[论文解读] Storage Class Memory: Principles, Problems, and Possibilities

Aditya K. Kamath, Leslie Monis+2 more|arXiv (Cornell University)|Sep 26, 2019

Advanced Memory and Neural Computing参考文献 104被引用 5

一句话总结

本文全面综述了存储类内存（SCM）技术——相变存储器（PCM）、STT-RAM 和 ReRAM——详细阐述了其工作原理、关键挑战（如写入延迟和耐久性限制），以及在加速器和多级单元（MLC）实现中的未来潜力。文章强调了SCM如何弥合DRAM与NAND闪存在性能上的差距，实现具备非易失性和字节寻址能力的统一内存层次结构。

ABSTRACT

Storage Class Memory (SCM) is a class of memory technology which has recently become viable for use. Their namearises from the fact that they exhibit non-volatility of data, similar to secondary storage while also having latencies comparable toprimary memory and byte-addressibility. In this area, Phase Change Memory (PCM), Spin-Transfer-Torque Random Access Memory(STT-RAM), and Resistive RAM (ReRAM) have emerged as the major contenders for commercial and industrial use. In this paper, wedescribe how these memory types function, while highlighting the problems of endurance and performance that these memory typesface. We also discuss the future possibilities of Multi-Level Cells (MLCs), as well as how SCM can be used to construct accelerators.

研究动机与目标

• 分析主要SCM技术（PCM、STT-RAM 和 ReRAM）的基本工作原理。
• 识别并分类关键技术挑战，如高写入延迟、耐久性有限以及SCM器件中的硬错误。
• 探讨多级单元（MLC）在提升SCM存储密度和效率方面的潜力。
• 评估SCM通过专用硬件加速器在加速深度学习和图处理等专用工作负载中的作用。
• 对SCM领域的研究趋势进行系统性分类，包括寿命提升、错误校正和性能优化。

提出的方法

• 基于硫族化合物材料（如Ge-Sb-Te）中相变的PCM工作原理分析，其中SET和RESET过程通过电流和温度分布进行控制。
• 通过磁隧道结（MTJs）解释STT-RAM的工作原理，其中数据以铁磁层的自旋对齐或反平行状态存储，由自旋极化电流控制。
• 描述涉及金属氧化物层中电化学金属化和氧空位迁移的ReRAM机制，使其在施加电压下实现电阻切换。
• 将研究按主题领域分类：寿命提升、错误校正、性能与并行性、MLC设计、加速器开发以及针对SCM类型特异性研究。
• 评估系统级模拟器（包括GEM5、NVSim和NVMain）在微架构和电路层面建模SCM性能、功耗和面积的能力。
• 综合未来研究方向，包括混合内存架构和MLC集成以实现更高密度，基于ITRS预测和实验趋势。

实验结果

研究问题

• RQ1 PCM、STT-RAM 和 ReRAM 在存储数据的物理机制上有哪些不同？
• RQ2 当前SCM技术的主要性能和可靠性限制（如写入延迟、耐久性、硬错误）是什么？
• RQ3 如何有效实现SCM中的多级单元（MLC）以提高存储密度，以及其引入了哪些挑战？
• RQ4 SCM在设计用于机器学习和图处理工作负载的高性能加速器方面有哪些应用方式？
• RQ5 系统级模拟器（如GEM5、NVSim 和 NVMain）在评估和优化基于SCM的内存系统中扮演什么角色？

主要发现

• PCM由于需要通过热过程实现非晶态与结晶态之间的相变，其写入延迟约为DRAM的十倍。
• STT-RAM 和 ReRAM 存在高写入能量和有限耐久性的问题，当存储单元永久卡在某一特定电阻状态时，会发生不可逆的硬错误。
• 在SCM中实现MLC可通过为不同数据值分配不同的电阻水平，实现每个单元存储多位数据，ITRS预测未来可实现3位和4位MLC。
• 基于SCM的加速器，特别是用于卷积神经网络（CNN）和玻尔兹曼机的加速器，与传统多核实现相比，表现出显著的性能提升和更低的能耗。
• 将SCM与DRAM/SRAM结合的混合内存架构正成为缓解SCM缺点的实用解决方案，同时支持可扩展、高容量的内存系统。
• NVSim 和 NVMain 等模拟器能够对SCM的性能、功耗和面积实现精确的周期级建模，支持在物理制造前的早期设计优化。