Новые технологии энергонезависимой памяти

Технологии памяти играют центральную роль в современных вычислительных системах, выполняя важнейшие функции, варьирующиеся от первичного хранения данных до сложных задач, таких как вычисления в оперативной памяти для приложений искусственного интеллекта и машинного обучения. Изначально разработанные исключительно для хранения данных, эти технологии развиваются для поддержки новых парадигм, таких как вычисления в оперативной памяти, где обработка происходит непосредственно в массиве. Это развитие значительно повышает вычислительную эффективность за счёт минимизации передачи данных между процессорами и памятью, что приводит к увеличению скорости и снижению энергопотребления, критически важных факторов для рабочих нагрузок. Такие высокие требования стимулируют инновации, выходящие за рамки традиционных технологий комплементарных металл-оксид-полупроводников (CMOS). Новые энергонезависимые запоминающие устройства (eNVM — nonvolatile memory) представляют собой перспективный класс технологий, предназначенных для замены или расширения традиционных энергозависимых запоминающих устройств, таких как оперативное запоминающее устройство (ОЗУ). В отличие от ОЗУ, в котором информация теряется при отключении питания, устройства энергонезависимой памяти сохраняют целостность данных при перебоях питания и выключении системы.

Существует острая потребность в новых устройствах памяти, сочетающих в себе лучшие характеристики современных технологий, включая совместимость с КМОП-технологией и возможность масштабирования, превышающего текущие ограничения статической памяти с произвольным доступом (SRAM) и флэш-памяти. Технология памяти с такими характеристиками подойдёт, как для автономных, так и для встраиваемых приложений в области аналоговой и цифровой обработки. Ожидается, что такая технология произведёт революцию в архитектуре компьютеров, а особенно мощных серверов для дата-центров.

Встраиваемые полупроводниковые запоминающие устройства достигли 28 нанометров, после чего столкнулись с препятствием от минимизации из-за утечки заряда. Энергонезависимая память обладает существенными преимуществами, а степень энергонезависимости измеряется временем хранения данных. Флэш-память считается базовой энергонезависимой памятью, поскольку она является зрелой, хорошо оптимизированной и имеет значительное коммерческое присутствие. Прототипные технологии разработки памяти достигают зрелости, когда выходят на уровень коммерческой доступности, а также обладают обширной научной, технологической и системной базой знаний. Неспособность устройств с зарядовой памятью достичь нанометровой толщины слоёв перенаправила технологический интерес в сторону трёхмерной компоновки ячеек флэш-памяти NAND и условно «новых» устройств, подразделяющихся сейчас на шесть основных классов:
1. новые магнитные (MRAM);
2. сегнетоэлектрические (FeRAM);
3. резистивные на основе оксидов (ReRAM)
4. запоминающие устройства с фазовым переходом (PCM или PRAM);
5. проводящая мостовая оперативная память (CBRAM);
6. матричная двухмерная (2D RAM);

Органические и молекулярные запоминающие устройства, такие как память Мотта или хранилище данных на основе ДНК, остаются на ранних стадиях разработки и ещё готовятся к технологическим инновациям.

Вычисления и обработка на основе появляющихся новых типов станут незаменимыми для будущих вычислительных систем, благодаря уникальным характеристикам, энергонезависимости, побайтовой адресации, высокой плотности, масштабируемости и потребности в почти нулевом энергопотреблении в режиме ожидания. Ожидается, что интеграция новых запоминающих устройств с синаптической памятью, которая, как ожидается, получит широкое распространение в ближайшие несколько лет, произведёт революцию в будущих вычислительных архитектурах и улучшит существующие системы, с точки зрения производительности и возможностей обработки. Они будут использоваться для специфических задач, начиная от систем хранения данных и заканчивая периферийными средами. Возможно будут применены в облачных вычислениях и децентрализованных приложениях на блокчейне.

Все эти новые разновидности предлагают разработчикам широкий выбор вариантов, в зависимости от желаемых характеристик и условий эксплуатации. Каждая технология обладает уникальным набором преимуществ, включая долговечность, эффективность и пригодность для конкретных условий или задач. Инновации в выборе материалов и точности производства позволяют устройствам памяти надёжно работать в экстремальных условиях, включая высокие температуры и высокую радиацию, без ухудшения характеристик, что является критически важным фактором для аэрокосмической отрасли и геотермальной разведки.

В быстро развивающейся области микроэлектроники двумерные (2D) материалы стали перспективным направлением благодаря своим уникальным физическим свойствам и масштабируемости. Эти материалы обладают потенциалом для революционных изменений в области устройства принципиально новой архитектуры, благодаря возможности гибкого проектирования на атомарном уровне и совместимости с существующими технологиями. Они облегчают создание устройств, которые не только быстрее и энергоэффективнее, но и способны легко интегрироваться с современными технологиями, тем самым повышая общую производительность электронных систем. Масштабируемость открывает путь для массового производства. Благодаря постоянному прогрессу в процессах синтеза и переноса эти материалы становятся все более доступными для более широкого применения, что знаменует собой новую эру развития технологий памяти, которые могут удовлетворить будущие потребности в вычислительной технике и хранении данных.

В отличие от традиционных технологий, резистивный (ReRAM) и синаптический (Synaptic RAM) тип поддерживают вычисления в оперативной памяти, обеспечивая энергонезависимость, что обеспечивает низкую задержку и энергоэффективную обработку данных. Их способность выполнять аналоговые операции умножения и накопления непосредственно в массивах самой памяти устраняет необходимость в энергоёмкой передаче информации между памятью и процессорами, что является узким местом в традиционных архитектурах. Это делает их идеальными для современных вычислительных систем, где важнейшими характеристиками являются логический вывод в режиме реального времени, низкое энергопотребление и компактный дизайн.

Эти технологии особенно хорошо подходят для нейроморфных и адаптивных систем. Синаптическая оперативная память, основанная на биологических синапсах, может реализовывать такие правила обучения, как зависящая от времени возникновения импульсов пластичность (STDP), обеспечивая обучение на основе аппаратных средств и оперативность реагирования в режиме реального времени в динамично меняющихся средах. Эта возможность необходима для автономных устройств Интернета вещей, которые учатся на новых стимулах и адаптируются к ним без постоянного подключения к облаку. Кроме того, энергонезависимость позволяет системам Интернета вещей сохранять рабочие состояния при всех циклах питания, тем самым повышая надёжность и обеспечивая возможность мгновенного включения в условиях ограниченного энергопотребления или при перебоях в подаче электропитания.

По мере роста спроса на интеллектуальные децентрализованные системы оперативная память xRAM и Synaptic открывает возможности для создания масштабируемых, маломощных и надёжных вычислительных платформ. Их высокая плотность, совместимость с 3D-интеграцией и потенциал монолитной интеграции со CMOS-схемами делают их ключевыми в развитии аппаратного обеспечения для искусственного интеллекта и Интернета вещей. Эти технологии поддерживают концепцию распределённого интеллекта, обеспечивая бесперебойные, автономные и зависящие от контекста вычисления в широком спектре приложений, включая интеллектуальные датчики, передовую аналитику и многое другое.

Интеграция технологий энергонезависимой памяти (NVM) на гибких подложках получила значительный импульс благодаря новым приложениям в носимой электронике, мягкой робототехнике и распределённых системах Интернета вещей (IoT). Этим системам требуются элементы памяти, которые не только сохраняют данные без питания, но и выдерживают механические деформации, такие как изгиб, растяжение и скручивание. Среди различных представленных технологий, именно магнитные (ReRAM) и сегнетоэлектрические (FeRAM) продемонстрировали наиболее высокую производительность на гибких платформах. ReRAM, с его простой структурой металл-изолятор-металл и совместимостью с низкотемпературной обработкой, показал превосходную механическую прочность и сохранение данных на полимерных подложках, таких как ПЭТ или полиимид. FeRAM обеспечивают низковольтное переключение и стабильные состояния поляризации, демонстрируя надёжность в течение тысяч механических циклов.

В последнее время активно изучаются технологии молекулярной памяти, демонстрирующие большие перспективы для периферийных вычислений на базе искусственного интеллекта и биоинспирированных устройств. Органические материалы с настраиваемыми молекулярными структурами и связанными с ними электрическими, оптическими, термическими и химическими свойствами могут служить альтернативой традиционным запоминающим устройствам в специальных нейроморфных вычислительных алгоритмах. Изменчивые и динамичные электрические характеристики органических материалов и устройств могут имитировать функциональные возможности биологических нейрональных и синаптических реакций, включая пластичность, зависящую от времени или от частоты возникновения импульсов, а также долгосрочную и краткосрочную пластичность.

Последние достижения в области материалов и технологий изготовления (например, струйная или трансферная печать), позволили изготавливать энергонезависимую память непосредственно на пластиковых подложках без ущерба для механической целостности. Гибридные системы, использующие двумерные материалы и наноструктурированные диэлектрики, повысили производительность устройства при нагрузках. Несмотря на эти достижения, сохраняются проблемы, связанные с обеспечением долговременной механической надёжности, сохранением данных при изгибе и интеграцией с логическими и чувствительными элементами в полностью гибкие системы. Будущая разработки в данном сегменте будут сосредоточены на монолитной интеграции, аддитивном производстве целых массивов памяти и разработке усовершенствованных методов инкапсуляции для стабильной работы в динамичных средах.

Оцените статью
Партия Портал