Merkwaardige tekst, met opmerkelijke fouten. Ik vraag af of de journalist we begreep waar hij het over had en of zijn nieuws dus wel betrouwbaar is.quote:Op donderdag 12 juni 2014 07:53 schreef Digi2 het volgende:
[..]
Buiten de labs is nog weinig van de memristor technologie te zien. Alleen Panasonic past het kleinschalig toe in commerciele produkten.
Mouser to ship Panasonic's latest ReRAM-based MCUs
Er zit wel een klein verschil tussen 17 uur en 'Daarmee kun je bijna een leven lang non-stop filmen. Nu overdrijf ik misschien een beetje, maar het zit er niet ver naast.'.quote:Op donderdag 12 juni 2014 12:59 schreef Molurus het volgende:
[..]
17 uur op die resolutie filmen met je mobiele telefoon is natuurlijk nog steeds absurd.
Ik zou die 100 TB veel liever in m'n NAS drive hebben zitten dan op mijn telefoon. Mooie ontwikkeling... maar wat dit nu met telefoons te maken heeft is mij een volslagen raadsel.
Hoeveel uur film heb jij dan al opgenomen met je telefoon?quote:Op maandag 16 juni 2014 10:23 schreef heegenees het volgende:
[..]
Er zit wel een klein verschil tussen 17 uur en 'Daarmee kun je bijna een leven lang non-stop filmen. Nu overdrijf ik misschien een beetje, maar het zit er niet ver naast.'.
Een filmpje op mijn telefoon van 57 seconde is 116 Mb.quote:Op maandag 16 juni 2014 10:51 schreef Molurus het volgende:
[..]
Hoeveel uur film heb jij dan al opgenomen met je telefoon?
Voor een gewone gebruiker is 17 uur op een leven veel denk ik.
En doe je dat op de nu voor telefoons gangbare resoluties dan red je 'een leven lang non-stop' ook nog wel denk ik. Want we praten wel over 17 uur bioscoop kwaliteit ongecomprimeerd.
quote:Use of porous silicon oxide reduces forming voltage, improves manufacturability
HOUSTON — (July 10, 2014) — Rice University’s breakthrough silicon oxide technology for high-density, next-generation computer memory is one step closer to mass production, thanks to a refinement that will allow manufacturers to fabricate devices at room temperature with conventional production methods.
This scanning electron microscope image and schematic show the design and composition of new RRAM memory devices based on porous silicon oxide that were created at Rice University. Credit: Tour Group/Rice University
First discovered five years ago, Rice’s silicon oxide memories are a type of two-terminal, “resistive random-access memory” (RRAM) technology. In a new paper available online in the American Chemical Society journal Nano Letters, a Rice team led by chemist James Tour compared its RRAM technology to more than a dozen competing versions.
“This memory is superior to all other two-terminal unipolar resistive memories by almost every metric,” Tour said. “And because our devices use silicon oxide — the most studied material on Earth — the underlying physics are both well-understood and easy to implement in existing fabrication facilities.” Tour is Rice’s T.T. and W.F. Chao Chair in Chemistry and professor of mechanical engineering and nanoengineering and of computer science.
Tour and colleagues began work on their breakthrough RRAM technology more than five years ago. The basic concept behind resistive memory devices is the insertion of a dielectric material — one that won’t normally conduct electricity — between two wires. When a sufficiently high voltage is applied across the wires, a narrow conduction path can be formed through the dielectric material.
This illustration depicts the rewriteable crystalline filament pathway in Rice University's porous silicon oxide RRAM memory devices. Credit: Tour Group/Rice University
The presence or absence of these conduction pathways can be used to represent the binary 1s and 0s of digital data. Research with a number of dielectric materials over the past decade has shown that such conduction pathways can be formed, broken and reformed thousands of times, which means RRAM can be used as the basis of rewritable random-access memory.
RRAM is under development worldwide and expected to supplant flash memory technology in the marketplace within a few years because it is faster than flash and can pack far more information into less space. For example, manufacturers have announced plans for RRAM prototype chips that will be capable of storing about one terabyte of data on a device the size of a postage stamp — more than 50 times the data density of current flash memory technology.
The key ingredient of Rice’s RRAM is its dielectric component, silicon oxide. Silicon is the most abundant element on Earth and the basic ingredient in conventional microchips. Microelectronics fabrication technologies based on silicon are widespread and easily understood, but until the 2010 discovery of conductive filament pathways in silicon oxide in Tour’s lab, the material wasn’t considered an option for RRAM.
