মেমরি পুনর্বিবেচনা

টেবিলে বিশেষজ্ঞরা: সেমিকন্ডাক্টর ইঞ্জিনিয়ারিং ক্রমবর্ধমান ভিন্ন ভিন্ন সিস্টেমে স্মৃতির জন্য এগিয়ে যাওয়ার পথ সম্পর্কে কথা বলতে বসেন, ফ্রাঙ্ক ফেরো, গ্রুপ ডিরেক্টর, প্রোডাক্ট ম্যানেজমেন্টের সাথে সুরের মুর্ছনা; স্টিভেন উ, সহকর্মী এবং বিশিষ্ট উদ্ভাবক Rambus; জংসিন ইউন, মেমরি টেকনোলজিস্ট সিমেন্স ইডিএ; রেন্ডি হোয়াইট, মেমরি সলিউশন প্রোগ্রাম ম্যানেজার এ কীসাইট; এবং ফ্র্যাঙ্ক শিরমিস্টার, সমাধান এবং ব্যবসা উন্নয়নের ভাইস প্রেসিডেন্ট ধমনী. সেই কথোপকথনের কিছু অংশ নিচে দেওয়া হল। এই আলোচনার প্রথম অংশ পাওয়া যাবে এখানে.

[এলআর]: ফ্রাঙ্ক ফেরো, ক্যাডেন্স; স্টিভেন উ, রামবাস; জংসিন ইউন, সিমেন্স ইডিএ; রেন্ডি হোয়াইট, কীসাইট; এবং ফ্রাঙ্ক শিরমিস্টার, আর্টেরিস

SE: আমরা AI/ML এবং পাওয়ার চাহিদার সাথে লড়াই করার সময়, কোন কনফিগারেশনগুলি পুনর্বিবেচনা করা দরকার? আমরা কি ভন নিউম্যান আর্কিটেকচার থেকে দূরে সরে যেতে দেখব?

উঃ সিস্টেম আর্কিটেকচারের ক্ষেত্রে, শিল্পে বিভাজন চলছে। প্রথাগত অ্যাপ্লিকেশনগুলি যেগুলি প্রভাবশালী ওয়ার্কহরস, যা আমরা x86-ভিত্তিক সার্ভারগুলিতে ক্লাউডে চালাই, সেগুলি চলে যাচ্ছে না। কয়েক দশক ধরে সফ্টওয়্যার তৈরি করা হয়েছে এবং বিকশিত হয়েছে এবং যেগুলি ভাল পারফর্ম করার জন্য সেই আর্কিটেকচারের উপর নির্ভর করবে। বিপরীতে, এআই/এমএল একটি নতুন শ্রেণী। লোকেরা আর্কিটেকচার নিয়ে পুনর্বিবেচনা করেছে এবং খুব ডোমেন-নির্দিষ্ট প্রসেসর তৈরি করেছে। আমরা দেখছি যে প্রায় দুই-তৃতীয়াংশ শক্তি ব্যয় হয় শুধুমাত্র একটি প্রসেসর এবং একটি এইচবিএম ডিভাইসের মধ্যে ডেটা স্থানান্তরিত করার জন্য, যখন মাত্র এক তৃতীয়াংশ ব্যয় হয় প্রকৃতপক্ষে DRAM কোরের বিটগুলি অ্যাক্সেস করতে। ডেটা চলাচল এখন অনেক বেশি চ্যালেঞ্জিং এবং ব্যয়বহুল। আমরা স্মৃতি থেকে পরিত্রাণ পেতে যাচ্ছি না. আমাদের এটি প্রয়োজন কারণ ডেটাসেটগুলি বড় হচ্ছে৷ তাই প্রশ্ন হল, 'এগিয়ে যাওয়ার সঠিক পথ কী?' স্ট্যাকিং সম্পর্কে অনেক আলোচনা হয়েছে. যদি আমরা সেই মেমরিটি গ্রহণ করি এবং এটিকে সরাসরি প্রসেসরের উপরে রাখি তবে এটি আপনার জন্য দুটি জিনিস করে। প্রথমত, ব্যান্ডউইথ আজ তীরে বা চিপের পরিধি দ্বারা সীমাবদ্ধ। যে যেখানে I/Os যান. কিন্তু আপনি যদি এটিকে সরাসরি প্রসেসরের উপরে স্ট্যাক করতেন, এখন আপনি বিতরণ করা আন্তঃসংযোগের জন্য চিপের পুরো এলাকাটি ব্যবহার করতে পারেন এবং আপনি মেমরিতেই আরও বেশি ব্যান্ডউইথ পেতে পারেন এবং এটি সরাসরি নিচের দিকে ফিড করতে পারে প্রসেসর লিঙ্কগুলি অনেক ছোট হয়ে যায়, এবং পাওয়ার দক্ষতা সম্ভবত 5X থেকে 6X পর্যন্ত বেড়ে যায়। দ্বিতীয়ত, মেমরির সাথে আন্তঃসংযোগের যে অধিক এলাকা অ্যারে এর কারণে আপনি যে পরিমাণ ব্যান্ডউইথ পেতে পারেন তা অনেকগুলি পূর্ণসংখ্যার ফ্যাক্টর দ্বারাও বেড়ে যায়। এই দুটি জিনিস একসাথে করা আরও ব্যান্ডউইথ প্রদান করতে পারে এবং এটি আরও শক্তি-দক্ষ করতে পারে। শিল্পের প্রয়োজন যাই হোক না কেন বিকশিত হয়, এবং এটি অবশ্যই একটি উপায় যা আমরা দেখতে পাব ভবিষ্যতে মেমরি সিস্টেমগুলি আরও শক্তি দক্ষ হয়ে উঠতে এবং আরও ব্যান্ডউইথ সরবরাহ করতে শুরু করবে।

