芯东西（"大众年夜众号：aichip001）编译 | 高歌编辑 | Panken
芯东西1月18日宣布，近日，三星电子在顶级学术期刊Nature上揭橥了环球首个基于MRAM（磁性随机存储器）的存内打算研究。
存内打算由于毋需数据在存储器和处理器间移动，大大降落了AI打算的功耗，被视作边缘AI打算的一项前沿研究。虽然MRAM存储器件具备耐用性、可大规模量产等上风，但其小电阻的特性阻碍了这类存储器被用于存内打算。
本次，三星电子的研究团队通过构建新的MRAM阵列构造，用基于28nm CMOS工艺的MRAM阵列芯片运行了手写数字识别和人脸检测等AI算法，准确率分别为98%和93%。
论文链接：https://www.nature.com/articles/s41586-021-04196-6#Sec2
一、研究扩展存内打算类型，补充MRAM空缺在传统的打算机架构中，数据须要从内存移动到处理单元，然后将中间结果存储回内存。但这种无谓的信息传输不仅增加了打算延迟，也提升了干系功耗。
根据台积电此前对存内打算的研究，数据移动所花费的能量乃至大于打算的能量花费。因此，在内存中同时实行数据存储和打算的存内打算成为了行业与学术机构研究的焦点。
此前的研究中，非易失落性的RRAM（电阻式随机存取存储器）和PRAM（相变随机存取存储器）是存内打算最常用的两类存储器。比较之下，只管MRAM器件在操作速率、耐用性和量产等方面具有上风，但其较低的电阻使MRAM存储器在传统的存内打算架构中无法达到低功耗哀求。
在本篇论文中，三星电子的研究职员构建了一种基于MRAM的新存内打算架构，补充了这种空缺。论文特殊写道，该研究并非和基于其他存储器的存内打算架构竞争。到目前为止，没有一种存储器类型在电子产品中霸占绝对主导，由于不同类型的存储器各有自身的优点和缺陷。因此，基于不同存储器的存内打算也可能发展身分歧的架构。
从这个角度看，三星电子通过补充基于MRAM存储器的存内打算架构空缺，有助于存内打算发展。
▲三星研究团队：共同通讯作者SAIT（三星高等技能研究所）院士、哈佛大学教授Donhee Ham（左一）；论文一作SAIT研究员Seungchul Jung（左二）；共同通讯作者SAIT技能副总裁Sang Joon Kim（左三）
二、基于28nm CMOS工艺，准确检测1851张人脸三星电子构建了一个64×64的MRAM阵列，其外围电路通过28nm CMOS工艺进行了集成。
详细构造上来说，MRAM阵列在写/读（W/R）电子元件和底部的TDC读出电子元件之间，输入数据掌握器（IN）位于阵列左侧。
为了填补MRAM小电阻的问题，三星电子引入了一种新的位单元（阵列行列交叉处的元素，bit-cell），每个位单元组合成两条路径，每条路径则由一个MTJ（磁性隧道结）和一个FET（场效应管）开关串联组成。
▲芯片布局与MRAM阵列排布（图片来源：Nature）
研究职员将每列中这些新的位单元串联起来，每个位单元的输出电阻相加便得到了列电阻R。通过新的构造设计，列电阻R取代了传统（存内打算）构造中基于基尔霍夫定律的列电流总和，成为了列输出，办理了MRAM器件电阻较小的问题。
大略来说，便是三星电子开拓了一种MRAM阵列芯片，用新的“电阻总和”内存打算架构取代了标准的“电流和”内存打算架构，从而办理了单个MRAM器件的小电阻问题。
为了将这种新的MRAM阵列用于AI打算，研究职员采取了二值神经网络（BNN）算法。这种算法的精度可以以网络大小为代价，将每个实值权值表示为二值化函数，或以打算速率为代价将每个实值输入数据表示为多个二值化函数序列，以提高BNN算法的精度。
该研究中，三星电子采取了后一种办法，将每个输入数据扩展为8位编码，以抑制噪声。之后，研究职员用两层BNN网络以对MNIST数据集进行分类。
MNIST数据集来自美国国家标准与技能研究所（NIST），演习集和测试集均由不同的手写数字组成，数据集和测试集50%的手写数字来自高中生，其余50%来自美国人口普查局的事情职员。
▲不同的手写数字7（图片来源：CSDN）
研究职员用MRAM阵列实行了对1万个手写数字图像的分类，并重复了三次，得到了93.23±0.05%的准确率。测试后，研究职员又通过VGG-8神经网络对1万个手写数字图像进行了分类，其准确率高达98.86±0.06%。
除了手写数字分类，三星电子还用4个MRAM阵列芯片运行了人脸检测算法。在这一步，MRAM阵列芯片并没有对场景中的所有工具进行人脸认证，而是先检测场景中是否存在人脸，确认存在后再激活更高功率的人脸认证算法。
通过这种方法，MRAM阵列芯片从2000个无遮罩人脸场景中检测到1851张人脸，准确率为92.5%；从500个遮罩人脸场景中检测到483张人脸，准确率为96.6%，总体准确率为93.4%。此外，MRAM阵列芯片可以和相机结合实时检测人脸。
▲4个MRAM阵列芯片与相机相连实时人脸检测（图片来源：Nature）
三、集成多种器件面临寻衅，未来或可用于生物神经元网络对付这项研究，研究职员写道，MRAM阵列运行存内打算的一个主要寻衅是构建AI SoC（片上系统），将许多阵列和数据转换器、数字电子设备进行集成。
研究职员还强调，宽泛来说，内存阵列不仅可以用来运算神经网络算法，也可以作为潜在的生物神经元网络载体。
2021年9月，三星电子和哈佛联合在Nature子刊Nature Electronics上揭橥了名为《Neuromorphic electronics based on copying and pasting the brain（基于复制和粘贴大脑的神经形态电子学）》的论文，提出了一种将大脑神经元连接图（neuronal wiring map）“复制、粘贴”到高密度3维存储网络上的可能。
▲三星此前“复制、粘贴”大脑的研究（图片来源：Nature）
MRAM阵列研究的第一作者Seungchul Jung称，存内打算与人类大脑的打算类似，由于人类的打算也发生在影象或突触网络中。虽然MRAM阵列当前的打算目的并非模拟大脑，但这种固态存储网络将来可能会被用作仿照大脑突触的平台。
结语：新研究或将丰富三星存内打算产品近年来，存内打算已逐渐成为家当界和学术界的公式，干系论文反复涌如今ISSCC和IEDM等电子领域的顶级会议中，台积电等半导体头部厂商也都在布局和探索。
三星电子作为环球存储龙头，更是一贯在关注存内打算技能。去年2月，三星电子便公布了其首款集成了AI打算能力的高带宽内存（HBM），可以节省70%以上的能耗并供应2倍以上的系统性能。本次基于MRAM的存内打算研究丰富了三星在存内打算领域的布局，未来或许能够看到更多类型的存内打算产品涌如今市场上。
来源：Nature
