仪器信息网APP
选仪器、听讲座、看资讯

存储器和高能激光芯片设备有新突破!

进入 #半导体新技术、新成果发布阅读更多话题内容

导读:明尼苏达大学团队研发计算随机存取存储器CRAM,显著降低AI处理能耗;斯坦福大学设计微型钛蓝宝石激光器,适用于量子计算、神经科学及微型手术领域。

近日,《nature》杂志更新了两则最新研究,明尼苏达大学团队研究出计算随机存取存储器CRAM,可以极大地减少人工智能(AI)处理所需的能量消耗;斯坦福大学的研究人员则在芯片上设计开发出一台微型的钛蓝宝石 (Ti:Sa) 激光器,可用于未来的量子计算机、神经科学等领域。

明尼苏达大学研究出计算随机存取存储器CRAM

近期,《nature》杂志的同行评议科学期刊《npj Unconventional Computing》发布了一项名为计算随机存取存储器(Computational Random-Access Memory, CRAM)的最新研究,该新技术能够极大地减少人工智能(AI)处理所需的能量消耗。

存储器和高能激光芯片设备有新突破!

图片来源:《nature》截图

据悉,这项技术由明尼苏达大学双城分校的一组工程研究人员开发,该校电气与计算机工程系博士后研究员、论文第一作者杨吕表示,这项工作是 CRAM 的首次实验演示,其中数据可以完全在存储器阵列内处理,而无需离开计算机存储信息的网格。

国际能源署(IEA)于2024年3月发布了全球能源使用预测,预测人工智能的能源消耗可能会从2022年的460太瓦时(TWh)增加一倍至2026年的1,000 TWh。这大致相当于日本整个国家的电力消耗。

目前,随着人工智能应用需求的不断增长,许多研究人员一直在寻找方法来创建更节能的流程,同时保持高性能和低成本。通常机器或人工智能流程在逻辑和内存之间传输数据会消耗大量的电力和能源。

据悉,这项研究已经进行了二十多年,其最早可以追溯到电气与计算机工程系教授王建平在使用MTJ(磁隧道结)纳米设备进行计算方面的开创性工作。“我们20年前直接使用存储单元进行计算的最初想法被认为是疯狂的”,该论文的资深作者、明尼苏达大学电气与计算机工程系杰出 McKnight 教授兼 Robert F. Hartmann主席王建平 (Jian-Ping Wang) 表示。

2022年1月3日,明尼苏达大学理工学院宣布,明大“Distinguished McKnight University Professor”王建平博士当选美国国家发明家科学院(National Academy of Inventors - NAI)院士。

MTJ器件是一种纳米结构器件,这是一种利用磁性材料实现存储的新兴技术。在王建平的专利 MTJ研究的基础上,这个团队开发出了磁性RAM (MRAM),目前这种技术已用于智能手表和其他嵌入式系统。在CRAM中,MTJ不仅仅用于存储数据,还被用来执行计算任务。通过精确控制MTJ的状态,可以实现诸如AND、OR、NAND、NOR和多数逻辑运算等基本逻辑操作。

CRAM技术采用了高密度、可重构的自旋电子(spintronic)计算基底,直接嵌入到内存单元中。与三星的PIM技术相比,CRAM技术使数据无需离开内存即可进行处理,消除了数据在内存单元与处理单元之间的长距离传输。CRAM通过消除数据在内存和处理单元之间的移动,显著降低了能耗。此外,由于CRAM的计算直接发生在内存中,它还提供了更好的随机访问能力、可重构性以及大规模并行处理能力。

存储器和高能激光芯片设备有新突破!


CRAM 架构实现了真正的在内存中进行计算,打破了传统冯·诺依曼架构中计算与内存之间的瓶颈——冯·诺依曼架构是一种存储程序计算机的理论设计,是几乎所有现代计算机的基础。

CRAM技术展现了巨大的潜力,尤其是在机器学习、生物信息学、图像处理、信号处理、神经网络和边缘计算等领域。例如,一项基于CRAM的机器学习推理加速器的研究表明,它在能量延迟乘积方面的性能比现有技术提高了大约1000倍。此外,CRAM在执行MNIST手写数字分类任务时,能耗和时间分别降低了2500倍和1700倍。

当下CRAM技术展现出巨大的潜力,但其真实计算能力的局限在于连续CRAM数组内部。任何需要跨越不同CRAM数组的数据访问和计算都会增加额外的数据移动开销。未来,研究人员仍需应对可扩展性、制造和与现有硅片集成方面的挑战。他们已计划与半导体行业领导者进行演示合作,以帮助将CRAM变成商业现实。

高能激光芯片设备研究有新突破!

