硬件|Floadia开发可长时间保留超高精度模拟数据的存储技术

通过独特的存储单元结构设计与控制方法 , 总部位于东京小平市的 Floadia 公司 , 刚刚开发出了一种“每单元 7 比特”的闪存芯片原型 。对于熟悉固态硬盘存储器发展历史的朋友 , 一定不会对 SLC、MLC、TLC、QLC、甚至 PLC 的发展历程感到陌生 。在现有的存储单元结构中 , 由于电荷泄露导致的特性变化和变异问题 , 无疑对数据的长期保存构成了巨大的挑战 。

硬件|Floadia开发可长时间保留超高精度模拟数据的存储技术
文章图片

(来自:Floadia , via AnandTech)
据悉 , 基于传统方法的存储单元结构 , 数据保持时间仅为 100 秒左右 。而 Floadia 新开发的 7-bit 闪存芯片原型 , 却能够在 150 ℃ 温度条件下 , 将模拟数据保持 10 年 。
为达成通过极低功耗来实现 AI 推理操作的目标 , Floadia 还将这项存储技术运用到了专门的内存计算(CiM)架构芯片上 。
该架构将神经网络权重存储在了非易失性存储器中 , 然后让电流流经存储器阵列 , 并执行大量乘法累加计算 。

硬件|Floadia开发可长时间保留超高精度模拟数据的存储技术
文章图片

【硬件|Floadia开发可长时间保留超高精度模拟数据的存储技术】作为边缘计算领域的 AI 加速器 , CiM 技术引发了全世界的关注 。因其能够从内存中读取大量数据 , 且比在 CPU / GPU 上执行乘法累加计算的传统 AI 加速器要消耗更少的能源 。
这种存储技术基于 Floadia 新开发的 SONOS 型闪存芯片 , 能够轻松集成到微控制器和其它装置中 。
为此 , Floadia 还开展了多项创新 , 例如优化电荷俘获层(ONO 薄膜)的结构 , 以大幅延长存储 7-bit 数据保持时间 。
双 Cell 组合最多可存储 8-bit 神经网络权重 , 尽管芯片面积很小 , 但还是能够实现远超现有 AI 加速器、高达 300 TOPS/W 的乘法累加计算性能 。
访问:
京东商城

    推荐阅读