Samsung Electronics Co., Ltd. seine Demonstration des weltweit ersten In-Memory-Computers auf der Grundlage von MRAM (Magnetoresistive Random Access Memory). Der Artikel über diese Innovation wurde am 12. Januar (GMT) online in Nature veröffentlicht und soll in der kommenden Printausgabe von Nature erscheinen. Unter dem Titel A crossbar array of magnetoresistive memory devices for in-memory computing1 (Ein Kreuzschienen-Array aus magnetoresistiven Speicherbausteinen für speicherinterne Berechnungen1) zeigt dieser Artikel Samsungs Führungsrolle in der Speichertechnologie und sein Bestreben, Speicher- und Systemhalbleiter für die nächste Generation von Chips für künstliche Intelligenz (AI) zu verschmelzen. Die Forschung wurde vom Samsung Advanced Institute of Technology (SAIT) in enger Zusammenarbeit mit dem Foundry Business und dem Semiconductor R&D Center von Samsung Electronics geleitet. Der Erstautor des Papiers, Dr. Seungchul Jung, Staff Researcher am SAIT, und die Mitautoren Dr. Donhee Ham, Fellow des SAIT und Professor an der Harvard University, und Dr. Sang Joon Kim, Vice President of Technology am SAIT, führten die Forschung an. In der üblichen Computerarchitektur werden Daten in Speicherchips gespeichert und die Datenverarbeitung in separaten Prozessorchips ausgeführt. Im Gegensatz dazu ist das In-Memory-Computing ein neues Computerparadigma, das darauf abzielt, sowohl die Datenspeicherung als auch die Datenverarbeitung in einem Speichernetzwerk durchzuführen. Da bei diesem Schema große Datenmengen im Speichernetz selbst verarbeitet werden können, ohne dass die Daten verschoben werden müssen, und da die Datenverarbeitung im Speichernetz hochgradig parallel ausgeführt wird, wird der Stromverbrauch erheblich gesenkt. In-Memory-Computing hat sich daher als eine der vielversprechenden Technologien zur Realisierung von stromsparenden KI-Halbleiterchips der nächsten Generation erwiesen. Aus diesem Grund wurde die Forschung zum In-Memory-Computing weltweit intensiv vorangetrieben. Nichtflüchtige Speicher, insbesondere RRAM (Resistive Random Access Memory) und PRAM (Phase-change Random Access Memory), wurden aktiv für die Demonstration von In-Memory-Computing eingesetzt. Im Gegensatz dazu war es bisher schwierig, MRAM - eine andere Art von nichtflüchtigem Speicher - für das In-Memory-Computing zu nutzen, obwohl MRAMs Vorteile wie Betriebsgeschwindigkeit, Ausdauer und Großserienproduktion haben. Diese Schwierigkeit rührt von dem geringen Widerstand von MRAM her, aufgrund dessen MRAM nicht in den Genuss des Vorteils der Leistungsreduzierung kommen kann, wenn es in der Standard-In-Memory-Computing-Architektur verwendet wird. Die Forscher von Samsung Electronics haben durch eine architektonische Innovation eine Lösung für dieses Problem gefunden. Konkret ist es ihnen gelungen, einen MRAM-Array-Chip zu entwickeln, der In-Memory-Computing demonstriert, indem sie die standardmäßige Stromsummen-In-Memory-Computing-Architektur durch eine neue Widerstandssummen-In-Memory-Computing-Architektur ersetzt haben, die das Problem der kleinen Widerstände der einzelnen MRAM-Bausteine angeht. Samsungs Forschungsteam testete anschließend die Leistung dieses MRAM-In-Memory-Computing-Chips, indem es ihn für die Durchführung von KI-Berechnungen einsetzte. Der Chip erreichte eine Genauigkeit von 98 % bei der Klassifizierung von handgeschriebenen Ziffern und eine Genauigkeit von 93 % bei der Erkennung von Gesichtern in Szenen. Indem MRAM - ein Speicher, der bereits in der Systemhalbleiterfertigung in kommerzieller Produktion eingesetzt wird - in den Bereich des In-Memory-Computing eingeführt wird, erweitert diese Arbeit die Grenzen der nächsten Generation von KI-Chips mit geringem Stromverbrauch. Die Forscher haben auch vorgeschlagen, dass dieser neue MRAM-Chip nicht nur für In-Memory-Computing verwendet werden kann, sondern auch als Plattform für das Herunterladen biologischer neuronaler Netzwerke dienen kann. Dies entspricht der Vision der neuromorphen Elektronik, die Samsungs Forscher kürzlich in einem Perspektivpapier in der Septemberausgabe 2021 der Zeitschrift Nature Electronics vorstellten.