Since then, Tour’s team has raced to further develop its RRAM and even used it for exotic new devices like transparent flexible memory chips. At the same time, the researchers also conducted countless tests to compare the performance of silicon oxide memories with competing dielectric RRAM technologies.
Rice University postdoctoral researcher Gunuk Wang, left, and chemist James Tour have demonstrated new techniques for using porous silicon oxide to make robust RRAM memory chips that can be easily manufactured with existing fabrication techniques. Credit: Jeff Fitlow/Rice University
“Our technology is the only one that satisfies every market requirement, both from a production and a performance standpoint, for nonvolatile memory,” Tour said. “It can be manufactured at room temperature, has an extremely low forming voltage, high on-off ratio, low power consumption, nine-bit capacity per cell, exceptional switching speeds and excellent cycling endurance.”
In the latest study, a team headed by lead author and Rice postdoctoral researcher Gunuk Wang showed that using a porous version of silicon oxide could dramatically improve Rice’s RRAM in several ways. First, the porous material reduced the forming voltage — the power needed to form conduction pathways — to less than two volts, a 13-fold improvement over the team’s previous best and a number that stacks up against competing RRAM technologies. In addition, the porous silicon oxide also allowed Tour’s team to eliminate the need for a “device edge structure.”
“That means we can take a sheet of porous silicon oxide and just drop down electrodes without having to fabricate edges,” Tour said. “When we made our initial announcement about silicon oxide in 2010, one of the first questions I got from industry was whether we could do this without fabricating edges. At the time we could not, but the change to porous silicon oxide finally allows us to do that.”
This electron microscope image shows the surface of the nanoporous silicon-oxide material used in Rice University's new RRAM memory devices. The red areas highlight gaps, or voids, in the material's amorphous silicon-oxide coating. Credit: Tour Group/Rice University
Wang said, “We also demonstrated that the porous silicon oxide material increased the endurance cycles more than 100 times as compared with previous nonporous silicon oxide memories. Finally, the porous silicon oxide material has a capacity of up to nine bits per cell that is highest number among oxide-based memories, and the multiple capacity is unaffected by high temperatures.”
Tour said the latest developments with porous silicon oxide — reduced forming voltage, elimination of need for edge fabrication, excellent endurance cycling and multi-bit capacity — are extremely appealing to memory companies.
“This is a major accomplishment, and we’ve already been approached by companies interested in licensing this new technology,” he said.
Study co-authors — all from Rice — include postdoctoral researcher Yang Yang; research scientist Jae-Hwang Lee; graduate students Vera Abramova, Huilong Fei and Gedeng Ruan; and Edwin Thomas, the William and Stephanie Sick Dean of Rice’s George R. Brown School of Engineering, professor in mechanical engineering and materials science and in chemical and biomolecular engineering.
quote:Resistive RAM nears launch: Still the most likely candidate to replace NAND flash
December 22, 2014
It’s been a while since we checked in on Crossbar, the next-generation memory company working on a NAND flash replacement. The company’s resistive RAM (RRAM or ReRAM) technology stores data by creating resistance in a circuit rather than trapping electrons within a cell. Now, the company has announced that it’s moving towards commercializing its designs. That means it’s proven that it can build hardware at existing foundries and can seek vendors to bring solutions to market.
There are several intrinsic advantages to ReRAM as compared to NAND flash. NAND has limited endurance, its lifespan degrades as process nodes shrink and cells become smaller, and the amount of error-correction required at each new node is steadily increasing. Performance gains have slowed since clocking NAND faster also tends to cause it to degrade, and the bulk of improvements are now delivered by improving either the NAND controller or the system interface — not the underlying performance of the NAND itself.
ReRAM solves many of these problems. Unlike NAND, it doesn’t need to be erased before its programmed, and it’s much faster than NAND by multiple metrics. It also consumes less power — Crossbar claims that NAND requires 1360 picojoules per cell to program, while RRAM cuts this to just 64 picojoules per cell. Programming power is just one aspect to overall SSD power consumption, but the company also claims that its technology supports storing two bits of data per cell (analogous to MLC NAND) and can be stacked into 3D
The company also claims that its technology can be used to reduce the complexity of the microcontroller itself — a significant potential advantage as this is one area where complexity and cost have been increasing as the task of flash management becomes more complicated.
Commercialization of consumer hardware, however, remains some time away. Crossbar has demonstrated that its designs can scale up into the terascale, but that doesn’t mean it’s ready to bring products at that density to market.
The firm is now licensing to ASIC, FPGA, and SoC developers, with samples arriving in 2015. Early expected target applications are the embedded and low-level applications shown in the chart above, where very little storage is required and low-power operation is essential.
