Technologia bezpośredniej implementacji układów logicznych w nośniki danych ma ogromny potencjał ze względu na porzucenie potrzeby przemieszczania danych między układami. Oszczędza to energię, czas i przekłada się na wyższą wydajność, choć oczywiście kosztem wyższego skomplikowania oraz obniżenia stosunku pojemności do ceny i zajmowanego miejsca.
Czytaj też: Czym jest NFT? Niewymienialne tokeny mają swoje dobre i złe strony… zupełnie jak kryptowalut
Wspomniane LPDDR5X-6400 w symulacyjnych testach wykazały 2,3-krotny wzrost wydajności w operacjach rozpoznawania mowy, 1,8-krotny wzrost tłumaczenia z wykorzystaniem SI oraz 2,4-krotny wzrost generowania tekstu GPT-2. To wskazuje, że jest o co walczyć. Zwłaszcza jeśli w grę wchodzi pamięć MRAM. Dlaczego odpowiedź jest prosta?
Samsung pokazał pierwszy procesor wbudowany w pamięć MRAM
MRAM to akronim od Magnetoresistive Random Access Memory. Jego rozwinięcie od razu wskazuje, że to magnetooporowy RAM, którego historia sięga schyłku ubiegłego wieku. Niewiele się o nim słyszy, ale w przypadku technologii In-Memory Computing pamięć MRAM jest dosyć szczególna. Oferuje bowiem kilka bardzo atrakcyjnych cech – nieulotność, szybkość działania, wytrzymałość i ekonomię produkcji na dużą skalę.
Problem w tym, że do tej pory nikomu nie udało się połączyć MRAM z procesorem i uzyskać efektywnego dzieła przez niską rezystancję tej pamięci. Badań i eksperymentów jednak nie zaprzestano, bo z MRAM wiążę się wielkie nadzieje na poletku In-Memory Computing i wreszcie można powiedzieć, że wysiłki się opłaciły. Wszystko dzięki inżynierom Samsunga, którzy zademonstrowali wyjątkowy układ tego typu, używając do tego tablicy krzyżowej 64 × 64 opartej na komórkach MRAM. Na jego rychłą implementacje w konsumenckich urządzeniach oczywiście nie liczcie.
Sukces omawia publikacja “A crossbar array of magnetoresistive memory devices for in-memory computing” w dzienniku Nature, która wskazuje, że kluczem w tych urządzeniach okazało się właśnie wykorzystanie poprzecznej macierzy 64 × 64 opartej na komórkach MRAM. Ta ponoć zdołała pokonać problem niskiej rezystancji dzięki architekturze wykorzystującej sumowanie rezystancji dla analogowych operacji mnożenia i akumulacji.
Czytaj też: Brytyjski ARCHER2 już działa. Zajmuje 22 miejsce na liście najszybszych superkomputerów
W rzeczywistości układ przyjął postać wspomnianej macierzy zintegrowanej z elektroniką wykorzystywaną do przeprowadzania odczytów, a w zakresie obliczeń AI wykazał 98-procentową dokładność w klasyfikacji ręcznie pisanych cyfr i 93% w wykrywaniu twarzy. Co ciekawe, wedle naukowców ta technologia może być nie tylko wykorzystana do obliczeń in-memory, ale też w formie platformy do odwzorowywania biologicznych sieci neuronowych.