新的存储技术时不时就会冒出来一个,但从研发到商用总是要历经漫长的艰难坎坷。如果说Crossbar这种小型创业公司的电阻式RRAM让你感到信心不足,那么存储大厂美光的可变电阻式ReRAM会不会更有吸引力?
其实,美光早在2007年就提出了这种技术,此后几乎每年都会透露一些进展,但就是距离量产遥遥无期,这次也没有给出具体时间表。
美光是和索尼联合研发ReRAM的,其基本原理和Crossbar RRAM有些类似,同样是非易失性存储,但是更强调电阻可变,同时为了区分,缩写也有所不同。
美光这次在IEEE IEDM 2014国际电子设备大会上上公布的原型采用了27nm CMOS工艺制造,三层铜线互连,单颗容量16Gb(2GB),内核面积168平方毫米。作为原型,它采用了DDR内存接口,但后期很容易替换。
美光表示,理想的指标是读写带宽1000MB/s、200MB/s,读写延迟2微秒、10微秒,而目前的原型可以发挥大约九成的功力。
设计指标与内核局部照片
设计指标与原型指标
内部互连结构示意图
索尼也有很大的贡献
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。