حافظه جدید مهندسان استنفورد: به سرعت SRAM و به ارزانی DRAM

در حالی که توان خام پردازشی برای کاربردهای هوش مصنوعی با سرعت سرسام آوری در حال پیشرفت است، پهنای باند حافظه به یکی از گلوگاه های اصلی این حوزه تبدیل شده است. حال پژوهشگران دانشگاه استنفورد نوع جدیدی از حافظه های «Gain Cell» را توسعه داده اند که می‌تواند پلی بین سرعت حافظه های SRAM و قیمت پایین DRAM باشد.

بر اساس گزارش IEEE Spectrum، در سایه تلاش‌های مستمر برای توسعه سخت‌افزارهای کارآمدتر در حوزه هوش مصنوعی، پژوهشگران دانشگاه استنفورد در حال پیشرفت در طراحی نوع جدیدی از حافظه ترکیبی هستند که چگالی بالای DRAM را با سرعت بالای SRAM ترکیب می‌کند. این پروژه که بخشی از «مرکز سخت‌افزار هوش مصنوعی کالیفرنیا-پاسیفیک-شمال غربی» است، از حمایت مالی قانون CHIPS به مبلغ 16.3 میلیون دلار بهره‌مند شده است.

مشکل اصلی حافظه در هوش مصنوعی: مصرف انرژی و انتقال داده

به گفته دکتر هوانگ-س. فیلیپ وانگ، مهندس برق از دانشگاه استنفورد و رئیس این مرکز، انتقال مداوم داده بین پردازنده و حافظه، عملکرد پردازنده‌های گرافیکی را کند کرده و عامل اصلی مصرف بالای انرژی در سیستم‌های هوش مصنوعی محسوب می‌شود. او توضیح می‌دهد که حافظه‌های سریع‌تر و چگال‌تر روی تراشه می‌توانند این مشکل را کاهش دهند. تیم تحقیقاتی او به دنبال ایجاد گزینه‌های بهتری برای طراحان است تا بتوانند بسته به نیاز خود، بین سرعت و صرفه‌جویی انرژی بهترین انتخاب را داشته باشند.

سلول حافظه جدید با قابلیت تقویت سیگنال: ترکیب فناوری DRAM و SRAM

تیم استنفورد یک طرح جدید به نام حافظه Gain Cell ارائه کرده است که از مزایای DRAM و SRAM بهره می‌برد. در حالی که DRAM دارای تراکم بالا و مصرف فضای کم است، سرعت خواندن آن نسبتاً پایین است. از سوی دیگر، SRAM با سرعت خواندن بالا، فضای بیشتری روی تراشه اشغال می‌کند. حافظه ترکیبی جدید با افزودن یک ترانزیستور دوم به سلول حافظه DRAM، عملکردی نزدیک به SRAM ارائه می‌دهد.

شو‌هان لیو، دانشجوی دکتری مهندسی برق در استنفورد، توضیح می‌دهد:

در حافظه DRAM هر بار که اطلاعات را می‌خوانید، آن را پاک می‌کنید و باید دوباره اطلاعات خوانده شده را روی حافظه بنویسید. اما در Gain Cell خواندن اطلاعات به صورت تقویت شده انجام می‌شود بدون آنکه داده پاک شود.

یکی از چالش‌های اصلی در این نوع حافظه، نشت داده‌ها در ترانزیستورهای سیلیکونی و کندی خواندن در ترانزیستورهای MOS بود. اما تیم استنفورد با ترکیب ترانزیستور خواندن سیلیکونی و ترانزیستور نوشتن از جنس اکسید ایندیوم قلع موفق به رفع این مشکلات شد. نتیجه این ترکیب، حافظه‌ای با عملکرد بالا و ماندگاری داده بیش از 5000 ثانیه بود که در مقایسه با DRAM معمولی، که نیاز به تازه‌سازی هر 64 میلی‌ثانیه دارد، یک پیشرفت چشمگیر محسوب می‌شود.

آینده حافظه Gain Cell

دکتر وانگ معتقد است که این حافظه‌های ترکیبی می‌توانند مستقیما در کنار مدارهای منطقی روی تراشه‌های منطقی به کار رفته و باعث بازطراحی معماری رایانه‌ها شوند. او این پیشرفت را به ارتقاء از یک دوچرخه سه دنده به یک دوچرخه بیست دنده تشبیه می‌کند.

در همین رابطه بخوانید:

- DRAM چیست؟ عملکرد حافظه DRAM در GPU و RAM چگونه است؟
- حافظه رم CUDIMM چیست و چه مزایایی نسبت به حافظه DDR5 معمولی دارد؟

این فناوری، که اولین بار در ژوئن در سمپوزیوم فناوری و مدارات VLSI IEEE ارائه شد، نویدبخش آینده‌ای است که در آن حافظه‌های پیشرفته‌تر و کارآمدتر، امکان توسعه سریع‌تر سیستم‌های هوش مصنوعی را فراهم می‌کنند.