非易失性存储器平衡方法
2020-09-11 15:13
288 查看
非易失性存储器在高级节点上变得越来越复杂,在高级节点上的价格和速度,功率和利用率正在成为一些非常特定于应用程序的折衷,以决定该存储器的放置位置。
NVM可以嵌入到芯片中,也可以使用各种类型的互连技术将其移出芯片。但是这个决定比它最初看起来要复杂得多。它取决于过程节点和电压,NVM的类型以及其中存储的内容以及整个芯片或系统的预算。
性能最高的处理器使用的工艺几何尺寸最小,这反过来将对NVM提出最高要求。NVM面临的一些挑战是在较小的几何尺寸上扩展容量的相对困难,以及需要实施更高的电压来对单元进行编程。在更精细的工艺几何尺寸下,可能需要更多的裸片面积来支持额外的处理核心所需的容量,并且可能需要额外的制造成本来支持更高的电压。
这已成为在较小几何尺寸的功率/性能改进与可以经济高效地嵌入多少内存之间的一种平衡方法。
在非易失性存储器中,当降至40nm以下时,嵌入它的成本将变得非常高,因此可能最终会在内部使用更多的SRAM,但随后将NVM委托给外部设备。但是这样做时,挑战就变成了具有足够的带宽性能以能够以省电的方式执行。
一些MCU公司正在转向外部存储器而不是内部存储器,并使用性能更高的八进制NVM来做到这一点。
这样做的优点之一是简单。因此,裸NAND设备正趋向于固态驱动器和存储卡,对需要直接与裸NAND接口的设备(不包括存储控制器)的要求越来越少。
随着SPI(串行外设接口)总线上设备的多样性增加,以及高速SPI接口(特别是四路SPI,八路SPI,xSPI)的泛滥,它已经成为一种非常有趣的总线,除了启动并直接执行之外公交车。这种方法在恩智浦不具有片上嵌入式存储器的微控制器系列中很明显。
相关文章推荐
- 处理样本分布不平衡,偏斜比较厉害的方法总结
- 处理不平衡数据的常用采样方法
- 分类中常见的类别不平衡问题解决方法
- 【干货】机器学习中样本比例不平衡的处理方法
- 机器学习模型构建时正负样本不平衡带来的问题及解决方法
- poj1837Balance【二维01背包方法数——天平平衡】
- 聚类-birch(层次方法的平衡迭代规约和聚类)
- 读《改变,从心开始-学会情绪平衡的方法》有感
- 不平衡数据分类方法总结
- 平衡树的删除以及保持平衡的方法思路及实现
- 数据样本不平衡问题处理方法
- 样本不平衡的常用处理方法 也给小象学院的邹老师打个广告,讲得真不错
- poj 1837 背包(让天平平衡的方法)
- 语义分割中类别不平衡的解决方法
- CIO们,是用什么方法去平衡IT建设的价值与成本?
- 机器学习之类别不平衡问题 (3) —— 采样方法
- [RE]lab1B&lab1A's writeup&脚本;使堆栈平衡的另一种方法
- mapreduce数据不平衡时的处理方法
- 不平衡数据下的机器学习方法简介 imbalanced time series classification
- 平衡二叉树 的转换和平衡方法