A Survey of MRAM-Centric Computing: From Near Memory to In Memory（TETC 2022)
由于内存与处理单元之间频繁的数据交换，传统冯·诺依曼架构在处理性能和功耗方面存在瓶颈。为了克服这一问题，研究者们开始研究基于新兴非易失性存储器的近存储计算（NMC）和内存计算（IMC）架构。其中，基于自旋电子学的磁性随机存取存储器（MRAM）因其超低切换能耗、非易失性和优越的耐久性而成为研究热点。本文概述了以MRAM为中心的计算发展的背景、趋势和挑战，并重点介绍了MRAM-NMC和MRAM-IMC应用的典型例子和最新进展。
文章首先介绍了MRAM的背景，强调了其在解决冯·诺依曼架构的功耗墙和内存墙问题中的潜力。MRAM-NMC和MRAM-IMC等新兴的计算架构，旨在将计算逻辑操作移至数据存储位置附近，从而提高能效并减少数据移动的开销。MRAM的优越性能使其在内存中心计算系统中具有重要的应用前景。
文章的第三部分从三个维度介绍了 MRAM-NMC，即硬件实现、数据流的软件优化和有前景的应用。MRAM-NMC通过优化数据流和内存系统的实现，展示了在神经网络加速、近似计算和安全应用等领域的应用潜力。第四节从硬件实现、计算范式和有前途的应用三个角度回顾了 MRAM-IMC。MRAM-IMC通过使用内存阵列直接执行逻辑操作，进一步减少内存访问延迟，展现了其在科学计算和机器学习等任务中的优势。
文章还讨论了MRAM技术在实现高效能计算中的挑战，包括设备、电路和架构层面的限制。尽管MRAM-NMC和MRAM-IMC在能效和性能方面表现出色，但在大规模集成和实际应用中仍面临诸多挑战。
最后，文章总结了以MRAM为中心的计算的未来前景，强调了随着CMOS制造技术和MRAM工艺的成熟，以MRAM为中心的计算有望发挥重要作用。
文章链接
评论区