`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Леонід Бараш

Мемконденсаторы могли бы сделать компьютеры быстрее

+22
голоса

Мемристоры, мемконденсаторы и меминдуктивности могут сохранять данные даже без источника питания. Несколько приложений на базе этих устройств уже были предложены, но, возможно, одним из наиболее привлекательных является «мемвычисления» (memcomputing) – позаимствованная у мозга вычислительная парадигма, использующая возможности появляющихся наноразмерных устройств для хранения и обработки информации на одной и той же физической платформе.

Стандартные вычислительные архитектуры основаны на вычислительной парадигме фон Неймана, которая использует обработки и хранения информации блоки, которые физически отделены. Это, естественно, ограничивает производительность машины в терминах времени (бутылочное горлышко фон Нейман) и энергии в связи с большим количеством и скоростью перемещения данных между блоками. Таким образом, возможность вычислений и хранения данных в одном физическом блоке представляет собой привлекательную технологию.

Эта альтернативная вычислительная парадигма имеет свои корни в новой идеальной машине, которая является альтернативой парадигмы машины Тьюринга: Universal Memcomputing Machine (UMM). Грубо говоря, это позаимствованная у мозга архитектура, состоящая из взаимодействующих ячеек памяти, управляемых внешними сигналами. Эти машины не только преодолевать трудности бутылочного горлышка фон Неймана, но у них есть другие привлекательные черты, такие как «внутренний параллелизм», «функциональный полиморфизм» и «информационная избыточность».
Первая особенность означает, что группа связанных ячеек памяти в процессе вычислений работает одновременно и сообща. Вторая связана со способностью вычисления различных функций без изменения топологии сети машины, просто используя соответствующие входные сигналы. Последнее важное свойство, а именно, их информационная избыточность, связано с тем, что ячейки памяти, физически соединенные между собой, могут хранить несколько большее количество данных, чем те же ячейки памяти, но изолированные.

Многопрофильная группа исследователей из Независимого университета Барселоны в Испании, Калифорнийского университета в Сан-Диего, Университета Южной Каролины в США и Политехнического университета в Турине в Италии предложили реализацию «мемвычислений» на основе наноразмерных мемконденсаторов. Они предлагают и анализируют главное улучшение при использовании таких систем (конденсаторы с памятью) в качестве центральных элементов для СБИС – способность хранить и обрабатывать данные на той же физической платформе. Они называют эту архитектуру памяти Dynamic Computing Random Access Memory (DCRAM).

Используя стандартную конфигурацию динамической памяти с произвольным доступом (DRAM), где конденсаторы были заменены твердотельной мемемкостной (memcapacitive) системой, они показали возможность проведения операций чтения-записи и полиморфных логических операций лишь с помощью подачи импульсов модулированного напряжения на ячейки памяти. Основываясь на мемконденсаторах, DCRAM потребляет очень мало энергии за операцию. Это реальная мемвычислительная машина, которая преодолевает бутылочное горлышко фон Неймана и четко демонстрирует внутренний параллелизм и функциональный полиморфизм.

Мемконденсаторы могли бы сделать компьютеры быстрее

Динамическая вычисляющая RAM

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+22
голоса

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT