盡管需要更好的內(nèi)存，但要滿足嵌入式內(nèi)存解決方案和設(shè)備的 28 納米設(shè)計標準和更小的占用空間，仍然存在很多困難。再加上傳統(tǒng)的馮諾依曼數(shù)據(jù)瓶頸綜合癥，傳統(tǒng)內(nèi)存的升級空間優(yōu)先。

　　一種可能的解決方案是相變存儲器，這是一種非易失性隨機存取存儲器，即使斷電也能保留存儲的數(shù)據(jù)，并在不離開存儲器本身的情況下提供計算分析。

　　PCM 的架構(gòu)

　　PCM 的基本原理可以追溯到 1960 年代，最初的開發(fā)目前已由意法半導體獲得專利，尺寸達到 28 納米。PCM 的一些優(yōu)勢包括數(shù)據(jù)保留、低功耗特性以及在高達 165 攝氏度的工作溫度下的穩(wěn)健性能。

　　PCM 研究的美妙之處在于如何改變分子或原子結(jié)構(gòu)可以讓其他開發(fā)人員創(chuàng)造一種新的方法來建立在原始開發(fā)的基礎(chǔ)上，并在下一代納米技術(shù)中實現(xiàn)更小的幾何形狀。本文將介紹推動 PCM 走向未來的一些最新進展和研究；

　　然而，在深入探討之前，讓我們先簡單談談日益增長的存儲設(shè)備——馮諾依曼瓶頸。

　　超越馮諾依曼架構(gòu)

　　1945 年，數(shù)學家和物理學家約翰·馮·諾依曼開發(fā)了一種計算機體系結(jié)構(gòu)，該體系結(jié)構(gòu)由用于程序和數(shù)據(jù)的單個共享內(nèi)存組成。該技術(shù)包括用于內(nèi)存訪問的單一總線、算術(shù)單元和程序控制單元。幾乎所有的 CPU 都基于這種架構(gòu)。

　　馮諾依曼架構(gòu)的概述

　　然而，如果處理器和計算機的架構(gòu)偏離這個基本模型會怎樣？

　　可以通過替代設(shè)計達到新的計算水平，適當?shù)匾暈榉邱T諾依曼架構(gòu)。

　　從人腦中獲得靈感，開發(fā)非馮諾依曼計算方法創(chuàng)建了一個可以提供內(nèi)存計算的系統(tǒng)，以減輕數(shù)據(jù)流量的積累。當任務和存儲在內(nèi)存本身內(nèi)執(zhí)行時，冗余被消除。PCM 可以利用這種以數(shù)據(jù)為中心的計算架構(gòu)來解決傳統(tǒng)的馮諾依曼瓶頸。

　　斯坦福的柔性 PCM 研究

　　斯坦福大學的電氣工程研究方面很優(yōu)秀。研究的范圍包括物理技術(shù)、信息系統(tǒng)、硬件系統(tǒng)和可再生能源。在他們的EE 部門內(nèi)有 Pop's Lab，這是一個由斯坦福大學教授 Eric Pop 領(lǐng)導的實驗室。Pop 的實驗室研究工作探索納米電子學和納米級能量轉(zhuǎn)換技術(shù)。

　　最近，Pop 教授的團隊發(fā)現(xiàn)，可以在不犧牲 PCM 的標準特性的情況下，操縱和彎曲相變存儲器件以滿足更小的納米技術(shù)的需求。

　　斯坦福的 PCM 設(shè)備

　　這些 PCM 可以是塑料、紙、柔性玻璃或金屬箔，以實現(xiàn)彎曲特性。斯坦福大學的研究人員發(fā)現(xiàn)，即使在 100 次彎曲循環(huán)之后，由聚酰胺制成的超晶格也可以層疊在 PCM 上以提供柔韌性，同時還能承受低電阻和高電阻狀態(tài)。

　　超低電流密度存在于 PCM 的結(jié)構(gòu)中，同時具有低熱導率。這些結(jié)果表明，靈活的 PCM 可以實現(xiàn)多層次的能力，是內(nèi)存計算應用的有前途的解決方案。

　　Eric Pop 教授認為，他的團隊的發(fā)現(xiàn)具有切換柔性存儲單元所需的電流密度，比大多數(shù)其他報告的相變存儲器低 10 到 100 倍。此外，當彎曲時，存儲單元可以保持其性能。

　　隨著世界進入神經(jīng)網(wǎng)絡和量子計算的新時代，柔性 PCM 可以產(chǎn)生更高的能量密度，并且可能是數(shù)據(jù)存儲丟失的關(guān)鍵，以獲取更大的數(shù)據(jù)量，這就是 IBM 研究院正在研究 PCM 技術(shù)的原因。

　　IBM 通過 PCM Research 探索內(nèi)存計算

　　IBM 是云計算、人工智能 （AI）、量子計算以及探索性科學和材料領(lǐng)域備都備受認可和尊重的企業(yè)，它不斷研究以尋找應對全球數(shù)據(jù)和信息的方法，這些數(shù)據(jù)和信息將繼續(xù)呈指數(shù)級增長。

　　2018 年，全球數(shù)據(jù)存儲量達到 33 澤字節(jié)，需要發(fā)現(xiàn)滿足下一代計算的新方法。了解這些問題后，IBM 的研究人員通過分析新材料來提供節(jié)能架構(gòu)來解決這個問題。

　　IBM 希望 PCM 有益的內(nèi)存計算的一般概述

　　IBM 的一個有前途的解決方案是 PCM，因為它們可以僅根據(jù)原子結(jié)構(gòu)中發(fā)生的變化來存儲和刪除數(shù)據(jù)。

　　如前所述，由于馮諾依曼架構(gòu)瓶頸繼續(xù)限制更高級別的數(shù)據(jù)存儲，例如人工智能和深度學習應用程序。PCM 可以成為突破馮諾依曼約束的優(yōu)秀候選者；然而，他們有一些微妙的設(shè)計挑戰(zhàn)。

　　當 PCM 晶體被加熱時，它們會物理軟化，但可以快速刪除存儲的信息。提供冷卻系統(tǒng)無濟于事，因為材料會變硬并減慢信息存儲和獲取的速度 ，將設(shè)計與傳統(tǒng)的馮諾依曼相比，能源使用效率低下和數(shù)據(jù)流量瓶頸。

　　為了進一步研究，IBM 發(fā)現(xiàn)由鍺銻碲 （GST） 合金組成的 PCM 可以承受溫度的顯著變化而不會失去物理特性。這些非金屬需要低能量并且不會經(jīng)歷熔化，這會導致數(shù)據(jù)丟失。

　　在 IBM 的蘇黎世工廠中，內(nèi)存和神經(jīng)形態(tài)計算是在實際應用中應用 PCM 的主要方法?；氐交A(chǔ)，擁有可以執(zhí)行任務和算術(shù)運算的內(nèi)存是內(nèi)存計算所尋求的。

　　以 PCM 作為構(gòu)建塊，這些存儲設(shè)備可以存儲要執(zhí)行的數(shù)據(jù)和矩陣向量運算。

　　這些低級計算的一個例子是求解線性方程組。PCM 可以在深度學習應用中為神經(jīng)網(wǎng)絡實現(xiàn)基于尖峰的算法。

　　IBM 繼續(xù)深入探索探索性多級 PCM 技術(shù)，以幫助大量數(shù)據(jù)順利通過新的內(nèi)存和處理橋梁。