 매우 유리한 위치에 있으며, 전자 산업 생태 체인을 개선하고 메모리 시장에서 독점권을 행사하지 않으며 글로벌 시장에서의 입지를 유지해야한다. 대만 산업의 경쟁력 (국립 연구소의 실험적 연구 정책 정보 센터 연구원)
STPI 소개
국립 과학 기술 정책 연구 센터 (STPI)는 1974 년에 설립되었으며, 중국의 과학 기술 발전에 필요한 자료의 수집, 건설, 분석, 가공 및 서비스에 오랫동안 책임이있다. 자원을 기반으로 우리는 경향, 주요 쟁점, 특허 정보 분석, 혁신 및 기업가 정신 진흥에 대한 분석을 강화하고 중국 과학 기술 발전 비전 및 전략을 매핑하고 과학 기술 정책 싱크 탱크의 전문 연구로 나아갈 수 있도록 지원할 것입니다.
3. Immervision과 Socionext는 panomorphEYE 개발 키트를 제공하기 위해 협력합니다.
Immervision과 Socionext는 인공 지능 (AI) 및 로봇, 자동차, 무인 항공기 및 기타 스마트 장치 용 로봇을위한 전략적 파트너십을 수립했다고 오늘 발표했습니다. Learning (ML) 어플리케이션을 통해 최초의 포괄적 인 지능형 비전 센서 시스템을 공동 개발합니다. PanomorphEYE 개발 키트는 2018 년 7 월에 출시되고 출시 될 예정입니다.
두 회사의 협력을 통해 모든 사람들이 스마트 장치 및 기계 용으로 개발 된 스마트 비전 시스템을 사용할 수 있습니다. 인텔리전트 비전과 첨단 SoC 디자인의 고유 한 조합으로 온보드 센서를 사용하면 누구나 상상할 수 있습니다. 스마트 제품. '
이
panomorphEYE 융합 관점 3D 이미지 360도은으로 ToF (TOF), 자이로 스코프, 나침반 및 기타 센서, 신속한 프로토 타입, 시장 및 제품이 귀중한 향상 할 수있는 능력을 가지고 짧은 시간.
Immervision은 독특한 파노라마 광각 영상 캡처, 데이터 인 픽처 (Data-In-Picture) 및 이미지 처리 기능을 통해 지능적인 비전을 구현하고 주변 환경을 인식 할 수있는 인간의 능력을 향상시켜 인류의 요소를 글로벌 장치에 도입합니다.
Socionext 네트워킹 오늘의 주요 장비의 컴퓨팅 파워, 시스템 - 온 - 칩 (SoC) 시스템 타의 추종을 불허하는 전문 기술을 제공 영상을 제공합니다. 함께, 회사가 오늘날의 장치가 볼 수 있도록 뛰어난 시각 능력, 자율성과 정보를 제공하기 위해 최선을 다하고 있습니다 더 많은 정보를 확인하십시오.
ImmerVision의 집행 부사장 겸 최고 비즈니스 책임자 (CBO) 알레산드로 가스 파리 니는 설명 : '우리 두 회사 간의 협력을 통해, 모든 사람들이 스마트 기기 및 지능형 머신 비전 및 고급 SoC 설계 및 보드의 개발을위한 지능형 비전 시스템을 보낼 수 있습니다. 온보드 센서의 독특한 조합은 사람이 더 지능적인 제품을 상상 할 수 있습니다. '
Mitsugu 나이토 수석 부사장 Socionext 회사는 말했다 다음 ImmerVision의와 Socionext 사이의 '성공적인 협력 오늘은 첨단 솔루션을 제공하는 다양한 카메라 및 영상 처리 응용되고 나는 새로운 값을 입력 한 전략적 제휴를 발표하게 된 것을 매우 기쁘게 생각합니다. 단계. 우리는 더 사람들이 더 효율적이고 더 안전한 삶을 살 수 있도록 인간과 기계 시각의 능력을 향상시킬 수 있습니다. '비즈니스 와이어
4. 인공 지능을 개인화하고보다 적은 전력을 소비합니다. IBM이 새로운 신경 네트워크 칩을 개발합니다.
신경 네트워크에서 실행되는 GPU의 'NetEase smart news June 16th news'는 인공 지능 분야에서 놀라운 발전을 이루었지만이 두 가지 사이의 협력은 완벽하지 못하다. 더 빠르고 효율적인 대안을 제공하기 위해 신경 네트워크의 새로운 네트워크를 실행하는 데 특히 사용됩니다.
연구원들은 비디오 게임을 위해 고안된 GPU (그래픽 처리 장치)가 이전보다 더 큰 신경망을 실행하는 하드웨어 가속기로 사용될 수 있다는 것을 깨달은 것은 금세기 초반이되었습니다.
이는 이러한 칩이 기존의 CPU처럼 순차적으로 처리하는 대신 많은 수의 계산을 병렬로 수행 할 수 있기 때문에 가능합니다. 이는 특히 심층 학습 신경 네트워크를 구성하는 수백 개의 뉴런의 가중치를 동시에 계산할 때 유용합니다.
GPU가 도입됨에 따라이 영역이 개발되었지만이 칩은 여전히 프로세싱과 스토리지를 분리해야하므로 두 프로세서 간의 데이터 전송에 많은 시간과 노력이 소비되므로 새로운 연구를 시작하게됩니다. 같은 위치에 무게 데이터를 저장하고 처리 할 수있는 스토리지 기술로 속도와 에너지 효율성을 높입니다.
새로운 메모리 장치는 저항 수준을 조정하여 데이터를 아날로그 형식으로 저장합니다. 즉, 정보가 메모리에 저장되기 때문에 이진수 1과 0의 이진 메모리가 아닌 연속 범위에 데이터가 저장됩니다. 따라서, 셀의 컨덕턴스에서, 단순히 메모리 셀들 사이의 전압을 전달하고 시스템이 물리적 수단에 의해 계산을 수행하게하는 것이 가능하다.
그러나 이러한 장치의 고유 한 물리적 결함은 동작이 일관되지 않아서 신경망을 학습하는 데 사용하는 현재의 분류 정확도가 GPU 사용보다 현저히 낮다는 것을 의미합니다.
에 '스테파노 불리기도하는 암 브로 지오 인터뷰 특이점 허브에 말했다 IBM 연구소 박사 후 연구원에서 프로젝트를 선도하는'우리는 기차 시스템보다 더 빠른 GPU에서 수행 할 수 있지만, 교육 작업이 너무 정확하지 않은 경우, 그것은 아무 소용이입니다 ' 지금까지이 새로운 장치를 사용하는 것이 GPU를 사용하는 것만 큼 정확하다는 증거는 없습니다.
지난 주 네이처 (Nature) 지에 발표 된 논문에서 암 브로 지오 (Ambrogio)와 그의 동료들은 새로운 아날로그 메모리와 더 전통적인 전자 부품을 어떻게 사용했는지 설명했다. GPU의 정확도와 빠르고 전력 소모가 적은 칩.
이러한 새로운 스토리지 기술이 심 신경 네트워크를 학습하기 어려운 이유는이 프로세스가 네트워크가 완전히 정렬 될 때까지 수천 번씩 각 뉴런을 자극해야한다는 것입니다. 이러한 장치의 저항을 변경하려면 원자 구조를 재구성해야합니다. 그리고 암 브로 지오 (Ambrogio)는 수술 과정이 달라질 때마다 이러한 자극이 항상 같은 것은 아니며 이로 인해 뉴런의 무게가 부정확하게 조정된다는 결과를 보였다.
연구원들은 네트워크의 단일 뉴런에 해당하는 '시냅스 단위 (synaptic units)'를 장기 기억 및 단기 기억으로 생성함으로써이 문제를 해결했습니다. 각 세포는 한 쌍의 상 변화 기억 PCM과 세 개의 트랜지스터 및 커패시터의 조합 인 PCM은 저항에 무게 데이터를 저장하고 커패시터는 무게 데이터를 충전으로 저장합니다.