近日,斯坦福大学的研究人员在芯片上设计开发出一台微型的钛蓝宝石 (Ti:Sa) 激光器,相关研究已于6月26日更新在《nature》杂志上。原型机的体积仅为传统传统钛宝石激光器的万分之一,而生产成本也仅有原来的千分之一。总体而言,新设备同时解决了体积大、价格高等挑战,而且在规模效率方面也具有优势。

目前传统激光器成本高达10万美元。但科学家认为,采用杂志上提及的最新方法,每台激光器的成本可能会降至100美元。他们还声称,未来可以在一块四英寸晶圆上安装数千台激光器,而每台激光器的成本将降至最低。这些小型激光器可用于未来的量子计算机、神经科学,甚至微观手术。

存储器和高能激光芯片设备有新突破!

图片来源:《nature》截图

实验性激光依赖于两个关键过程。首先,他们将蓝宝石晶体研磨成厚度仅为几百纳米的一层。然后,他们制作出一个由微小脊线组成的旋涡,并用绿色激光笔照射其中。随着旋涡的每次旋转,激光的强度都会增加。“最棘手的部分之一是平台的生产,”这项研究的共同第一作者、斯坦福大学博士生Joshua Yang告诉《生活科学》。“蓝宝石是一种非常坚硬的材料。当你研磨它时,它常常不喜欢它,它会破裂,或者损坏你用来研磨的东西。”

存储器和高能激光芯片设备有新突破!

激光的强度通过晶体表面的一系列涡流增加

(图源:Joshua Lang 等人,《自然》杂志)

该学术团队对这项技术十分看好,主要原因在于这台最新激光器可以调节到不同的波长;具体来说,从 700 到 1,000 纳米,或从红光到红外光。杨教授以固态量子比特为例,指出这对于原子研究人员来说至关重要。“这些原子系统需要不同的能量(才能从一种状态过渡到另一种状态),”他说。“如果你购买的激光器增益带宽较小,而另一种过渡超出了该带宽,那么你就必须购买另一种激光器来解决该问题。”

目前, Joshua Yang和他的同事已创建了一家名为Brightlight Photonics 的公司,以实现这项技术商业化。



来源于:全球半导体观察

打开APP,掌握第一手行业动态
打赏
点赞

近期会议

更多

热门评论

新闻专题

更多推荐

写评论…
0

近日,《nature》杂志更新了两则最新研究,明尼苏达大学团队研究出计算随机存取存储器CRAM,可以极大地减少人工智能(AI)处理所需的能量消耗;斯坦福大学的研究人员则在芯片上设计开发出一台微型的钛蓝宝石 (Ti:Sa) 激光器,可用于未来的量子计算机、神经科学等领域。

明尼苏达大学研究出计算随机存取存储器CRAM

近期,《nature》杂志的同行评议科学期刊《npj Unconventional Computing》发布了一项名为计算随机存取存储器(Computational Random-Access Memory, CRAM)的最新研究,该新技术能够极大地减少人工智能(AI)处理所需的能量消耗。

存储器和高能激光芯片设备有新突破!

图片来源:《nature》截图

据悉,这项技术由明尼苏达大学双城分校的一组工程研究人员开发,该校电气与计算机工程系博士后研究员、论文第一作者杨吕表示,这项工作是 CRAM 的首次实验演示,其中数据可以完全在存储器阵列内处理,而无需离开计算机存储信息的网格。

国际能源署(IEA)于2024年3月发布了全球能源使用预测,预测人工智能的能源消耗可能会从2022年的460太瓦时(TWh)增加一倍至2026年的1,000 TWh。这大致相当于日本整个国家的电力消耗。

目前,随着人工智能应用需求的不断增长,许多研究人员一直在寻找方法来创建更节能的流程,同时保持高性能和低成本。通常机器或人工智能流程在逻辑和内存之间传输数据会消耗大量的电力和能源。

据悉,这项研究已经进行了二十多年,其最早可以追溯到电气与计算机工程系教授王建平在使用MTJ(磁隧道结)纳米设备进行计算方面的开创性工作。“我们20年前直接使用存储单元进行计算的最初想法被认为是疯狂的”,该论文的资深作者、明尼苏达大学电气与计算机工程系杰出 McKnight 教授兼 Robert F. Hartmann主席王建平 (Jian-Ping Wang) 表示。