লোহা: 2016 সালের দিকে যখন আমি প্রথম HBM-এ কাজ শুরু করি, তখন কিছু উন্নত গ্রাহক জিজ্ঞাসা করেছিল যে এটি স্ট্যাক করা যেতে পারে কিনা। তারা বেশ কিছুদিন ধরে DRAM কে কীভাবে উপরে স্ট্যাক করা যায় তা দেখছে কারণ স্পষ্ট সুবিধা রয়েছে। শারীরিক স্তর থেকে, PHY মূলত নগণ্য হয়ে যায়, যা প্রচুর শক্তি এবং দক্ষতা সঞ্চয় করে। কিন্তু এখন আপনি একটি একাধিক-100W প্রসেসর পেয়েছেন যেটির উপরে একটি মেমরি রয়েছে। স্মৃতি তাপ নিতে পারে না। এটি সম্ভবত তাপ শৃঙ্খলের সবচেয়ে দুর্বল লিঙ্ক, যা আরেকটি চ্যালেঞ্জ তৈরি করে। সুবিধা আছে, কিন্তু তারা এখনও চিন্তা করতে হবে কিভাবে তাপ মোকাবেলা করতে হবে. এই ধরনের আর্কিটেকচারকে এগিয়ে নিয়ে যাওয়ার জন্য এখন আরও বেশি উদ্দীপনা রয়েছে, কারণ এটি কার্যক্ষমতা এবং শক্তির পরিপ্রেক্ষিতে আপনাকে সামগ্রিকভাবে সংরক্ষণ করে এবং এটি আপনার গণনার দক্ষতা উন্নত করবে। কিন্তু কিছু শারীরিক নকশা চ্যালেঞ্জ আছে যেগুলো মোকাবেলা করতে হবে। স্টিভ যেমন বলছিলেন, আমরা সমস্ত ধরণের স্থাপত্য দেখতে পাচ্ছি যা বেরিয়ে আসছে। আমি সম্পূর্ণরূপে একমত যে GPU/CPU আর্কিটেকচারগুলি কোথাও যাচ্ছে না, তারা এখনও প্রভাবশালী হতে চলেছে। একই সময়ে, গ্রহের প্রতিটি কোম্পানি তাদের AI করার জন্য একটি ভাল মাউসট্র্যাপ নিয়ে আসার চেষ্টা করছে। আমরা অন-চিপ SRAM এবং উচ্চ-ব্যান্ডউইথ মেমরির সংমিশ্রণ দেখি। ক্ষমতার কারণে ডেটা সেন্টারে কীভাবে এলপিডিডিআর-এর সুবিধা নেওয়া যায় তার পরিপ্রেক্ষিতে এলপিডিডিআর আজকাল বেশ কিছুটা মাথা তুলেছে। আমরা এমনকি কিছু AI অনুমান অ্যাপ্লিকেশন, সেইসাথে সমস্ত পুরানো মেমরি সিস্টেমে GDDR ব্যবহার করা দেখেছি। তারা এখন যতটা সম্ভব পায়ের ছাপে যত বেশি DDR5 চেপে নেওয়ার চেষ্টা করছে। আমি প্রতিটি আর্কিটেকচার দেখেছি যা আপনি ভাবতে পারেন, তা DDR, HBM, GDDR, বা অন্যান্য। এটি আপনার প্রসেসর কোরের উপর নির্ভর করে আপনার সামগ্রিক মূল্য সংযোজন কী, এবং তারপরে আপনি কীভাবে আপনার নির্দিষ্ট আর্কিটেকচারের মধ্য দিয়ে যেতে পারেন। মেমরি সিস্টেম যা এটির সাথে যায়, তাই আপনি কি উপলব্ধ আছে তার উপর নির্ভর করে আপনার CPU এবং আপনার মেমরি আর্কিটেকচার ভাস্কর্য করতে পারেন।

