معرفی سریعترین حافظه فلش جهان + جزئیات

تحول شگفتانگیز در دنیای حافظهها در راه است و ثبت رکورد جدید در انتقال دادهها میتواند آیندهی هوش مصنوعی را متحول کند.
تیمی از پژوهشگران دانشگاه فودان شانگهای موفق به توسعهی نوعی حافظهی غیرفرار فوقسریع با عملکردی در سطح پیکوثانیه شدهاند؛ اما حافظهی سطح پیکوثانیه دقیقاً چیست؟ این نوع حافظه میتواند دادهها را در کمتر از یکهزارم نانوثانیه یا یک تریلیونیم ثانیه بخواند یا بنویسد.
تراشهی جدید با نام PoX (مخفف Phase-change Oxide) توانایی تغییر وضعیت در فقط ۴۰۰ پیکوثانیه را دارد؛ رکورد بیسابقهای که بسیار سریعتر از رکورد قبلی یعنی دو میلیون عملیات در ثانیه است.
در مقام مقایسه، حافظههای سنتی مانند SRAM و DRAM که برای ذخیرهسازی موقت اطلاعات استفاده میشوند، در بازهی ۱ تا ۱۰ نانوثانیه دادهها را مینویسند؛ اما با قطع برق تمام دادههای ذخیرهشده روی این حافظهها از بین میروند.
در سمت دیگر ماجرا، حافظهی فلش که در SSD و فلشدرایوهای USB استفاده میشود، غیرفرار محسوب میشود و حتی بدون برق هم دادهها را حفظ میکند. بااینحال، کندی قابل توجه این حافظهها باعث میشود برای سیستمهای هوش مصنوعی مدرن چندان مناسب نباشند؛ سیستمهایی که به جابهجایی و بهروزرسانی سریع دادهها نیاز دارند.
پروفسور ژو پنگ و تیم او در دانشگاه فودان ساختار حافظهی فلش را از پایه بازطراحی کردند. آنها بهجای سیلیکون سنتی، از گرافن دوبعدی دیراک استفاده کردهاند؛ مادهای که با تحرک بالای بار الکتریکیاش شناخته میشود.
تیم دانشگاه فودان با تنظیم طول کانال حافظه، پدیدهای موسوم به «سوپر-تزریق دوبعدی» را ایجاد کردند که به جریان شارژ بسیار سریع و تقریباً بدون محدودیت به لایهی ذخیرهسازی حافظه منجر میشود؛ عاملی که محدودیتهای سرعت در حافظههای رایج را از میان میبرد.
پروفسور ژو اعلام کرد: «با استفاده از الگوریتمهای هوش مصنوعی برای بهینهسازی شرایط تست فرایند، این نوآوری را بهطور چشمگیری بهبود دادهایم و مسیر استفادهی عملی آن را هموار کردهایم.»
تیم تحقیقاتی فودان بهمنظور سرعتبخشیدن به تجاریسازی فناوری PoX، با شرکای صنعتی در فرایند تحقیق و توسعه، همکاری نزدیکی دارد. طبق گزارشها، تأییدیهی اولیهی طراحی تراشه نیز انجام شده و نتایج اولیهی امیدوارکنندهای بهدست آمده است.
لیو چونسن، پژوهشگر ارشد آزمایشگاه کلیدی تراشههای مجتمع در دانشگاه فودان میگوید: «ما موفق شدهایم تراشهای کوچک و کاملاً عملیاتی بسازیم. قدم بعدی، ادغام این فناوری در گوشیها و کامپیوترهای فعلی است و پس از آن، مدلهای هوش مصنوعی محلی روی گوشی و کامپیوتر بدون مشکلاتی مانند کندی و داغشدن اجرا خواهند شد.»