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
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。