ইউন: আরেকটি সমস্যা হল অ-অস্থিরতা। উদাহরণস্বরূপ, যদি AI-কে একটি IoT-ভিত্তিক AI চালানোর মধ্যে পাওয়ার ব্যবধানের সাথে মোকাবিলা করতে হয়, তাহলে আমাদের প্রচুর পাওয়ার অফ এবং অন প্রয়োজন, এবং AI প্রশিক্ষণের জন্য এই সমস্ত তথ্য বারবার ঘুরতে হবে। আমাদের কাছে যদি এমন কিছু সমাধান থাকে যেখানে আমরা সেই ওজনগুলিকে চিপে সংরক্ষণ করতে পারি যাতে আমাদের সবসময় একই ওজনের জন্য পিছনে পিছনে যেতে না হয়, তাহলে এটি প্রচুর শক্তি সঞ্চয় হবে, বিশেষ করে IoT-ভিত্তিক AI-এর জন্য। সেই শক্তির চাহিদাগুলিকে সাহায্য করার জন্য আরেকটি সমাধান হবে।

শিরমিস্টার: একটি এনওসি দৃষ্টিকোণ থেকে আমি যা আকর্ষণীয় বলে মনে করি, তা হল যেখানে আপনাকে একটি এনওসি এর মধ্য দিয়ে যাওয়া একটি প্রসেসর থেকে এই পথগুলিকে অপ্টিমাইজ করতে হবে, একটি মেমরি ইন্টারফেস অ্যাক্সেস করতে হবে একটি নিয়ামক সহ একটি চিপলেট থেকে অন্য একটি চিপলেটে যাওয়ার জন্য সম্ভাব্যভাবে UCIe এর মধ্য দিয়ে যেতে হবে, যার পরে মেমরি থাকে এটা এটি এমন নয় যে ভন নিউম্যান স্থাপত্যগুলি মৃত। কিন্তু এখন অনেক বৈচিত্র রয়েছে, কাজের চাপের উপর নির্ভর করে আপনি গণনা করতে চান। তাদের স্মৃতির প্রেক্ষাপটে বিবেচনা করা প্রয়োজন, এবং স্মৃতি শুধুমাত্র একটি দিক। যেখান থেকে আপনি ডাটা লোকেলিটি থেকে ডাটা পাবেন, এই DRAM এ কিভাবে সাজানো হয়েছে? আমরা এই সমস্ত জিনিসগুলির মাধ্যমে কাজ করছি, যেমন স্মৃতিগুলির কার্যক্ষমতা বিশ্লেষণ এবং তারপরে এটির উপর সিস্টেম আর্কিটেকচারটি অপ্টিমাইজ করা। এটি নতুন স্থাপত্যের জন্য অনেক উদ্ভাবনকে উত্সাহিত করছে, যা আমি কখনই ভাবিনি যখন আমি বিশ্ববিদ্যালয়ে ভন নিউম্যান সম্পর্কে শিখছি। চরম অন্য প্রান্তে, আপনি meshes মত জিনিস আছে. বিবেচনা করার মধ্যে এখন আরও অনেক আর্কিটেকচার রয়েছে এবং এটি মেমরি ব্যান্ডউইথ, কম্পিউট ক্ষমতা ইত্যাদি দ্বারা চালিত হয়, একই হারে বাড়ছে না।

