作為尖端半導(dǎo)體解決方案的全球領(lǐng)先企業(yè),三星電子今日宣布已從本月起開始正式量產(chǎn)采用20納米制程技術(shù)的世界最小型4GbDDR3DRAM。
三星電子利用現(xiàn)有的ArF浸入式光刻機(jī),克服了20納米DRAM微細(xì)化的技術(shù)限制,開創(chuàng)了內(nèi)存存儲器制造技術(shù)的新紀(jì)元。NAND閃存的基本存儲單元由一個晶體管構(gòu)成,而DRAM則由一個電容器和一個晶體管串聯(lián)構(gòu)成,因此后者更難實現(xiàn)制程技術(shù)的微細(xì)化。然而,三星電子通過對芯片設(shè)計和制程技術(shù)的改良,創(chuàng)新性地研發(fā)出“改良版雙重照片曝光技術(shù)(ModifiedDoublePatterning)”和“超薄介電層成型技術(shù)(Atomiclayer deposition)”,順利實現(xiàn)了20納米4Gb DDR3 DRAM的量產(chǎn)。
“改良版雙重照片曝光技術(shù)(ModifiedDoublePatterning)”僅利用現(xiàn)有的光刻機(jī)設(shè)備即可生產(chǎn)20納米DDR3,而且更為下一代10納米級DRAM的量產(chǎn)做了核心技術(shù)儲備,為半導(dǎo)體制程技術(shù)建立了一個新的里程碑。同時,電容器單元的介電層不僅超薄,而且前所未有的排列均衡,確保了基本存儲單元的優(yōu)越性能。
在這些新技術(shù)的基礎(chǔ)上,新一代20納米DDR3DRAM的生產(chǎn)率比25納米DDR3提高了30%以上,更比30納米級DDR3提高了超過一倍。同時,基于20納米的DDR3DRAM模組的耗電量同比基于25納米的DDR3降低了25%,將為全球IT企業(yè)提供最優(yōu)質(zhì)的“超節(jié)能綠色I(xiàn)T方案”。
三星電子存儲芯片事業(yè)部戰(zhàn)略營銷部門負(fù)責(zé)人全永鉉副總裁表示:“三星電子的新一代超節(jié)能型20納米DDR3內(nèi)存將在包括電腦和移動市場在內(nèi)的IT領(lǐng)域迅速站穩(wěn)腳跟,并進(jìn)一步占據(jù)主流地位。今后,三星電子將繼續(xù)領(lǐng)先競爭對手推出下一代大容量DRAM和綠色存儲方案,與全球客戶攜手為世界IT市場的快速增長做出貢獻(xiàn)。”
未來,三星電子將致力于研發(fā)10納米級的新一代DRAM產(chǎn)品,突破半導(dǎo)體技術(shù)的瓶頸,持續(xù)推進(jìn)存儲器市場的發(fā)展。
據(jù)市場調(diào)研機(jī)構(gòu)Gartner預(yù)測,2014年全球DRAM市場產(chǎn)值將由2013年的356億美元增長至379億美元。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。