以内存为中心的计算

以内存为中心的计算是在内存限制的工作负载下，以低能耗和高性能执行高级计算的逻辑路径，包括人工智能推理和训练。任何以内存为中心的计算都需要从应用程序到存储位的集成创新，包括架构、框架、操作系统和内存系统。计算堆栈中的所有项目必须在系统级驱动的以内存为中心的范例中一起发展。

采用以内存为中心的架构为快速、高效的计算系统创造了巨大的潜力。但是，根据以数据为中心的工作负载结构，需要在带宽和能量之间进行权衡。为了实现这一点，系统必须采用异构设计，如图4所示：1）从当前通用的以计算为中心的体系结构发展而来；2）采用新型专用加速器感知设计；3）采用以内存为中心的、领域特定的新型架构、数据移动感知编程模型以及紧密耦合的内存和计算架构，将更多计算推向内存。

图5展示了当前和未来以内存为中心的计算新模式的构建模块。通过以3D方式堆叠内存芯片（称为高带宽内存（HBM）），并以2.5D方式将这些堆栈与系统集成，使工作负载更接近内存。现在，人们正在探索新的存储架构，将逻辑功能插入到硅级的存储芯片中，与存储阵列一起，并在存储阵列内部，以实现深层内存功能。将这种存储器和计算协同再向前推进一步，我们可以想象内存和逻辑的完全融合，其中模拟内存功能被安排来提供并发计算能力。

为了实现存储技术的突破性发展，需要能够与传统器件集成的新概念和相关材料。为了与当前的DRAM和NAND技术竞争，任何新的存储器或选择设备的发现都必须在性能、功率、面积、功能、成本和复杂性等许多（如果不是全部）关键设备指标方面提供颠覆性的优势。效益评估必须考虑整体系统级需求，并对材料、工艺、器件和电路以及系统架构的整个堆栈进行基准测试。缩放考虑已经被推进到可能需要利用固有的2D和1D材料设备解决方案的程度，并且可能需要在接近原子分辨率下工作的概念。重要的是理解基本的器件机制，以及某些设备概念缺陷（例如，可能涉及开关机制中的原子运动），这通常会导致设备级别的可变性或随机性。为了在大型阵列实施中使用，必须几乎完全消除任何设备性能变化。

卓越存储联盟

为了确保美国在半导体存储器和存储技术关键领域的领导地位，NSTC应制定并阐明，实现下一代这些技术的长期（>5年）愿景和路线图。

卓越存储联盟（MCOE）将支持这一时代的变革和所需的新技术创新。MCOE应是跨行业、学术界和政府的重点工作，具有与克服本文概述中的挑战相关的明确目标，并应与其他关键卓越联盟（Coe）保持一致，以支持NSTC的总体目标。