হোয়াইট: বিচ্ছিন্ন গণনা বা বিতরণ করা কম্পিউটিং জড়িত একটি প্রবণতা রয়েছে, যার অর্থ স্থপতির তাদের নিষ্পত্তিতে আরও সরঞ্জাম থাকা দরকার। মেমরি অনুক্রম প্রসারিত হয়েছে. এখানে শব্দার্থবিদ্যা অন্তর্ভুক্ত রয়েছে, সেইসাথে CXL এবং বিভিন্ন হাইব্রিড স্মৃতি, যা ফ্ল্যাশ এবং DRAM-এর জন্য উপলব্ধ। ডেটা সেন্টারের একটি সমান্তরাল অ্যাপ্লিকেশন হল স্বয়ংচালিত। মোটরগাড়ি সবসময় ECUs (ইলেক্ট্রনিক কন্ট্রোল ইউনিট) সঙ্গে এই সেন্সর গণনা ছিল. এটা কিভাবে ডেটা সেন্টারে বিকশিত হয়েছে তাতে আমি মুগ্ধ। দ্রুত এগিয়ে, এবং আজ আমরা কম্পিউট নোড বিতরণ করেছি, যাকে ডোমেন কন্ট্রোলার বলা হয়। ইহা একই জিনিস. এটি মোকাবেলা করার চেষ্টা করছে যে সম্ভবত শক্তি একটি চুক্তির মতো বড় নয় কারণ কম্পিউটারের স্কেল ততটা বড় নয়, তবে স্বয়ংচালিত ক্ষেত্রে বিলম্ব অবশ্যই একটি বড় চুক্তি। ADAS-এর অতি-উচ্চ ব্যান্ডউইথ প্রয়োজন, এবং আপনি বিভিন্ন ট্রেডঅফ পেয়েছেন। এবং তারপরে আপনি আরও যান্ত্রিক সেন্সর পেয়েছেন, তবে ডেটা সেন্টারে অনুরূপ সীমাবদ্ধতা রয়েছে। আপনার কাছে এমন কোল্ড স্টোরেজ রয়েছে যার কম লেটেন্সি হওয়ার দরকার নেই এবং তারপরে আপনি অন্যান্য উচ্চ ব্যান্ডউইথ অ্যাপ্লিকেশন পেয়েছেন। স্থপতির জন্য সরঞ্জাম এবং বিকল্পগুলি কতটা বিকশিত হয়েছে তা দেখতে আকর্ষণীয়। শিল্প সাড়া দেওয়ার জন্য সত্যিই একটি ভাল কাজ করেছে এবং আমরা সবাই বিভিন্ন সমাধান প্রদান করি যা বাজারে প্রবেশ করে।

SE: কিভাবে মেমরি ডিজাইন টুল বিকশিত হয়েছে?

