巨大的突破:BBCube 3D 技術實現了 CPU/GPU 和記憶體的混合 3D 方法
引言
東京工業大學(Tokyo Tech)的研究人員最近報導,一種用於處理單元和記憶體的三維整合技術在全球取得了可達到的最高效能,為更快速、更高效的計算鋪平了道路。這項創新的堆疊架構名為「BBCube 3D」,與最先進的記憶體技術相比,實現了更高的資料頻寬,同時減少了位元存取所需的能量。
問題背景
在數位時代中,工程師和研究人員不斷提出需求更高的資料頻寬的新型計算機輔助技術。一些現代高頻寬應用的例子包括人工智慧、分子模擬、氣候預測和基因分析。然而為了增加資料頻寬,必須增加處理單元(如 GPU 和 CPU)和記憶體之間的連線數量,或者增加資料速率。然而這兩種方法都面臨著困難。
增加連線數量困難
在增加連線數量方面,由於處理單元和記憶體之間的傳輸通常在二維中進行,增加更多的連線變得困難。
增加資料速率困難
而在增加資料速率方面,需要增加存取一個位元所需的能量,即所謂的「位元存取能量」,這也是一個具有挑戰性的問題。
BBCube 3D 技術的創新
然而東京工業大學的研究團隊可能已經找到理解決這個問題的有效方法。在最近的「IEEE 2023 VLSI 記憶體技術和電路研討會」中,大場隆之教授及其同事提出了一種名為「Bumpless Build Cube 3D」或「BBCube 3D」的技術。這項技術可能解決處理單元(PU)和動態隨機存取記憶體(DRAM)之間更好整合的問題。
BBCube 3D 最引人注目的特點是在三維空間中實現了處理單元和 DRAM 之間的存取,而不是二維。研究團隊透過使用創新的堆疊結構,將處理單元晶片放置在多層 DRAM 的頂部,並透過矽穿透通孔(TSV)相互存取,實現了這一壯舉。BBCube 3D 的整體緊湊架構、缺乏傳統的微標志焊點以及使用 TSV 代替較長的連線,共同降低了寄生電容和電阻,改善了裝置的電氣效能。
提高電氣效能
此外研究人員還實施了一種創新策略,涉及四相遮蔽輸入/輸出(IO)來使 BBCube 3D 更抵抗噪聲。他們調整了相鄰 IO 線的時序,使它們始終相互間隔變化值,意味著它們永遠不會同時改變數值。這減少了串擾噪聲,使裝置的操作更加堅固。
技術的優勢
研究團隊評估了他們提出的架構的速度,並與兩種最先進的記憶體技術 DDR5 和 HBM2E 進行了比較。大場教授在解釋實驗結果時表示:“BBCube 3D 有望實現 1.6TB/s 的頻寬,這比 DDR5 高達 30 倍,比 HBM2E 高出 4 倍。”此外 BBCube 3D 在位元存取能量方面也取得了重大突破。大場教授解釋說:“由於 BBCube 具有較低的熱阻和低阻抗,可以解決 3D 整合中典型的熱管理和電源供應問題。”他還表示:“因此這項技術能夠以 DDR5 和 HBM2E 的 1/20 和 1/5 的位元存取能量,實現卓越的頻寬。”
結論
東京工業大學的 BBCube 3D 技術是一項具有重大影響的技術突破,它實現了處理單元和記憶體之間更好的整合,同時提供了更快速、更高效的計算能力。這項技術不僅在資料頻寬方面取得了突破性進展,還在位元存取能量方面取得了重大突破。BBCube 3D 的成功應用將為各種領域的計算機應用帶來顯著的改變,包括人工智慧、分子模擬、氣候預測和基因分析等。
(本文經 Science X 的編輯過程和政策進行審查,並遵循他們的嚴格審核標準,確保了內容的可信性。)
參考資料:
Bumpless Build Cube(BBCube)3D: 使用 WoW 和 CoW 提供 TB/s 頻寬的異構 3D 整合,獲取自 www.vlsisymposium.org
提供者:東京工業大學
引用:BBCube 3D: Implementing CPU/GPU and memory in a hybrid 3D approach (2023, June 29) 檢索自 https://techxplore.com/news/2023-06-bbcube-3d-cpugpu-memory-hybrid.html
延伸閱讀
- 替代雲技術蓬勃發展,企業尋求更便宜的 GPU 存取
- 星碼大師 2:執行在大多數 GPU 上的程式碼生成人工智慧
- 蘋果新推出黑色款高階 MacBook Pro,內含最高 128GB 記憶體
- 蘋果全新 M3 晶片巨獲巨大 GPU 升級,專注遊戲與專業應用程式
- AMD 再度推出擁有 96 核心的 Monster 級 Threadripper CPU
- $180 美元的 Intel Arc A580:低價位 GPU 成為 Intel 的新選擇
- NVIDIA 如何成為機器人領域的重要角色
- 蘋果推出全新 GPU 設計的 A17 Pro 晶片
- SQream 獲得 4500 萬美元投資,加速 GPU 資料分析
- SQream 獲得 4500 萬美元資金加速使用 GPU 進行資料分析