网站首页 实验室介绍 科学研究 学术交流 人才队伍 开放课题 招聘信息 联系我们
实验室新闻

 
 
  “存储计算一体化(processing-in-memory):从器件到体系架构”技术沙龙活动在京成功召开

2017-09-18 11:04:13


    9月18日,由高效能服务器与存储技术国家重点实验室(以下简称实验室)与北京大学共同举办的“存储计算一体化(processing-in-memory):从器件到体系架构”技术沙龙活动在京成功召开。本次活动旨在探讨存储器件、存储电路、存储体系架构等多个层次的支持与优化设计问题,邀请到北京大学康晋锋教授、中科院计算所韩银和研究员、北京知存科技有限公司CEO王邵迪进行了精彩的技术干货分享。

 
【活动现场】

首先,北京大学康晋锋教授做了题为《基于阻变器件的新型计算模式技术》的报告,康教授提到新型氧化物阻变器件具有功耗低、工作电压低、速度快、器件微缩能力强、与CMOS工艺兼容、兼具存储/计算功能于一体等特点,成为人们研究的重点。随后,他从新型氧化物阻变器件性能特征出发,对阻变器件及其阵列的优化设计及其在超越冯诺依曼计算架构的新型计算模式与系统应用等问题进行详细介绍。

 
【北京大学康晋锋教授】

    接着,中科院计算所韩银和研究员详细介绍了存算一体化(Process-In-Memory)及PIMSim模拟器的相关研究,他指出冯诺依曼创造性的将计算部件和存储部件分离,支持存储程序,使得现代计算机具备了极强的编程能力,让计算机成为了一个通用计算引擎。但现代体系结构不断层次化存储,虽然有利于解决存储器容量和速度不可兼得的问题,但也带来了访存瓶颈这一始终困扰体系结构设计人员的难题。计算和存储一体化不仅可以提高性能,也能大幅减少能量损失,随着三维集成电路技术和新型器件技术的进步,计算和存储在部件和器件级合二为一成为可能。

 

 
【中科院计算所韩银和研究员】

    最后,来自北京知存科技有限公司CEO王邵迪进行了题目《基于Flash存储器的深度学习模拟芯片》的报告,他指出深度学习算法对计算能力和存储有着非常高的需求,这使得在终端设备中实现深度学习算法需要面临能耗和成本两大问题。通过对传统存储器NOR Flash阵列的再设计,可以在Flash单元上实现高效的模拟乘法计算,同时在NOR Flash阵列上实现高效的向量乘加法计算。目前,基于180nm Flash的MLP测试芯片已经超过了学术界和业界报道过的深度学习芯片的最大计算效率值。

 

【北京知存科技有限公司CEO王邵迪】

    活动期间,与会人员就RRAM的性能、新型存储器件与PIM架构融合与应用等问题与现场专家展开了热烈的讨论。本次活动的成功召开进一步扩大了实验室的影响力,参会人员纷纷表示希望能通过实验室的平台将存储方面底层与高层的研究进行结合,真正实现存储计算一体化。

 

 

[ 字体大小: 14 12 9 ] [ 打印]

高效能服务器和存储技术国家重点实验室 | 联系我们 | 京ICP备12012807号-3
© 2016 Hsslab