শিরমিস্টার: যখন আমি 90 এর দশকে আমার প্রথম কয়েকটি চিপ দিয়ে শুরু করি, তখন সবচেয়ে বেশি ব্যবহৃত সিস্টেম টুল ছিল এক্সেল। তারপর থেকে, আমি সবসময় আশা করেছি যে এটি সিস্টেম-স্তরে, মেমরি, ব্যান্ডউইথ বিশ্লেষণ এবং আরও অনেক কিছুর জন্য এক পর্যায়ে ভেঙে যেতে পারে। এটি আমার দলগুলিকে বেশ কিছুটা প্রভাবিত করেছিল। সেই সময়ে, এটি খুব উন্নত জিনিস ছিল। কিন্তু রেন্ডির কথায়, এখন কিছু জটিল জিনিসকে বিশ্বস্ততার স্তরে সিমুলেট করা দরকার যা আগে গণনা ছাড়া সম্ভব ছিল না। একটি উদাহরণ দিতে, একটি DRAM অ্যাক্সেসের জন্য একটি নির্দিষ্ট লেটেন্সি অনুমান করা খারাপ আর্কিটেকচার সিদ্ধান্তের দিকে নিয়ে যেতে পারে এবং চিপে ডেটা ট্রান্সপোর্ট আর্কিটেকচারগুলিকে সম্ভাব্যভাবে ভুলভাবে ডিজাইন করতে পারে। উল্টানো দিকটিও সত্য। আপনি যদি সর্বদা সবচেয়ে খারাপ কেস ধরে নেন, তাহলে আপনি আর্কিটেকচারটিকে অতিরিক্ত ডিজাইন করবেন। সরঞ্জামগুলি DRAM এবং কর্মক্ষমতা বিশ্লেষণ সঞ্চালন করে এবং কন্ট্রোলারদের জন্য উপযুক্ত মডেলগুলি উপলব্ধ থাকলে একজন স্থপতিকে এটির সমস্ত অনুকরণ করতে দেয়, এটি একটি আকর্ষণীয় পরিবেশ। 90 এর দশক থেকে আমার আশা যে এক্সেল এক পর্যায়ে ভেঙে যেতে পারে সিস্টেম লেভেল টুলটি আসলে সত্যি হতে পারে, কারণ কিছু গতিশীল প্রভাব আপনি আর এক্সেলে করতে পারবেন না কারণ আপনাকে সেগুলি সিমুলেট করতে হবে — বিশেষ করে যখন আপনি PHY বৈশিষ্ট্য সহ একটি ডাই-টু-ডাই ইন্টারফেসে নিক্ষেপ করেন এবং তারপরে লেয়ার লিঙ্ক করেন সমস্ত কিছু সঠিক কিনা এবং সম্ভাব্য ডেটা পুনরায় পাঠানোর মতো সমস্ত বৈশিষ্ট্য। এই সিমুলেশনগুলি না করার ফলে সাব-অপ্টিমাল আর্কিটেকচার হবে।

লোহা: আমরা যে বেশিরভাগ মূল্যায়ন করি তার প্রথম ধাপ হল তাদের মেমরি টেস্টবেঞ্চ দেওয়া যাতে DRAM দক্ষতার দিকে নজর দেওয়া শুরু হয়। এটি একটি বিশাল পদক্ষেপ, এমনকি DRAM সিমুলেশন করার জন্য স্থানীয় সরঞ্জামগুলি চালানোর মতো সহজ জিনিসগুলি করা, কিন্তু তারপরে সম্পূর্ণ-বিকশিত সিমুলেশনে যাওয়া। আমরা দেখতে পাই যে আরও গ্রাহকরা এই ধরণের সিমুলেশনের জন্য জিজ্ঞাসা করছেন। 90-এর দশকে আপনার DRAM-এর দক্ষতা বেড়েছে তা নিশ্চিত করা যেকোনো মূল্যায়নের একটি অত্যন্ত গুরুত্বপূর্ণ প্রথম ধাপ।