One thing that hasn’t changed is the long-term roadmap for actual NAND flash replacement. Here’s where the realities of economic scaling come home to roost. Samsung, Intel, Micron — these companies have invested tens of billions of dollars into NAND production, and they aren’t going to shift to a new standard on a dime. For all that the tech industry likes to pride itself on rapidly adopting the latest and greatest technology, the truth is far different — the most successful products in computing are those that extend previous work in a cost-effective manner. Come-from-behind overtake maneuvers are actually quite rare, which is one reason why storage mediums tend to live for decades even when faster solutions are available in the market.
Right now, 3D NAND flash (Samsung calls it V-NAND) will drive the market from at least 2015 to 2018. That doesn’t mean we won’t see RRAM in consumer or enterprise applications — the market has snapped up more-expensive NAND flash solutions that leverage standards like PCI Express or the upcoming NVMe, particularly when these products can enable faster response times for high-frequency stock trading or other latency-critical applications. RRAM may not “feel” much faster than NAND, but it has the potential to provide better response times at latencies that matter to computers, and that’s enough of a reason for certain segments to adopt the equipment.
Earlier this year, we covered advances in other NAND flash replacements, such as phase change memory (PCM). These designs have demonstrated substantially improved performance compared to NAND, but also face significant scaling challenges and cost concerns. RRAM uses conventional CMOS hardware and can operate at scales down to 5nm. NAND flash, in contrast, isn’t expected to scale below 10nm on even the most optimistic roadmaps, and it’s not certain it will even get that low.
3D NAND will extend this further by allowing companies to step back up to higher nodes (Samsung’s current V-NAND is built on 40nm process technology). It’s not necessarily fair to call that a stopgap when it could slap 5-10 years on NAND scaling, but it’s still a long-term functional limitation. We’re going to need to replace flash with some alternate form of memory in the long term if we want to continue to improve power consumption and scale compute capability upwards, and right now RRAM looks like the most practical near-term option.
http://phys.org/news/2015(...)uilt-memristors.htmlquote:(Phys.org)—A team of researchers working at the University of California (and one from Stony Brook University) has for the first time created a neural-network chip that was built using just memristors. In their paper published in the journal Nature, the team describes how they built their chip and what capabilities it has.
Memristors may sound like something from a sci-fi movie, but they actually exist—they are electronic analog memory devices that are modeled on human neurons and synapses. Human consciousness, some believe, is in reality, nothing more than an advanced form of memory retention and processing, and it is analog, as opposed to computers, which of course are digital. The idea for memristors was first dreamed up by University of California professor Leon Chua back in 1971, but it was not until a team working at Hewlett-Packard in 2008, first built one. Since then, a lot of research has gone into studying the technology, but until now, no one had ever built a neural-network chip based exclusively on them.
Up till now, most neural networks have been software based, Google, Facebook and IBM, for example, are all working on computer systems running such learning networks, mostly meant to pick faces out of a crowd, or return an answer based on a human phrased question. While the gains in such technology have been obvious, the limiting factor is the hardware—as neural networks grow in size and complexity, they begin to tax the abilities of even the fastest computers. The next step, most in the field believe, is to replace transistors with memristors—each on its own is able to learn, in ways similar to the way neurons in the brain learn when presented with something new. Putting them on a chip would of course reduce the overhead needed to run such a network.
The new chip, the team reports, was created using transistor-free metal-oxide memristor crossbars and represents a basic neural network able to perform just one task—to learn and recognize patterns in very simple 3 × 3-pixel black and white images. The experimental chip, they add, is an important step towards the creation of larger neural networks that tap the real power of remristors. It also makes possible the idea of building computers in lock-step with advances in research looking into discovering just how exactly our neurons work at their most basic level.
Ah tof IBM heeft toch al een hele simulatie van zo'n chip lopen en zelfs al software ervoor als ze er ooit zijn... dit is dus een eerste stap in die richting om ze echt te maken.quote:Op woensdag 13 mei 2015 14:06 schreef Gehenna het volgende:
Researchers create first neural-network chip built just with memristors
[ afbeelding ]
[..]
http://phys.org/news/2015(...)uilt-memristors.html
quote:Op woensdag 13 mei 2015 15:10 schreef Bosbeetle het volgende:
[..]
Ah tof IBM heeft toch al een hele simulatie van zo'n chip lopen en zelfs al software ervoor als ze er ooit zijn... dit is dus een eerste stap in die richting om ze echt te maken.
Zal denk ik nog wel lang in het supercomputer domein blijven hangen.quote:Op woensdag 13 mei 2015 15:18 schreef Gehenna het volgende:
[..]Dit kan wel iets heel groots gaan worden
Een situatieschets kunnen maken aan de hand van een foto.quote:Op woensdag 13 mei 2015 15:25 schreef Bosbeetle het volgende:
[..]
Zal denk ik nog wel lang in het supercomputer domein blijven hangen.
(nu alleen nog een taak verzinnen, schaken zijn computers al beter indus dan moet het iets anders worden....)
De vaas is daar neergelegd voor de foto, de kat is een "modelpoes" die speciaal is geinstrueerd voor deze shoot en dat plantenbakje op de kruk is lelijk...quote:Op woensdag 13 mei 2015 15:42 schreef Gehenna het volgende:
[..]
Een situatieschets kunnen maken aan de hand van een foto.
[ afbeelding ]
Een klein kind zou al kunnen nagaan dat de vaas hierboven waarschijnlijk is omgegooid door de cat, maar op dit moment er is er gewoon geen computer (algoritme) die zoiets kan nagaan..
Ja een klein kind is ook gewoon dom natuurlijk, daarom juist: neurale-computersquote:Op woensdag 13 mei 2015 15:45 schreef Bosbeetle het volgende:
[..]
De vaas is daar neergelegd voor de foto, de kat is een "modelpoes" die speciaal is geinstrueerd voor deze shoot en dat plantenbakje op de kruk is lelijk...
quote:(was hier niet een keer een xkcd over)
Het was een what if die alleen in zn boek stond...quote:Op woensdag 13 mei 2015 15:47 schreef Gehenna het volgende:
[..]
Ja een klein kind is ook gewoon dom natuurlijk, daarom juist: neurale-computers
[..]
[ afbeelding ]
Deze weet ik nog, maar volgens mij nog wel vaker toch?
http://tweakers.net/nieuw(...)bjecten-op-foto.htmlquote:Op woensdag 13 mei 2015 15:47 schreef Gehenna het volgende:
[..]
Ja een klein kind is ook gewoon dom natuurlijk, daarom juist: neurale-computers
[..]
[ afbeelding ]
Deze weet ik nog, maar volgens mij nog wel vaker toch?
Ja en je had ook Google Glass al een tijdje natuurlijk, maar er zit wel verschil in tussen 'een object herkennen', en een 'situatie kunnen beschrijven' natuurlijkquote:Op donderdag 14 mei 2015 09:44 schreef Bosbeetle het volgende:
[..]
http://tweakers.net/nieuw(...)bjecten-op-foto.html
Zeker, een stapje per keer. Ben echt benieuwd wat ze zo'n neurale computer kunnen laten doen.quote:Op vrijdag 15 mei 2015 10:22 schreef Gehenna het volgende:
[..]
Ja en je had ook Google Glass al een tijdje natuurlijk, maar er zit wel verschil in tussen 'een object herkennen', en een 'situatie kunnen beschrijven' natuurlijk
Gezien dat onze eigen neurale netwerken hier zo extreem goed in zijn, verwacht ik wel redelijk snel leuke resultaten eigenlijkquote:Op vrijdag 15 mei 2015 10:26 schreef Bosbeetle het volgende:
[..]
Zeker, een stapje per keer. Ben echt benieuwd wat ze zo'n neurale computer kunnen laten doen.
Onze eigen neurale netwerken zijn wel een stukje ingewikkelder dan een memristor... Ik denk eerder dat ze deze systemen gaan gebruiken om onze eigen neuronen beter te leren begrijpen. Leuk startpunt zou C.elegans zijn een klein wormpje die maar een paar (302) neuronen heeft en toch al wel wat taken kan doen, erg tof om te kijken hoe dicht we daar bij in de buurt kunnen komen.quote:Op vrijdag 15 mei 2015 10:32 schreef Gehenna het volgende:
[..]
Gezien dat onze eigen neurale netwerken hier zo extreem goed in zijn, verwacht ik wel redelijk snel leuke resultaten eigenlijk
Het begint te komenquote:Op vrijdag 15 mei 2015 13:59 schreef icecreamfarmer_NL het volgende:
De startpost stamt uit 2010 maar als ik het goed begrijp worden deze technieken nog (steeds) niet ingezet voor consumenten producten?
Dat heb je goed begrepenquote:Op vrijdag 15 mei 2015 13:59 schreef icecreamfarmer_NL het volgende:
De startpost stamt uit 2010 maar als ik het goed begrijp worden deze technieken nog (steeds) niet ingezet voor consumenten producten?
Intel en Micron zeggen nu ook met producten te komen.quote:3D Xpoint memory: Faster-than-flash storage unveiled
A new kind of memory technology is going into production, which is up to 1,000 times faster than the Nand flash storage used in memory cards and computers' solid state drives (SSDs).
