معرفی نویسنده

سارا فیاض زاده

دانشجوی دکترا بیوفیزیک(دانشگاه تربیت مدرس)

ذخیره‌سازی چندحالتی اطلاعات روش دودویی را پشت سر خواهد گذاشت

ذخیره‌سازی چندحالتی اطلاعات روش دودویی را پشت سر خواهد گذاشت

امروزه تولید داده‌های الکترونیکی با سرعت سرسام‌آوری پیش می‌رود. میزان کل داده‌هایی که در تمام مراکز داده ذخیره شده است به ده‌ها زتابایت می‌رسد ( هر زتابایت برابر یک تریلیون گیگا بایت است) و تخمین زده می‌شود که این میزان هر چندسال دو برابر افزایش یابد. از آنجایی که 8 درصد از کل انرژی الکتریسیته زمین صرف فناوری‌های اطلاعاتی و ارتباطی (ICT) می‌شود،روش ذخیره‌سازی داده‌ای که نیازمند انرژی کمی باشد از اولویت‌های کلیدی حساب می‌آید.

تا امروز رقابت ایجاد حافظه‌های نسل جدید یا نسل بعد که فرّار نباشد، پایداری و تراکم بالا، هزینه و مصرف انرژی کمی داشته باشد و امکان دسترسی سریع برای انجام عملیات را فراهم کند، برنده‌ای نداشته است.

به این منظور یک تیم بین‌المللی به طور جامع حافظه‌های چند حالتی را مورد بررسی قرار دادند. این حافظه‌هابه نوعی قدم گذاشتن به ورای حالت دودویی،به منظور ذخیره سازی داده‌ها، محسوب می‌شود که دیگربه صفر و یک‌ محدود نیست.

حافظه‌ی چندحالتی یک فناوری بسیار امیدوارکننده برای آینده‌ی ذخیره‌سازی اطلاعات است. قابلیت این فناوری برای ذخیره اطلاعات در بیش از یک بایت (مثل 0 یا 1)، امکان ذخیره‌سازی با تراکم بسیار بالاتر را فراهم می‌کند به این معنی که مقدار داده‌ی ذخیره شده در واحد فضا افزایش می‌یابد.

حافظه‌ی چندحالتی غیرفرار (NMSM) بازده انرژی مناسب، دسترسی بالا، غیر فرار و سریع و هزینه‌ی پایین را فراهم می‌کند. در این حافظه‌ها تراکم به صورت چشمگیری بدون نیاز به کاهش ابعاد سلول حافظه، افزایش یافته است که همین مزیت موجب بازده بالا و قیمت کمتر این حافظه‌ها می‌شود.

همچنین حافظه‌ی چندحالتی امکان فناوری‌های آینده مثل محاسبات نورومورفیک را فراهم خواهد کرد. در محاسبات نورومورفیک یا مهندسی نورومورفیک از ادغام سیستم‌های با مقیاس بسیار بالا، شامل مدارهای الکترونیکی آنالوگ برای تقلید از معماری نوروبیولوژیکی سیستم عصبی انسان استفاده می‌شود. این محاسباتِ کاملا متفاوت و الهام گرفته شده از مغز انسان، می‌تواند انگیزه‌ی اقتصادی برای پذیرش و استفاده از این فناورهای جدید مثل NMSM را فراهم نماید. NMSM می‌تواند زمینه‌ساز انجام محاسبات آنالوگ باشد که برای شبکه‌های نوروموفیک و هوشمند حیاتی هستند و حتی به درک و آشکار شدن مکانیسم عملکرد مغز کمک کند.

در مطالعه‌ی جامع انجام شده به معماری دستگاه‌ها، مکانیسم عمل آن‌ها، مواد جدید به کار رفته، چالش‌ها و آخرین پیشرفت‌های انجام شده روی کاندیدهای NMSM مثل:

Flash Memory

Magnetic Random-Access Memory(MRAM)

Resistive Random-Access Memory(RRAM)

Ferroelectric Random-Access Memory(FeRAM)

و Phase-Change Memory(PCM)

پرداخته شده است.

منبع:

https://scitechdaily.com/beyond-binary-multi-state-data-storage-leaving-binary-behind/

https://pubs.acs.org/doi/10.1021/acsami.0c10184

کلید واژه ها: #data-storage #binary #multi-state #bioinformatics #codecool

telegram