উঃ আপনি কেন সম্পূর্ণ সিস্টেম সিমুলেশন টুলের উত্থান দেখতে পাচ্ছেন তার একটি অংশ হল যে DRAMগুলি অনেক বেশি জটিল হয়ে উঠেছে। এক্সেলের মতো সাধারণ টুল ব্যবহার করে এই জটিল কাজের চাপের জন্য বারে থাকা এখন খুব কঠিন। আপনি যদি 90 এর দশকে DRAM-এর ডেটাশিটটি দেখেন, সেই ডেটা শীটগুলি 40 পৃষ্ঠার মতো ছিল। এখন তারা শত শত পৃষ্ঠা. এটি উচ্চ ব্যান্ডউইথ বের করার জন্য ডিভাইসের জটিলতার কথা বলে। আপনি দম্পতি যে মেমরি সিস্টেম খরচ যেমন একটি ড্রাইভার, সেইসাথে ব্যান্ডউইথ এবং প্রসেসরের কর্মক্ষমতা সম্পর্কিত লেটেন্সি যে সঙ্গে. এটি ক্ষমতার একটি বড় চালক, যাতে আপনাকে এখন আরও বিশদ স্তরে অনুকরণ করতে হবে। টুল প্রবাহের ক্ষেত্রে, সিস্টেম আর্কিটেক্টরা বোঝেন যে মেমরি একটি বিশাল চালক। সুতরাং সরঞ্জামগুলি আরও পরিশীলিত হওয়া দরকার, এবং তাদের অন্যান্য সরঞ্জামগুলির সাথে খুব ভালভাবে ইন্টারফেস করতে হবে যাতে সিস্টেম আর্কিটেক্ট কী ঘটছে তার সর্বোত্তম বৈশ্বিক দৃষ্টিভঙ্গি পায় - বিশেষ করে কীভাবে মেমরি সিস্টেমকে প্রভাবিত করছে।

ইউন: আমরা যখন এআই যুগে চলে যাচ্ছি, অনেক মাল্টি-কোর সিস্টেম ব্যবহার করা হয়, কিন্তু কোন ডেটা কোথায় যায় তা আমরা জানি না। এটি চিপের আরও সমান্তরালভাবে যাচ্ছে। স্মৃতির আকার অনেক বড়। যদি আমরা ChatGPT-টাইপ AI ব্যবহার করি, তাহলে মডেলগুলির জন্য ডেটা পরিচালনার জন্য প্রায় 350MB ডেটা প্রয়োজন, যা শুধুমাত্র একটি ওজনের জন্য বিপুল পরিমাণ ডেটা, এবং প্রকৃত ইনপুট/আউটপুট অনেক বেশি। প্রয়োজনীয় ডেটার পরিমাণ বৃদ্ধির অর্থ হল প্রচুর সম্ভাব্য প্রভাব রয়েছে যা আমরা আগে দেখিনি। এই বিপুল পরিমাণ মেমরির সাথে সম্পর্কিত সমস্ত ত্রুটিগুলি দেখতে এটি একটি অত্যন্ত চ্যালেঞ্জিং পরীক্ষা। এবং ECC সর্বত্র ব্যবহৃত হয়, এমনকি SRAM-তেও, যা ঐতিহ্যগতভাবে ECC ব্যবহার করে না, কিন্তু এখন এটি সবচেয়ে বড় সিস্টেমের জন্য খুবই সাধারণ। এই সমস্তগুলির জন্য পরীক্ষা করা খুবই চ্যালেঞ্জিং এবং সেই সমস্ত ভিন্ন শর্তগুলি পরীক্ষা করার জন্য EDA সমাধানগুলির দ্বারা সমর্থিত হওয়া প্রয়োজন৷

এসই: প্রকৌশল দলগুলি প্রতিদিনের ভিত্তিতে কোন চ্যালেঞ্জগুলির মুখোমুখি হয়?

