Yapay zeka çiplerinde artan bellek ihtiyacına çözüm arayan Nagare Labs, SRAM hızını DRAM yoğunluğuyla araya getirmeyi amaçlayan Z2RAM teknolojisini geliştiriyor. Eski Intel CEO’su Pat Gelsinger’ın desteklediği girişim, ilk sürümde aynı fiziksel alana geleneksel SRAM’in beş katından fazla bellek kapasitesi yerleştirmeyi hedefliyor. Laboratuvar prototipi aşamasındaki teknoloji için şirket, önümüzdeki dört yıl içinde çalışan bellek modülleri sunmayı, on yıl içinde ise ticari sevkiyatlara başlamayı planlıyor.
Z2RAM Bellek Yoğunluğunu Beş Katın Üzerine Çıkarmayı AmaçlıyorYapay zeka modellerinin büyümesi, işlemcilerin hesaplama gücünün yanı sıra bellek kapasitesi veri aktarım hızını önemli performans ölçütü haline getiriyor. Nagare Labs tarafından geliştirilen Z2RAM, yüksek hızlı SRAM’in kapasite sınırlamalarını aşarak yapay zeka hızlandırıcılarında daha fazla verinin işlem birimlerine yakın tutulmasını hedefliyor.
Georgia Institute of Technology bünyesinde profesörler Suman Datta Shimeng Yu tarafından yürütülen araştırmalara dayanan teknoloji, ilk sürümde aynı alana SRAM’in beş katından fazla bellek sığdırmayı amaçlıyor. Şirketin verdiği örneğe göre, geleneksel SRAM 64 MB kapasite sunan alana Z2RAM kullanılarak yaklaşık 320 MB bellek yerleştirilebilecek. Tasarımın hedefleri arasında SRAM düzeyine yakın bant genişliğini korumak bulunuyor.
kapasite artışı, özellikle büyük dil modellerini çalıştıran yapay zeka hızlandırıcılarında önem taşıyor. Mevcut SRAM tabanlı sistemler, sınırlı bellek alanı nedeniyle yüksek miktarda veriyi işlemek için daha fazla hızlandırıcıya ihtiyaç duyabiliyor. Z2RAM hedeflenen performansa ulaşırsa aynı iş yükünü karşılamak için gereken donanım sayısı azalabilir, ancak kazanımın gerçek sistemlerde doğrulanması gerekiyor.
Nvidia’nın Groq 3 LPU çözümlerinde yonga başına yaklaşık 500 MB SRAM bulunduğu belirtiliyor. Z2RAM’in vaat ettiği yoğunluk artışı, benzer mimarilerde bellek kapasitesini yükseltebilir. Bununla birlikte laboratuvar aşamasındaki sonuçların üretim ölçeğinde aynı performansı sağlayıp sağlamayacağı henüz belli değil.
Z2RAM’in temel farkı, veriyi depolamak için geleneksel DRAM hücrelerinden farklı mimariden yararlanması. veriyi transistör kondansatör üzerinden saklarken Z2RAM iki transistörlü yapı kullanıyor. İkinci transistörün kapı kapasitansı, elektrik yükünün depolanmasında görev alıyor.
tasarım, bellek okuma işleminin ardından verinin yeniden yazılması ihtiyacını azaltmayı hedefliyor. Geleneksel DRAM hücrelerinde okuma sırasında depolanan yük etkilenebildiği için verinin yenilenmesi gerekiyor. Z2RAM’in yaklaşımı ise okuma işlemini bellekteki veriyi bozmadan gerçekleştirmeyi amaçlıyor; tasarımın hedeflenen gecikme avantajını ne ölçüde sağlayacağı ise testlerle ortaya çıkacak.
Teknoloji, dikey katmanlama yaklaşımıyla daha yüksek yoğunluğa ulaşmayı planlıyor. Nagare Labs, oksit yarı iletkenler üç boyutlu hibrit bağlama tekniklerinden yararlanarak bellek katmanlarını işlemci veya yapay zeka hızlandırıcısının mantık devrelerinin üzerine yerleştirmeyi amaçlıyor.
Nagare Labs’in planı, AMD’nin işlemci yongalarının üzerine ek SRAM önbelleği yerleştiren 3D V-Cache teknolojisini hatırlatıyor. İki yaklaşım bellek işlem mantığını dikey katmanlarda araya getirerek fiziksel alanın daha verimli kullanılmasını hedefliyor. Ancak Z2RAM’in amacı yalnızca mevcut önbellekleri büyütmek değil, daha yüksek yoğunluğa sahip yeni bellek sınıfı geliştirmek.
Şirket, üretim yönteminin NAND Flash bellekte kullanılan katmanlı mimariye yakın olmasının maliyetleri azaltabileceğini öngörüyor. yaklaşımın HBM LPDDR gibi bellek çözümlerine kıyasla daha kolay üretim sağlayıp sağlamayacağı ise üretim süreçlerinin olgunlaşmasına bağlı olacak.
Z2RAM’in ticari değerini belirleyecek unsurlar arasında yalnızca kapasite bant genişliği yer almıyor. Güç tüketimi, üretim verimi, dayanıklılık mevcut hızlandırıcılarla uyumluluk teknolojinin benimsenmesinde belirleyici rol oynayacak.
Nagare Labs, ilk yatırım turunda 5 milyon dolar finansman sağladı. Girişim, üniversite laboratuvarındaki araştırmaları daha ileri taşımak amacıyla araştırma geliştirme üretim ortağı arıyor. Kurucu ortak Suman Datta’nın açıkladığı takvime göre şirket, dört yıl içinde çalışan Z2RAM bellek modüllerinden örnekler sunmayı on yıl içinde ticari sevkiyatlara başlamayı hedefliyor.
Teknolojinin önündeki önemli engellerden biri, üç boyutlu hibrit bağlama hızlandırıcı entegrasyonu için ortak standartların bulunmaması. Z2RAM’in farklı üreticilerin sistemlerinde kullanılabilmesi için uygun arayüzlerin geliştirilmesi sektör genelinde uyumluluğun sağlanması gerekiyor. AMD’nin 3D V-Cache çözümü kendi işlemci mimarisine özel entegrasyon kullanırken Nagare Labs’in geniş çaplı benimsenme hedefi için farklı sistemlere uyum sağlayan yaklaşım geliştirmesi gerekebilir.
Oksit yarı iletkenlerin uzun vadeli güvenilirliği ticari üretim öncesinde araştırılması gereken başlıklar arasında bulunuyor. malzemeler sıcaklık radyasyon performansı açısından avantajlar sunsa atomik boşluklar elektron düzeyindeki küçük değişimler, transistörlerin eşik gerilimlerini etkileyebiliyor. Söz konusu değişimler bellek hücrelerinde hatalara neden olabileceğinden Z2RAM’in uzun süreli kararlılığı üretim koşullarındaki tutarlılığı kapsamlı testlerden geçmek zorunda.
Z2RAM, yapay zeka hızlandırıcılarının bellek kapasitesini artırma veri erişimindeki sınırlamaları azaltma hedefiyle yeni alternatif sunuyor. Ancak teknolojinin mevcut bellek çözümlerine rakip olabilmesi için laboratuvar vaatlerini üretim ölçeğinde doğrulaması, entegrasyon sorunlarını çözmesi uzun vadeli güvenilirliğini kanıtlaması gerekiyor.