PCM은 일종의 '비 휘발성 메모리'로서, 외부 전원이 없어도 저장된 정보를 유지할 수 있으며 커패시터는 휘발성이므로 몇 밀리 초 내에 만 충전을 유지할 수 있습니다. 그러나 커패시터는 PCM 장치의 가변성이 없으므로 신속하고 정확하게 프로그래밍 할 수 있습니다.
신경망 화상 분류 작업을 수행하도록 훈련 될 때, 단지 적절한 용량 가중치가 갱신된다. 수천의 이미지를 탐색 한 결과, 중량 데이터는 장기 저장에 대해 PCM 유닛에 전송한다. PCM 변동이 중량을 의미 데이터 전송에는 오류가있을 수 있지만 장치가 가끔씩 업데이트되기 때문에 시스템의 복잡성을 증가시키지 않고 전도성을 다시 확인할 수 있습니다. Ambrogio는 PCM 장치에서 직접 교육을하는 것이 가능하지 않다고 말했습니다.
연구원들은 장비를 테스트하기 위해 네트워크에서 일련의 인기있는 이미지 인식 벤치 마크 테스트를 수행했으며, 결과는 Google의 선도적 인 신경 네트워크 소프트웨어 인 TensorFlow와 비교할 때 정확도가 높았지만, 결국 그들은 결국 구축 될 것이라고 예측했습니다. 이 칩은 GPU보다 280 배 더 효율적이며 제곱 밀리미터 당 계산력은 CPU의 100 배가 될 것입니다. 연구원들이 아직 칩을 완벽하게 구축하지 못했다는 점은 주목할 가치가 있습니다.
테스트에서 실제 PCM 세포,하지만 다른 구성 요소가 컴퓨터에 모의하고 있지만. 불리기도하는 암 브로 지오는 그들이 시간과 첫째, 완전한 칩을 만들이 가능 여부를 확인하기 위해 노력을 투자하기 전에 기대했다. 그는 그들이 말했다 실제 PCM 장비를 사용하기로 결정한이 장비의 시뮬레이션은 아직 신뢰할 수 없지만 다른 구성 요소의 아날로그 기술은 이미 완성 된 상태이므로이 설계를 기반으로 완벽한 칩을 제작할 수 있습니다.
또한,이 신경 네트워크의 각 신경 세포는 신경 세포의 레이어에 연결되어 완전히 연결 신경망에서 경쟁 할 수있는 유일한 GPU이다,라고 불리기도하는 암 브로 지오는 말했다.하지만 사실 많은 사람들이 완전히 연결 신경망 없습니다 또는 일부 레이어 만 완전히 연결되어 있습니다.
그러나 Ambrogio는 최종 칩이 GPU와 함께 작동하도록 설계되었으므로 다른 연결을 처리 할 때 전체 연결 계층 계산을 처리 할 수 있다고 말하면서도 완벽하게 연결된 계층을 처리하는이보다 효율적인 방법은 더 널리 사용됩니다.
그런 전용 칩으로는 어떤 일이 가능합니까?
Ambrogio는 개인용 장치에 인공 지능을 적용하고 두 번째로 데이터 센터를 효율적으로 만드는 두 가지 주요 응용 프로그램이 있다고 말하면서, 후자는 서버가 많은 전력을 소비하기 때문에 대형 기술 회사의 주요 관심사입니다.
인공 지능을 개인용 장치에 직접 적용하면 사용자는 클라우드에서 데이터를 공유하지 않아도 개인 정보를 저장할 수 있지만 Ambrogio는 더욱 흥미로운 전망은 인공 지능의 개인화라고 말했습니다.
그는 말했다 : '당신의 차 또는 스마트 폰에서 신경망의 적용, 그들은 당신의 경험에서 배울 계속할 수 있습니다.'
'휴대 전화는 당신의 목소리에 맞추어 개인화 될 것이고, 당신의 차는 당신의 습관에 기반하여 독특한 운전 스타일을 형성 할 것입니다.'