EO_489

TECH-FOCUS MEMORIES 44 - ELETTRONICA OGGI 489 - OTTOBRE 2020 I contendenti della DRAM Come per la SRAM, l’industria da anni sta cercando di sostituire anche la DRAM. Nelle architetture attuali dei sistemi di calcolo, i dati si spostano tra un processore e la DRAM. Ma a volte questo scambio causa latenza e aumento di consumo energetico. La DRAM è rimasta indietro per quanto riguarda i requisiti di larghezza di banda. Le moderne applicazioni richiedono sempre più memoria. Questo problema è peggiorato con l’av- vento delle applicazioni di apprendimento automatico che richiedono molta memoria. In questo scenario si presentano diverse opzioni: restare con la DRAM, sostituire la DRAM, impilare la DRAM in moduli di memoria con larghezza di banda eleva- ta, o passare ad una nuova architettura. La buona notizia è che l’industria stà già migrando dall’interfaccia standard DDR4 alla tecnologia di prossima generazione DDR5. Ad esempio, Samsung ha recente- mente introdotto un dispositivo DRAM mobi- le: LPDDR5 da 12 GB. Con una velocità dati di 5.500 Mb/s, ovve- ro, 1,3 volte più veloce dei chip LPDDR4. Tuttavia, gli OEM avranno presto altre scel- te di memoria oltre alle DRAM DDR5. Un gruppo di lavoro all’interno dello JEDEC stà sviluppando la nuova specifica DDR5 NVRAM che alla fine consentirà agli OEM di rilasciare vari nuovi dispositivi di memoria in un socket DDR5 senza modifiche sostan- ziali. Tuttavia, è difficile sostituire sia la DRAM che la NAND. Sono economiche, consolidate e in grado di gestire la maggior parte delle attività. Inoltre, hanno entrambe tabelle di marcia per futuri miglioramenti. Un nuovo tipo di memoria, la 3D XPoint, sta guadagnando forza. Introdotta da Intel nel 2015, la 3D XPoint si basa sulla tecnologia PCM. La PCM viene prevalentemente utilizzata nei sistemi SSD e DIMM. Attualmente, Intel e Micron stanno sviluppando la prossima versione di PCM, che apparirà entro il 2020. Attualmente sono disponibili 3D XPoint a 128 Gbit, ma ci si aspetta di arrivare ai 256 Gbit. Le memorie nelle applicazioni AI In lavorazione da anni, la ReRAM una volta era pubblicizzata come sostituta della NAND. Ma la NAND si è ridimensionata più di quanto si pensasse in precedenza, facen- do riposizionare indietro la ReRAM. Oggi, l’utilizzo delle ReRAM è orientato verso applicazioni dell’Intelligenza Artificiale in sostituzione della DRAM. Crossbar , azienda impegnata nella realizzazione delle ReRAM, sta sviluppando un dispositivo ReRAM auto- nomo che potrebbe potenzialmente rimpiaz- zare la DRAM. Anche la tecnologia ReRAM di Crossbar è mirata all’apprendimento automatico che implica funzionalità avanzate sulle reti neu- rali. Nelle reti neurali, un sistema analizza i dati e identifica i modelli, abbinando deter- minati schemi e apprendendo quali attributi siano importanti. La ReRAM è destinata ad applicazioni anco- ra più avanzate, aprendosi così grandi opportunità di nuove modalità di utilizzo, come il calcolo analogico e il calcolo neu- romorfo, quest’ultima più rivolta al settore della ricerca. L’informatica neuromorfa utilizza anche reti neurali, per questo, si sta tentando di utiliz- zare avanzate memorie ReRAM per replica- re il cervello umano. L’obiettivo è quello di imitare il modo in cui le informazioni si muovono nel dispositivo usando impulsi sincronizzati. Molte ricerche sono in corso in questo settore, in particola- re sul fronte dei nuovi materiali che posso- no fare la differenza. Ci sono due aspetti riguardo ai materiali. Uno comporta considerazioni sulla velocità e durata; il secondo tiene conto della fab- bricabilità e difettosità, ma, in ultima anali- si, entrambi implicano rendimento e costi. L’interesse per le architetture neuromorfe sta crescendo con l’adozione e la diffusione dell’AI, per necessità sia di potenza sia di prestazioni. La startup di Leti e la ReRAM di Weebit Nano , recentemente hanno realizzato una forma di calcolo neuromorfo dimostrando il successo di applicazioni di riconoscimento degli oggetti. La demo sperimentale ha utilizzato la tecno- logia ReRAM di Weebit e avanzati algoritmi di rete neurale. L’intelligenza artificiale si sta espandendo rapidamente, applicazioni nei settori del riconoscimento facciale, veicoli autonomi e nella prognosi medica, sono solo alcune sfide che devono affrontare i costruttori della futura generazione di memorie.