14-oktabr, 10:40Pandaily

MemSilicon RRAM asosidagi 1T4R arxitekturalidagi MountTai 2026 chipini taqdim etdi

Xotira sohasidagi Xitoy startapi MemSilicon oʻzining birinchi yuqori zichlik va katta sigʻimli RRAM chipi boʻlgan MountTai 2026 ning tape-out jarayonini yakunlaganini eʼlon qildi, bu 12-oktabrda amalga oshirildi. Kompaniya bu turdagi birinchi RRAM chipli qurilma ekanligini, u yuqori zichlik va katta sigʻimga ega ekanligini daʼvo qilmoqda, ammo bu bayonot hali mustaqil tekshirilmagan. Hozirda chip tape-out tugagandan soʻng validatsiya bosqichidan oʻtmoqda.

MountTai 2026 chipli qurilma 28 nm CMOS-jarayonidan foydalanib ishlab chiqilgan va 1T4R yacheya tuzilishiga ega. U chipda 1 Gbit sigʻimni taʼminlaydi, kvadrat millimetrga 30 Mbit zichlikka erishadi va kirish kechikishi 20 nanosekunddan kam. Bundan tashqari, chip kristal darajasida apparatiy xatolarni tuzatishni oʻz ichiga oladi.

RRAM, yoki tasodifiy kirishli rezistiv xotira, qarshilik holatlari orasidagi materialni oʻzgartirish orqali maʼlumotlarni saqlaydi va quvvat oʻchirilganda ham uni ushlab turadi. Standart 1T1R konstruksiyasida har bir rezistiv yacheya oʻzining selektor tranzistoriga ega. Biroq, yacheyalar hajmi kichrayib borishi bilan, bu tranzistorlar va ularning simlashlari egallaydigan maydon zichlik uchun cheklovchi omilga aylanadi. 1TnR yondashuvi bitta tranzistordan bir nechta yacheyalarga xizmat qilish imkonini beradi, shu tariqa bitga tranzistor maydonini kamaytiradi; MountTai 2026 bir tranzistordan toʻrtta yacheya uchun foydalanadi.

Umumiy tranzistordan foydalanish bir qator muammolarni keltirib chiqaradi, jumladan, yacheyalar orasidagi tok sizib chiqish yoʻllari, oʻqish va yozish paytida buzilishlar, shuningdek, turli ish sharoitlaridagi ishonchlilik muammolari. MemSilicon bu muammolarni sxemaviy darajada hal qilganini eʼlon qiladi, massiv sizib chiqishini bostirish uchun manfiy kuchlanishli konstruksiya va birlashtirilgan qayta tiklash sxemasini joriy etish, yuqori va past kuchlanishdagi oʻqish va yozish yoʻllarini ajratadigan koʻp kuchlanishli soʻz liniyasi drayverlari, notoʻgʻri yozishlarni kamaytirish uchun moslashuvchan himoya polarizatsiyasi va gigabit sigʻimda oʻqish samaradorligini oshirish uchun xato tuzatish bilan birgalikda ishlaydigan moslashuvchan skanerlash sxemasini kiritish orqali.

Kompaniyaning texnologiyasi Xitoy Fanlar akademiyasi akademigi Lyu Min jamoasining ishlari asosida qurilgan boʻlib, u 2020 yilda 28 nm 1T2R RRAM dizayni boʻyicha tadqiqotlarni nashr etgan. Yacheyalar orqa qatlamlarda yaratilishi standart CMOS bilan mos kelishi sababli, bu usul energiya yetkazib berilmaydigan xotirani mantiqiy chiplarga integratsiya qilish uchun moʻljallangan.

MemSilicon model vaznlari, KV-kesh va SoCʼdagi parametrlar uchun on-board xotiraga, joylashtirilgan AI qurilmalariga va AI li kompyuterlarga qaratilgan, chunki SRAM tez, ammo bitga koʻp joy egallaydi, va mantiqiy jarayonlar kichrayib borishi bilan ichki flash-xotirani integratsiya qilish tobora murakkablashib bormoqda.