2022年1月3日,明尼苏达大学理工学院宣布,明大“Distinguished McKnight University Professor”王建平博士当选美国国家发明家科学院(National Academy of Inventors - NAI)院士。

MTJ器件是一种纳米结构器件,这是一种利用磁性材料实现存储的新兴技术。在王建平的专利 MTJ研究的基础上,这个团队开发出了磁性RAM (MRAM),目前这种技术已用于智能手表和其他嵌入式系统。在CRAM中,MTJ不仅仅用于存储数据,还被用来执行计算任务。通过精确控制MTJ的状态,可以实现诸如AND、OR、NAND、NOR和多数逻辑运算等基本逻辑操作。

CRAM技术采用了高密度、可重构的自旋电子(spintronic)计算基底,直接嵌入到内存单元中。与三星的PIM技术相比,CRAM技术使数据无需离开内存即可进行处理,消除了数据在内存单元与处理单元之间的长距离传输。CRAM通过消除数据在内存和处理单元之间的移动,显著降低了能耗。此外,由于CRAM的计算直接发生在内存中,它还提供了更好的随机访问能力、可重构性以及大规模并行处理能力。

存储器和高能激光芯片设备有新突破!


CRAM 架构实现了真正的在内存中进行计算,打破了传统冯·诺依曼架构中计算与内存之间的瓶颈——冯·诺依曼架构是一种存储程序计算机的理论设计,是几乎所有现代计算机的基础。

CRAM技术展现了巨大的潜力,尤其是在机器学习、生物信息学、图像处理、信号处理、神经网络和边缘计算等领域。例如,一项基于CRAM的机器学习推理加速器的研究表明,它在能量延迟乘积方面的性能比现有技术提高了大约1000倍。此外,CRAM在执行MNIST手写数字分类任务时,能耗和时间分别降低了2500倍和1700倍。

当下CRAM技术展现出巨大的潜力,但其真实计算能力的局限在于连续CRAM数组内部。任何需要跨越不同CRAM数组的数据访问和计算都会增加额外的数据移动开销。未来,研究人员仍需应对可扩展性、制造和与现有硅片集成方面的挑战。他们已计划与半导体行业领导者进行演示合作,以帮助将CRAM变成商业现实。

高能激光芯片设备研究有新突破!

近日,斯坦福大学的研究人员在芯片上设计开发出一台微型的钛蓝宝石 (Ti:Sa) 激光器,相关研究已于6月26日更新在《nature》杂志上。原型机的体积仅为传统传统钛宝石激光器的万分之一,而生产成本也仅有原来的千分之一。总体而言,新设备同时解决了体积大、价格高等挑战,而且在规模效率方面也具有优势。

目前传统激光器成本高达10万美元。但科学家认为,采用杂志上提及的最新方法,每台激光器的成本可能会降至100美元。他们还声称,未来可以在一块四英寸晶圆上安装数千台激光器,而每台激光器的成本将降至最低。这些小型激光器可用于未来的量子计算机、神经科学,甚至微观手术。

存储器和高能激光芯片设备有新突破!

图片来源:《nature》截图

实验性激光依赖于两个关键过程。首先,他们将蓝宝石晶体研磨成厚度仅为几百纳米的一层。然后,他们制作出一个由微小脊线组成的旋涡,并用绿色激光笔照射其中。随着旋涡的每次旋转,激光的强度都会增加。“最棘手的部分之一是平台的生产,”这项研究的共同第一作者、斯坦福大学博士生Joshua Yang告诉《生活科学》。“蓝宝石是一种非常坚硬的材料。当你研磨它时,它常常不喜欢它,它会破裂,或者损坏你用来研磨的东西。”

存储器和高能激光芯片设备有新突破!

激光的强度通过晶体表面的一系列涡流增加

(图源:Joshua Lang 等人,《自然》杂志)

该学术团队对这项技术十分看好,主要原因在于这台最新激光器可以调节到不同的波长;具体来说,从 700 到 1,000 纳米,或从红光到红外光。杨教授以固态量子比特为例,指出这对于原子研究人员来说至关重要。“这些原子系统需要不同的能量(才能从一种状态过渡到另一种状态),”他说。“如果你购买的激光器增益带宽较小,而另一种过渡超出了该带宽,那么你就必须购买另一种激光器来解决该问题。”

目前, Joshua Yang和他的同事已创建了一家名为Brightlight Photonics 的公司,以实现这项技术商业化。