洞见featured

新兴存储技术的机遇与挑战

By 2021年09月28日 No Comments

近年来,信息通信技术(ICT, Information and Communications Technology)领域产生的数据量呈爆炸式增长。仅2020年的数据处理量便高达59泽字节。受新冠疫情影响,更多人选择居家办公、采用视频会议、播放流媒体等,这进一步导致了数据量的急剧增加。预计未来五年,随着人工智能(AI, Artificial Intelligence)、自动驾驶、增强现实(AR, Advanced Reality)、虚拟现实(VR, Virtual Reality)等数据驱动型应用逐渐进入人们的日常生活,全球数据量将再增加三倍以上。

为了计算和处理如此庞大的数据量,数据中心和边缘设备需要不断提升计算性能、降低功耗和成本。鉴于这种对存储器性能和容量的需求是由数据的爆炸式增长所带来的,需求的快速增长将会不断挑战“内存墙”(Memory Wall) 的极限。这里所说的“内存墙”是指CPU与周围存储器之间的速度差。SK海力士革命性技术中心(RTC,Revolutionary Technology Center)部门总监罗明姬正带领团队探索和开发新的技术,她在近期的“ISC 2021”专题讨论会上表示,内存带宽的需求将在十年内增加8倍,而容量需求则将增加5倍。

内存带宽与容量需求

下载图片

到目前为止,DRAM和NAND闪存在可扩展性方面一直保持着良好的研发速度,并且有望持续发展。 近几十年来不断涌现众多新兴存储技术试图取代传统DRAM和NAND,但到目前为止,这些技术尚未具备竞争优势。显然,存储器容量的剧增和性能需求的大幅提升对存储器技术的新发展提出了进一步的需求,以此来创造新的商机。

为弥合分级存储体系中的性能差距,人们引入了储存级内存(SCM, Storage Class Memory)这一概念。例如,相变存储器(PCRAM, Phase Change Random Access Memory)就率先使SCM成为了可能。

存储器的层次与新兴存储器技术

下载图片

为了打破CPU和存储器之间的“内存墙”,人们采用了包括嵌入式方案和独立解决方案在内的多种前沿方法。 尽管这些解决方案的具体应用可能千差万别,但新兴存储技术的引入始终离不开高质量的存储材料。近年来,对新型存储的基础研究一直十分活跃。在本报告中,我们将总结2021年超大规模集成电路技术专题研讨会(Symposium on VLSI Technology 2021)上的讨论成果,简要介绍三种讨论度较高且具有代表性的新兴存储技术(STT-MRAM存储技术、铁电存储技术、ReRAM存储技术)。

2021年超大规模集成电路(VLSI)国际研讨会上对新兴内存技术的探讨

下载图片

铁电存储器(Ferroelectric RAM)采用两个铁电稳定偶极子,通过外加电场可实现偶极子切换。 铁电材料可同时用于电容器和CMOS集成电路栅氧化层的数据存储。值得一提的是,最近在被广泛用于CMOS栅氧化层的氧化铪(HfO2)中发现了铁电性,这也引起了更多关注。由于速度快、数据不易丢失,易于集成到CMOS等优点,铁电材料正作为一种新型存储器的候选材料得到广泛研究。然而,铁电存储器的最大短板在于耐用性差,这也成为其能否在分级存储体系中占据一席之地所面临的一大挑战。

两种不同类别铁电存储器的工作原理

下载图片

STT-MRAM(垂直混合自旋扭矩转换磁性随机存储器)也是新兴存储技术的有力竞争者之一。STT-MRAM采用两种稳定的磁状态,可通过自旋转移矩进行切换。与其他新兴存储技术相比,STT-MRAM的存储速度极快,且耐用性出色。 近年来,由于功耗低,且易于与后端CMOS工艺技术集成,STT-MRAM主要作为物联网(IoT, Internet of Things)边缘设备的嵌入式存储器得到研究。与NOR闪存不同的是,其性能不受前端工艺架构变化的影响。此外,由于存储速度快,STT-MRAM被认为是最高级的缓存存储器。此外,SOT-MRAM(自旋轨道扭矩磁性随机存储器)对于缓存应用来说也是一个颇具吸引力的选择,因为它可以通过分离读写路径,提供更高的耐用性。凭借优秀的存储速度和耐用性,这两种存储器有望成为高性能计算系统(如数据中心)分级存储体系中的上佳选择。然而,如果要将STT-MRAM或SOT-MRAM用作高密度存储器,还必须在存储器成本和密度方面有进一步提升。

STT-MRAM与SOT-MRAM的对比

下载图片

如上所述,高容量存储器的工艺集成解决方案是半导体技术的基本模块之一。要作为高容量存储器,它应保证至少10年的额外可扩展性。 考虑到二维扩展已濒临物理限制,三维堆叠式新兴存储器或许可以改变现状,助力新兴高密度存储器纳入分级存储体系。

二维扩展和三维堆叠的概念

下载图片

由于大部分延迟和能耗都产生于数据从存储器向CPU传输的过程中,所以内存内计算(Computing in memory)可以将存储器计算过程引入存储阵列,从而提高存储器计算能力和性能。

许多人工智能的工作需要进行大量重复性的加法和乘法运算,这对于传统的计算和存储架构来说相当低效。而矩阵乘法运算则完全可以利用欧姆定律(Ohm’s Law)和基尔霍夫法则(Kirchhoff’s Rule),在存储阵列内完成。

传统计算VS内存内计算

下载图片

为了实现在存储器中实现计算,人们正在研究多种新兴的存储器。在新兴的存储技术中,阻变存储器(ReRAM)技术更适合在存储单元中采用多级存储,这对于降低存储器计算的能耗、提高成本效益至关重要,因而极具发展前景。

存内模拟计算的关键指标对比

下载图片

近年来,新兴的存储器技术以其独特的优势再次引起了人们的关注,但目前该领域尚未出现赢家。显然,为了突破DRAM、NAND等传统存储器的局限,人们需要研发新兴存储器技术,这也为新兴存储器创造了新的商机。然而,要想把握这些机会,新兴存储器技术仍需克服众多挑战。

SK海力士正努力在DRAM和NAND的延伸领域深耕,同时也不断探索可应用于人工智能、自动驾驶等领域的全新存储技术,以改善人们生活、促进社会进步。

// // wechat qr 현재 URL 로 변경 // https://github.com/mkdynamic/jquery-popupwindow /*! * Display popup window. * * Requires: jQuery v1.3.2 */ // weibo show