静态随机存储器SRAM面临的问题挑战

2343 存储器

问答对人有帮助，内容完整，我也想知道答案 0 SRAM两大问题挑战 0
2021-2-25 07:17:51　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × heks 该类别下有 16 个回答。邀请回答 ChristineGu 该类别下有 16 个回答。邀请回答 HengDu 该类别下有 16 个回答。邀请回答 yonglanzhang 该类别下有 15 个回答。邀请回答 dfasda 该类别下有 15 个回答。邀请回答 nhonglan 该类别下有 15 个回答。邀请回答 wenminglang 该类别下有 14 个回答。邀请回答 C880U 该类别下有 14 个回答。邀请回答 jhdfvs 该类别下有 14 个回答。邀请回答 chm5 该类别下有 14 个回答。邀请回答 muwersddg 该类别下有 14 个回答。邀请回答杀狼000 该类别下有 14 个回答。邀请回答飞雪9366 该类别下有 13 个回答。邀请回答 billbian 该类别下有 13 个回答。邀请回答 a732538 该类别下有 13 个回答。邀请回答 hrtuoyu 该类别下有 13 个回答。邀请回答 hfgdzc 该类别下有 13 个回答。邀请回答 thyysbk 该类别下有 13 个回答。邀请回答凡人wlj 该类别下有 13 个回答。邀请回答 kszdj113 该类别下有 13 个回答。邀请回答举报王雪相关推荐 • 静态随机存储器SRAM存储数据的原理 1529 • 静态随机存储SRAM工艺解析 920 • 如何用FPGA和SRAM实现高精度数控振荡器？ 1115 • 非易失性MRAM基础知识汇总 1433 • 非易失性MRAM的基础知识汇总 1520 • SRAM与DRAM及其SDRAM有哪些区别呢 2303 • SRAM是什么存储器看了就知道 1626 • SRAM存储器详解 1750 • 浅析SRAM的设计与基本单元 1447 • RTOS的存储器选择 1592 2个回答

答案对人有帮助，有参考价值 0 　　SRAM是可在任何CMOS工艺中“免费获得”的存储器。自CMOS诞生以来，SRAM一直是任何新CMOS工艺的开发和生产制造的技术驱动力。利用最新的所谓的“深度学习领域专用域结构”（DSA），每个芯片上的SRAM数量已达到数百兆位。这导致了两个具体挑战。接下来由专注于代理销售SRAM、SDRAM、MRAM、Flash等存储芯片的宇芯电子介绍关于SRAM两大问题挑战。　　第一个挑战是使用FinFET晶体管的最新CMOS技术使单元尺寸的效率越来越低。在图1中可以看到这一点，其中SRAM单元大小是CMOS技术节点的函数。　　　　图1：过去30年中6晶体管SRAM单元尺寸的缩小趋势。一旦FinFET晶体管成为CMOS的基础，请注意减速。　　平面到FinFET的过渡对SRAM单元的布局效率有重大影响。使用FinFET逐渐缩小关键节距已导致SRAM单元尺寸的迅速减小。鉴于对更大的片上SRAM容量的需求不断增长，这样做的时机不会更糟。离SRAM将主导DSA处理器大小的局面并不遥远。

2021-2-25 10:47:51 评论举报王坤

答案对人有帮助，有参考价值 0 　　第二个挑战是从正电源通过SRAM单元流到地面的泄漏电流。这主要是由于亚阈值晶体管泄漏是指数激活的，这意味着随着芯片温度的升高，泄漏急剧增加。由于它没有做任何有用的工作，因此会浪费能源。尽管通常被称为静态功耗，但这种泄漏也会在SRAM处于活动使用状态时发生，并形成能量浪费的下限。　　已经采用了近20年的缓解技术来限制这种影响，最先进的技术是将SRAM电源电压从其工作值降低到所谓的数据保持电压（DRV）。最初此技术可将工作电源电压下的漏电流降低5到10倍。随着技术节点的发展，电源电压不断降低，工作电压和DRV之间的净空缩小了，从而导致使用该技术的漏电流降低了约2倍。　　既然我们已经基本用尽了所有的泄漏缓解技术，那么越来越大的SRAM容量将导致大量的浪费电流。如图2所示，CPU芯片上的SRAM容量每18个月翻一番。　　　　图2：随着片上SRAM容量的不断增加，预计SRAM泄漏电流为50oC。结果是基于低于10nm CMOS的晶体管泄漏数据的仿真。　　这两个SRAM挑战与不断提高的片上高速缓存存储速度和容量的需求密不可分，从而带来了成本和能源浪费方面的真正挑战。这种需求来自移动和数据中心应用程序。由于电池寿命的限制，对能源效率的最终要求在前者中是显而易见的，但在后者中也变得至关重要。　　由于深度学习而产生的DSA芯片应该可以优化数据中心的性能，成本和能源。作为其一部分，要求它们的芯片将数据“晃动”到正向传播的数据中，该传播已针对针对矩阵/矢量计算进行了优化的处理器进行。将结果数据与“目标”进行比较，然后将“错误数据”“拖拉”回内存以在下一个收敛周期中使用。除了通常需要每秒Tera浮点运算（TFLOPS）的处理器外，还需要越来越快的片上高速缓存来处理这种巨大的数据移动。　　在许多此类DSA芯片并行运行的环境中，例如数据中心，此过程的低效率将导致数千安培从主电源流向地面。所有这些浪费的大量泄漏自然会导致巨大的浪费成本。

2021-2-25 10:48:02 评论举报陈燕