EO_499

DIGITAL FLASH NAND ELETTRONICA OGGI 499 - GENNAIO/FEBBRAIO 2022 53 Nel comparto automotive, il throughput riveste un ruolo estremamente importante nel processo di selezione di una memoria, inmodo particolare nei sistemi ADAS estremamente importante nel processo di selezione di una memoria, in modo particolare nei sistemi di assistenza avanzata alla guida. Il quadro strumenti aggiunti ai display digitali dei moderni autoveicoli è progettato per assicurare al guidatore un’informazione completa e affidabile in ogni momento. Questi display devono accendersi istantaneamente ed essere in grado di generare immagini 2D/3D in modo rapido e accurato. Nei quadri strumenti di questo tipo si utilizzano solitamente memorie NOR con interfaccia SPI (quadrupla oppure ottale) da sole o in abbinamento con una eMMC. Come accennato in precedenza, caratteristiche e funzionalità stanno diventando sempre più complesse e sofisticate, con conseguente incremento della dimensione del codice. Un codice di dimensioni più ampie richiede memorie caratterizzate da una maggiore densità che a loro volta sono più costose. Senzadimenticareche,nonostantelemaggioridimensioni del codice, il tempo di avvio deve rimanere lo stesso, se non addirittura diminuire. Si tratta di un aspetto molto importante per il settore automotive: ad esempio un guidatore quando preme il pulsante preposto, molteplici schermate devono aprirsi contemporaneamente. Per le applicazioni OTA, il requisito principale è il tempo di cancellazione/programmazione perché l’obiettivo in questo caso è l’aggiornamento dei codici per cui maggiore è la velocità di queste operazioni, minore sarà il tempo richiesto. Le automobili, e in particolare i veicoli elettrici, così come numerosi dispositivi consumer sfruttano in misura sempre maggiore la modalità OTA per le sue doti di flessibilità e semplicità d’uso per l’utilizzatore. Si tratta di dispositivi mobili che richiedono una modalità facile ed efficiente per ricevere aggiornamenti critici. Tra le altre applicazioni che richiedono la disponibilità dei dati in tempi brevissimi e un elevato throughput si possono annoverare l’intelligenza artificiale (AI) e il riconoscimento facciale. Nelle applicazioni di intelligenza artificiale di solito è necessario far girare un’ampia gamma di modelli di addestramento prima che possa essere presa una decisione per il dispositivo finale che indichi a quest’ultimo come agire. Per fare ciò, questi modelli di addestramento devono essere archiviati emolto spesso di tratta di modelli di grandi dimensioni che devono essere elaborati. Nel caso della guida autonoma, tali modelli devono essere caricati nella DRAM da una memoria NAND con un throughput molto elevato in quanto la decisione deve essere presa in un brevissimo lasso di tempo (dell’ordine dei millisecondi). Senza dimenticare che le decisioni devono essere molto accurate, in quanto può trattarsi ad esempio di evitare un pedone o un altro veicolo. La velocità di trasmissione dati (data throughput) è un parametro decisamente critico e deve essere praticamente istantanea.