새로운 트랜지스터

펜실베이니아 대학, 샌디아 국립 연구소, 브룩헤이븐 국립 연구소의 연구팀은 트랜지스터가 전혀 없는 CIM(컴퓨팅 인 메모리) 원리를 기반으로 하는 새로운 컴퓨팅 아키텍처를 공개했습니다. 엣지의 AI를 포함한 인공 지능(AI) 워크로드에 더 효율적입니다.

프로젝트 공동 책임자이자 펜실베이니아 대학 전기 및 시스템 공학(ESE) 부서의 보조 프로세서인 Deep Jariwala는 "메모리 내 컴퓨팅 아키텍처에서 사용되는 경우에도 트랜지스터는 데이터 액세스 시간을 손상시킵니다"라고 팀의 결정에 대해 설명합니다. 현대 컴퓨터의 현재 표준 빌딩 블록에서 벗어나는 것입니다. "칩의 전체 회로에 많은 배선이 필요하므로 AI 애플리케이션에 원하는 것보다 훨씬 많은 시간, 공간 및 에너지를 사용합니다. 트랜지스터가 없는 디자인의 장점은 단순하고 작으며 크기가 작다는 것입니다. 빠르고 에너지도 거의 필요하지 않습니다."

팀의 아키텍처는 CPU, GPU 또는 가속기로 전송하고 처리하는 데 필요한 일반적인 셔플링 없이 데이터가 보관된 위치에서 선택한 작업을 직접 수행할 수 있는 CIM(컴퓨팅 인 메모리)의 확립된 원칙을 기반으로 구축되었습니다. 을 누른 다음 다시 시스템 메모리로 되돌립니다. CIM을 사용하면 큰 병목 현상이 제거되고 적어도 선택된 워크로드에 대해서는 시스템 효율성이 극적으로 향상됩니다.

그러나 팀이 만든 것은 한 단계 더 나아가 트랜지스터를 없앨 뿐만 아니라 강유전성 스위칭 동작을 나타내는 AlScN(스칸듐 합금 알루미늄 질화물)이라는 새로운 반도체 재료로 전환하여 기존 반도체 재료보다 물리적으로 훨씬 빠르게 전환합니다. 비휘발성 메모리 장치에 사용됩니다.

공동 책임자이자 ESE 조교수인 Troy Olsson은 “이 재료의 주요 특성 중 하나는 실리콘 주조 공장과 호환될 만큼 충분히 낮은 온도에서 증착될 수 있다는 것입니다. "대부분의 강유전성 재료는 훨씬 더 높은 온도를 필요로 합니다. AlScN의 특별한 특성은 우리가 시연한 메모리 장치가 수직 이종 집적 스택의 실리콘 층 위에 놓일 수 있음을 의미합니다."

"100대의 차량을 수용할 수 있는 다층 주차장과 단일 부지에 분산된 100개의 개별 주차 공간 사이의 차이점을 생각해 보십시오."라고 Olsson은 계속해서 말합니다. "공간 측면에서 어느 것이 더 효율적일까요? 우리처럼 고도로 소형화된 칩에 담긴 정보와 장치도 마찬가지입니다. 이러한 효율성은 모바일이나 웨어러블 기기와 같이 자원 제약이 필요한 애플리케이션에 중요합니다. 데이터 센터와 같이 극도로 에너지 집약적인 애플리케이션입니다."

팀의 트랜지스터 없는 아키텍처는 기존 프로세서보다 100배 빠른 성능을 제공하는 동시에 뛰어난 정확도를 제공할 수 있는 잠재력을 갖고 있다고 팀은 주장합니다. Jariwala는 "저장을 위한 대용량 메모리와 패턴 인식 및 검색 기능이 필요한 AI 애플리케이션이 있다고 가정해 보겠습니다. 빠르고 정확하게 반응해야 하는 자율 주행 자동차나 자율 로봇을 생각해 보세요."라고 설명합니다. 역동적이고 예측할 수 없는 환경에 맞게 기존 아키텍처를 사용하면 각 기능마다 칩의 다른 영역이 필요하며 가용성과 공간이 빠르게 소모됩니다.우리의 페로다이오드 설계를 사용하면 단순히 방식을 변경하여 한 곳에서 모든 작업을 수행할 수 있습니다. 프로그래밍하기 위해 전압을 적용합니다."

ESE 박사 과정의 제1저자 Xiwen Liu는 "이 연구는 매우 중요합니다. 메모리 기술을 사용하여 기존 컴퓨팅에 도전하는 방식으로 여러 AI 데이터 응용 프로그램을 통합하는 칩을 개발할 수 있다는 점을 입증했기 때문입니다."라고 말했습니다. 우리는 소프트웨어의 성능을 향상시키는 하드웨어를 설계하고 이 새로운 아키텍처를 통해 기술이 빠르고 정확할 수 있도록 보장합니다."

팀의 작업은 비공개 조건으로 Nano Letters 저널에 게재되었으며 Cornell의 arXiv 서버에서 공개 액세스 사전 인쇄가 가능합니다.