دریچه تکنولوژی سامسونگ تراشه‌های HBM-PIM را معرفی کرد؛ حافظه HBM با پردازنده هوش مصنوعی - ژوانا

در یک اکوسیستم کامپیوتر-سخت افزاری، قطعات اصلی عمدتاً به صورت مجزا از یکدیگر قرار می‌گیرند؛ GPU، CPU، حافظه رم و… اما با ترکیب آنها در یک تراشه چه اتفاقی روی خواهد داد؟ بدون شک نتیجه خیره کننده خواهد بود. حال باید بگوییم که سامسونگ با معرفی یک تراشه یکپارچه دنیای پردازش‌ها را دگرگون کرده است.

شرکت سامسونگ، غول فناوری کره جنوبی، چندی پیش اعلام کرده بود که در حال کار بر روی یک تراشه مجتمع است که به طوری خاص و بی سابقه، در حال ادغام بخش‌های مهم سخت افزاری در یک تراشه است که هدف اصلی آن، پردازش‌های هوش مصنوعی (AI) است. اینک به نظر می‌رسد که کار روی این تراشه جذاب به پایان رسیده و اینک نوبت به بهره برداری از آن رسیده است.

001-1.jpg

این شرکت به تازگی تأیید کرده است که موفق به تولید یک نسل جدید از حافظه‌های نیمه هادی، موسوم به HBM-PIM شده است. نسل جدید حافظه‌های PIM یا Processing In Memory مجهز به موتور پردازش هوش مصنوعی، با فرکانس بالا هستند که به نسبت حافظه‌های HBM2 از بهبودهای بسیاری در زمینه مصرف انرژی و پهنای باند بهره می‌برند.

سامسونگ در سال ۲۰۱۸ حافظه‌های  HBM2 Aquabolt را معرفی کرد. اینک نسل جدید این حافظه با نام HBM-PIM از راه رسیده است. حافظه‌های HBM-PIM را می‌توان نوعی از حافظه‌های بهبود یافته HBM2 دانست که بلوک‌های محاسبه قابل برنامه ریزی یا Programmable Computing Units (PCU) در بین بانک‌های حافظه ادغام می‌کند. PCUها با مقادیر اعشاری ۱۶ بیتی و مجموعه دستورالعمل‌های محدود کار می‌کنند. با این وجود به دلیل تعداد بالای واحدهای PCU در کنار سلول‌های حافظه، شاهد پردازش بالایی هستیم.

001-2.jpg

Samsung موفق به افزایش سرعت PCUها به ۳۰۰ مگاهرتز شده است که در نتیجه هر تراشه به قدرت پردازشی ۱٫۲ ترافلاپ در ثانیه دست پیدا می‌کند. حافظه و یا به عبارت بهتر تراشه‌های HBM-PIM می‌توانند در هنگام انتقال داده با سرعت ۲٫۴ گیگابیت بر ثانیه در هر پین، میزان مصرف انرژی (به ازای هر تراشه) را یکسان نگاه دارند. نکته جالب توجه دیگر آن است که مصرف کلی انرژی در تراشه‌های HBM-PIM تا ۷۱ درصد به نسبت حافظه‌های HBM2 کاهش یافته است.

اضافه کردن واحد پردازش CPU به درون بلوک‌های حافظه و کاهش رفت و برگشت داده‌ها و انتقال‌ها آنها، منجر به افزایش سرعت و در عین حال کاهش مصرف انرژی می‌شود. افزون بر مصرف انرژی و بازدهی، باید بگوییم که می‌توان HBM-PIMها را بر روی همان معماری HBM2 پیاده سازی کرد که در نتیجه نیازی به تولید سخت افزار حافظه جدیدی نخواهد بود.

001-3.jpg

با این وجود تراشه‌های HBM-PIM یک نقطه ضعف کوچک و قابل چشم پوشی را به همراه دارند؛ از آنجایی که بخشی از سلول‌های تراشه‌های HBM2 به واحدهای پردازشی PCU اختصاص پیدا می‌کند، شاهد کاهش ظرفیت بخش ذخیره ساز هستیم؛ به طوری که این مقدار به نصف کاهش یافته و ظرفیت هر پشته از ۸ به ۴ گیگابیت کاهش پیدا کرده است. علی رغم طرح حیرت انگیز تراشه‌های HBM-PIM که می‌توانند در سیستم‌های هوش مصنوعی و یادگیری ماشین انقلابی به پا کنند، باید بگوییم که استفاده از آنها در کوتاه مدت عملی نخواهد بود.

001-4.jpg

سامسونگ تعدادی از تراشه‌های HBM-PIM را به منظور انجام و تست و بررسی به شرکای تجاری خود در بخش توسعه هوش مصنوعی، یادگیری ماشین و شتاب دهنده‌ها ارسال کرده است. انتظار می‌رود که آزمایش‌های فوق تا ماه ژوئیه به درازا بینجامند. به زودی سامسونگ در جریان کنفرانس بین‌المللی Solid-State Circuits Virtual اطلاعات بیشتری را در مورد تراشه‌های HBM-PIM ارائه خواهد کرد.

به این پست امتیاز دهید.
بازدید : 172 views بار دسته بندی : دسته‌بندی نشده تاريخ : 22 مارس 2021 به اشتراک بگذارید :
دیدگاه کاربران
    • دیدگاه ارسال شده توسط شما ، پس از تایید توسط مدیران سایت منتشر خواهد شد.
    • دیدگاهی که به غیر از زبان فارسی یا غیر مرتبط با مطلب باشد منتشر نخواهد شد.

برچسب ها