Oʻxshash hikoyalar

ModelBest MiniCPM-V 4.7 ni chiqardi, bu 3 GB xotiradan foydalanib telefonda ishlaydigan birinchi MoE multimodal modeli

Batafsil

pandaily.com14-oktabr, 07:24

ModelBest MiniCPM-V 4.7 ni chiqardi, bu 3 GB xotiradan foydalanib telefonda ishlaydigan birinchi MoE multimodal modeli

ModelBest kompaniyasi qurilmalar ustida ishlash uchun multimodal modellarining yangi versiyasi boʻlgan MiniCPM-V 4.7 ni taqdim etdi. Ushbu model ikkita oʻlchamda mavjud: 35B-A3B va 1B. Muhim jihati shundaki, 35B-A3B versiyasi MiniCPM-V seriyasidagi Mixture-of-Experts (MoE) arxitekturasi bilan birinchi model hisoblanadi.

Ushbu modelning vaznlari, kodi va hujjatlari Apache-2.0 litsenziyasi ostida GitHubdagi OpenBMB repozitoriyasida joylashtirilgan.

Mobil qurilmalardagi samaradorlik

Asosiy eʼlon qilingan afzallik smartfonlarda yuqori samaradorlikdir. ModelBest 35B-A3B modeli har bir token uchun taxminan 3 milliard parametrni faollashtirib, faqat taxminan 3 GB operativ xotira ishlatgan holda iPhone 17 Pro Max da ishlashga qodir ekanligini taʼkidlaydi. Shu bilan birga, dekodlash tezligi sekundiga 13 dan oshadi.

Kompaniya bu natijani ular LES (lookahead expert scheduling) deb nomlagan yangi inferens tezlashtirish texnologiyasi bilan izohlaydi va modelni qurilma ustida uzluksiz va yoʻqotishsiz ishlashi mumkin boʻlgan birinchi ochiq kodli MoE modeli sifatida tavsiflaydi.

Sinov natijalari va taqqoslash

Jamoa tomonidan taqdim etilgan benchmarklarga koʻra, 35B-A3B modeli quyidagi natijalarni namoyish etadi: MMBenchda 91.72, OCRBenchda 91.2 va CMMLUda 90.21. Instruksiya rejimida ModelBest umumiy koʻrsatkich boʻyicha Qwen3.6 35B-A3B dan ustun kelishini, shu bilan birga fikrlash vaqtining kamroq ekanligini eʼlon qiladi.

1B versiyasi MiniCPM-V 4.6 ga nisbatan asosiy imkoniyatlarni yaxshiladi. Bundan tashqari, kompaniya ushbu versiya Qwen3.5 0.8B dan umumiy ball va inferens samaradorligi boʻyicha ham ustun turishini maʼlum qiladi.

QbitAI tomonidan oʻtkazilgan sinovlar modelning grafiklar boʻyicha fikrlash va akademik maqolalarni Markdown formatiga aylantirish vazifalarini muvaffaqiyatli bajarishini koʻrsatdi, bularning barchasi telefonda avtonom rejimda sodir boʻladi, bu esa hujjatlar bilan maxfiylikni saqlagan mahalliy ishlashga qaratilgan.

Platformalar qoʻllab-quvvatlashi va qoʻshimcha vositalar

MiniCPM-V 4.7 iOS, Android va HarmonyOS operatsion tizimlarini qoʻllab-quvvatlaydi. Model Intel, AMD, Arm, Rockchip va Houmo AI chipset platformalaridan foydalanish uchun moslashtirildi, bu uni mobil gadjetlarda va mahalliy kompyuterlarda ishlatish imkonini beradi.

Model bilan birga ModelBest Self-Replay Fine-Tuning (SRFT) metodining ochiq kodini taqdim etdi. Ushbu sozlash usuli ishlab chiquvlarga kam xarajatlar bilan yangi funksiyalarni qoʻshishga yordam berish uchun moʻljallangan, shu bilan birga oldingi egallangan koʻnikmalarni unutmaslikni taʼminlaydi.

Bu chiqarish MiniCPM liniyasidagi modellarning barqaror chiqarilish davomini davom ettiradi, u mayda oyidagi MiniCPM-V 4.6 va sentyabr oyiidagi MiniCPM5-2B matnli modelni quvvatlaydi.