হোয়াইট: যেকোনো দিন, আপনি আমাকে ল্যাবে পাবেন। আমি আমার হাতা গুটানো এবং আমি আমার হাত নোংরা, তারের খোঁচা, সোল্ডারিং, এবং কি না পেয়েছিলাম। আমি পোস্ট-সিলিকন বৈধতা সম্পর্কে অনেক চিন্তা করি। আমরা প্রারম্ভিক সিমুলেশন এবং অন-ডাই টুল - BiST এবং এই জাতীয় জিনিসগুলি সম্পর্কে কথা বলেছি। দিনের শেষে, আমরা শিপ করার আগে, আমরা কিছু ফর্ম সিস্টেম বৈধতা বা ডিভাইস-স্তরের পরীক্ষা করতে চাই। আমরা কিভাবে স্মৃতি প্রাচীর কাটিয়ে উঠতে হবে তা নিয়ে কথা বলেছি। আমরা মেমরি, এইচবিএম, এমন জিনিসগুলি সহ-লোকেট করি। আমরা যদি প্যাকেজিং প্রযুক্তির বিবর্তনের দিকে তাকাই, আমরা সীসাযুক্ত প্যাকেজগুলি দিয়ে শুরু করেছি। তারা সংকেত অখণ্ডতা জন্য খুব ভাল ছিল না. কয়েক দশক পরে, আমরা বল গ্রিড অ্যারে (BGAs) এর মতো অপ্টিমাইজ করা সংকেত অখণ্ডতায় চলে এসেছি। আমরা এটি অ্যাক্সেস করতে পারিনি, যার অর্থ আপনি এটি পরীক্ষা করতে পারবেন না। তাই আমরা একটি ডিভাইস ইন্টারপোজার নামক এই ধারণা নিয়ে এসেছি — একটি BGA ইন্টারপোজার — এবং এটি আমাদেরকে একটি বিশেষ ফিক্সচার স্যান্ডউইচ করার অনুমতি দেয় যা সিগন্যাল আউট করে। তারপর আমরা এটি পরীক্ষার সরঞ্জামের সাথে সংযুক্ত করতে পারি। আজকে দ্রুত এগিয়ে, এবং এখন আমাদের কাছে এইচবিএম এবং চিপলেট রয়েছে। সিলিকন ইন্টারপোজারের মধ্যে আমি কীভাবে আমার ফিক্সচার স্যান্ডউইচ করব? আমরা পারি না, এবং এটাই সংগ্রাম। এটি একটি চ্যালেঞ্জ যা আমাকে রাতে জাগিয়ে রাখে। আমরা কীভাবে একটি OEM বা সিস্টেম গ্রাহকের সাথে ক্ষেত্রে ব্যর্থতা বিশ্লেষণ করব, যেখানে তারা 90% দক্ষতা পাচ্ছে না। লিঙ্কটিতে আরও ত্রুটি রয়েছে, তারা সঠিকভাবে শুরু করতে পারে না এবং প্রশিক্ষণ কাজ করছে না। এটি একটি সিস্টেম অখণ্ডতা সমস্যা?

শিরমিস্টার: আপনি ল্যাবে হাঁটার চেয়ে ভার্চুয়াল ইন্টারফেস দিয়ে বাড়ি থেকে এটি করবেন না? উত্তরটি কি আপনি চিপে তৈরি করা আরও বিশ্লেষণী নয়? চিপলেটের সাহায্যে আমরা সবকিছুকে আরও একত্রিত করি। সেখানে আপনার সোল্ডারিং আয়রন পাওয়া সত্যিই একটি বিকল্প নয়, তাই অন-চিপ বিশ্লেষণের জন্য একটি উপায় থাকা দরকার। আমাদের এনওসি এর জন্য একই সমস্যা আছে। লোকেরা এনওসি দেখে, এবং আপনি ডেটা পাঠান এবং তারপরে এটি চলে যায়। আমাদের সেখানে অ্যানালিটিক্স রাখতে হবে যাতে লোকেরা ডিবাগ করতে পারে, এবং এটি ম্যানুফ্যাকচারিং লেভেল পর্যন্ত প্রসারিত হয়, যাতে আপনি অবশেষে বাড়ি থেকে কাজ করতে পারেন এবং চিপ অ্যানালিটিক্সের উপর ভিত্তি করে এটি করতে পারেন।

