پردازندههای نوری برای سیستمهای یادگیری
روش جدیدی که از نور به جای الکتریسیته در سیستمهای یادگیری کامپیوتری بر مبنای شبکههای عصبی مصنوعی استفاده میکند توسط تیمی از محققان MITتوسعه داده شده است. این تیم ادعا میکند این روش سرعت و کارایی را به صورت قابل ملاحظهای بالا میبرد.
این تراشه نوری را وقتی تنظیم کنید میتواند ضرب ماتریسی را بلافاصله بدون مصرف انرژی انجام دهد. این طراحی از پرتوهای نوری متعدد به طوری که امواج آنها با یکدیگر تعامل داشته باشند برای تولید الگوهای تداخلی استفاده میکند و نتیجه عملیات را نیز این پرتوها انتقال میدهند. مزیت استفاده از این روش در سرعت بالای آن و ذخیره انرژی در ضرب ماتریسها است. به دلیل اینکه ضرب ماتریس بیشترین مصرف در محاسبات الگوریتمهای هوش مصنوعی را دارد بنابراین مصرف انرژی این نوع محاسبات را بسیار کاهش میدهد. برای مطالعه بیشتر میتوانید به اینجا مراجعه کنید.
تولید انبوه NAND-flash شصت و چهار لایه
شرکت سامسونگ تولید انبوه V-NAND-flashهای ۲۵۶ گیکابیتی را آغاز کرده و انتظار دارد که بیش از ۵۰ درصد تولید ماهیانه NAND-flashها توسط این طراحی جدید تا آخر سال ۲۰۱۷ جایگزین شود.
به گفته سامسونگ شروع تولید SSDها بر مبنای تراشههای V-NAND-flash در ژانویه ۲۰۱۷ بوده و بر روی حافظههای تلفن همراه بر مبنای V-NAND-flash کار کردهاند. این حافظهها شامل UFS، SSD و کارت حافظههای خارجی میشوند. این حافظهها نرخ انتقال داده تا یک گیکابیت بر ثانیه را دارند که سریعترین NAND-flashهای در دسترس هستند، ۳۰٪ کم مصرف تر از حافظه های ۴۸ لایهای بوده و حدود ۲۰٪ قابل اعتماد تر هستند. برای مطالعه بیشتر به اینجا مراجعه کنید.
رونمایی از FinFET با ۷ نانومتر
به دنبال اعلام توسعه ۷FinFET نانومتری در سال ۲۰۱۶ گلوبال می گوید که توسعه و تولید اولین محصولات مربوط به این روند در نیمه ابتدایی سال ۲۰۱۸ انجام میشود. این روند ۷LP نام دارد و ۴۰ درصد کارایی را نسبت به فنآوری ۱۴ نانومتر افزایش میدهد. در کنار تولید فنآوری ۷ نانومتری، گلوبال فعالانه مسیر توسعه نسل بعدی فنآوری، ۵ نانومتر، پیگیری میکند.
در همین حال گلوبال FX-7 را معرفی میکند که یک پلتفرم ASIC بر مبنای فنآوری FinFET 7 نانومتری است. FX-7 مجموعهای از واسطهای IP، راه حلهای حافظه و پردازندههای ARM را ارائه میدهد. برای مطالعه بیشتر به اینجا مراجعه کنید.