লোহা: বিশেষত উচ্চ ব্যান্ডউইথ মেমরির সাথে, আপনি শারীরিকভাবে সেখানে প্রবেশ করতে পারবেন না। যখন আমরা PHY লাইসেন্স করি তখন আমাদের কাছে একটি পণ্যও থাকে যা এর সাথে যায় যাতে আপনি সেই 1,024 বিটের প্রতিটিতে চোখ রাখতে পারেন। আপনি টুল থেকে DRAM পড়া এবং লেখা শুরু করতে পারেন যাতে আপনাকে সেখানে শারীরিকভাবে প্রবেশ করতে না হয়। আমি ইন্টারপোজার ধারণা পছন্দ করি। আমরা পরীক্ষার সময় ইন্টারপোজার থেকে কিছু পিন বের করি, যা আপনি সিস্টেমে করতে পারবেন না। এই 3D সিস্টেমে প্রবেশ করা সত্যিই একটি চ্যালেঞ্জ। এমনকি একটি ডিজাইন টুল ফ্লো দৃষ্টিকোণ থেকেও, মনে হচ্ছে বেশিরভাগ সংস্থাগুলি এই 2.5D সরঞ্জামগুলির অনেকগুলিতে তাদের নিজস্ব স্বতন্ত্র প্রবাহ করে। আমরা সংকেত অখণ্ডতা, শক্তি, সমগ্র সমগ্র প্রবাহ থেকে একটি 2.5D সিস্টেম তৈরি করার জন্য একটি আরও প্রমিত উপায় একসাথে রাখা শুরু করছি৷

হোয়াইট: জিনিসগুলি যখন মরে যায়, আমি আশা করি আমরা এখনও একই স্তরের নির্ভুলতা বজায় রাখতে পারি। আমি UCIe ফর্ম ফ্যাক্টর কমপ্লায়েন্স গ্রুপে আছি। আমি একটি পরিচিত ভাল ডাই, একটি গোল্ডেন ডাইকে কীভাবে চিহ্নিত করা যায় তা দেখছি। অবশেষে, এটি অনেক বেশি সময় নিতে চলেছে, তবে আমরা আমাদের প্রয়োজনীয় পরীক্ষার পারফরম্যান্স এবং নির্ভুলতা এবং অন্তর্নির্মিত নমনীয়তার মধ্যে একটি সুখী মাধ্যম খুঁজে বের করতে যাচ্ছি।

শিরমিস্টার: আমি যদি আরও উন্মুক্ত উত্পাদন পরিবেশে চিপলেট এবং তাদের গ্রহণের দিকে তাকাই, পরীক্ষাটি সঠিকভাবে কাজ করার পথে একটি বড় চ্যালেঞ্জ। যদি আমি একটি বড় কোম্পানী হই এবং আমি এর সব দিক নিয়ন্ত্রণ করি, তাহলে আমি জিনিসগুলিকে যথাযথভাবে সীমাবদ্ধ করতে পারি যাতে পরীক্ষা এবং আরও কিছু সম্ভব হয়। আমি যদি UCIe স্লোগানে যেতে চাই যে UCI PCI থেকে মাত্র এক অক্ষর দূরে, এবং আমি এমন একটি ভবিষ্যৎ কল্পনা করি যেখানে UCIe সমাবেশ হবে, একটি উত্পাদনের দৃষ্টিকোণ থেকে, যেমন একটি PC-এ PCI স্লট, তাহলে এর জন্য পরীক্ষার দিকগুলি সত্যিই চ্যালেঞ্জিং আমাদের একটি সমাধান খুঁজে বের করতে হবে। অনেক কাজ আছে।

সম্পরকিত প্রবন্ধ
স্মৃতির ভবিষ্যত (উপরের রাউন্ডেবলের পার্ট 1)
তাপ এবং বিদ্যুতের সমস্যা সমাধানের প্রচেষ্টা থেকে শুরু করে CXL এবং UCIe-এর ভূমিকা, ভবিষ্যতে মেমরির জন্য অনেকগুলি সুযোগ রয়েছে।

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://semiengineering.com/rethinking-memory/