The innovation is called 3D XPoint, and is the invention of Intel and Micron.
The two US companies predict a wide range of benefits, from speeding up scientific research to making more elaborate video games.
One expert described it as a "huge step forward".
"There are other companies who have talked about new types of memory technology, but this is about being able to manufacture the stuff - that's why they are making such a big deal out of it," says Bob O'Donnell, from the consultancy Technalysis.
If all goes to plan, the first products to feature 3D XPoint (pronounced cross-point) will go on sale next year. Its price has yet to be announced.
Intel is marketing it as the first new class of "mainstream memory" since 1989.
Rather than pitch it as a replacement for either flash storage or RAM (random access memory), the company suggests it will be used alongside them to hold certain data "closer" to a processor so that it can be accessed more quickly than before.
So, what's the big advantage over flash memory?
3D XPoint does away with the need to use the transistors at the heart of Nand chips.
Nand works by moving electrons back and forth to an isolated part of the transistors known as their "floating gates" to represent the ones and zeros of binary code.
An issue with this technique is that it cannot rewrite single bits of data at a time. Instead, larger blocks of information have to be wiped and then rewritten to incorporate the changes.
"It's kind of like a parking lot where you want to move one of the cars, but they are all jammed in," Intel executive Rob Crooke says.
"So, you have to shuffle them all around to get one new one in there."
By contrast, 3D XPoint works by changing the properties of the material that makes up its memory cells to either having a high resistance to electricity to represent a one or a low resistance to represent a zero.
The advantage is that each memory cell can be addressed individually, radically speeding things up.
An added benefit is that it should last hundreds of times longer than Nand before becoming unreliable.
Tofquote:Op dinsdag 28 juli 2015 23:30 schreef Digi2 het volgende:
[..]
Intel en Micron zeggen nu ook met producten te komen.
Jawel hoor.... er worden steeds geavanceerdere geheugens gebruikt in videokaarten etc. en in dingen als SoCs dit gaat er ook wel komen maar je moet van dit soort ontwikkelingen niet verwachten dat ze in 10 jaar uitontwikkeld zijn.quote:
maar je krijgt wel elk jaar een nieuwe telefoon met de laatste technologie die niet al 10 jaar oud is, waarom kan dat met deze 'resistor' niet?quote:Op dinsdag 31 mei 2016 10:50 schreef Bosbeetle het volgende:
[..]
Jawel hoor.... er worden steeds geavanceerdere geheugens gebruikt in videokaarten etc. en in dingen als SoCs dit gaat er ook wel komen maar je moet van dit soort ontwikkelingen niet verwachten dat ze in 10 jaar uitontwikkeld zijn.
hoe doen de telefoonfabrikanten dat zo snel?quote:Op dinsdag 31 mei 2016 11:02 schreef Erasmo het volgende:
Van lab naar product is een grotere stap dan je denkt.
De techniek die jij nu in telefoons vind zijn ouder.. in iedergeval de onderliggende principes zijn al vele malen ouder.quote:Op dinsdag 31 mei 2016 10:58 schreef Maanvis het volgende:
[..]
maar je krijgt wel elk jaar een nieuwe telefoon met de laatste technologie die niet al 10 jaar oud is, waarom kan dat met deze 'resistor' niet?
Die doen dat niet zo snel. Noem eens een techniek die nu in een telefoon zit waarvan de onderliggende techniek 10 jaar geleden nog niet bestond.quote:Op dinsdag 31 mei 2016 11:10 schreef Maanvis het volgende:
[..]
hoe doen de telefoonfabrikanten dat zo snel?
touchscreens met gorilla glass?quote:Op dinsdag 31 mei 2016 11:11 schreef Bosbeetle het volgende:
[..]
Die doen dat niet zo snel. Noem eens een techniek die nu in een telefoon zit waarvan de onderliggende techniek 10 jaar geleden nog niet bestond.
In telefoons zijn bijvoorbeeld alle chips transistor gebaseerd en dat bestaat al sinds de jaren (30?) van de vorige eeuw.
dat heeft zijn oorsprong in de jaren 60quote:
Ze hebben het alleen iets dunner gemaakt...quote:Corning experimented with chemically strengthened glass in 1960, as part of a "Project Muscle" initiative. Within a few years they had developed a "muscled glass"[6] marketed as Chemcor. The product was used until the early 1990s in commercial and industrial applications, including automotive, aviation and pharmaceutical uses,[6] notably in approximately one hundred 1968 Dodge Dart and Plymouth Barracuda racing cars, where minimizing the vehicle's weight was essential.[7] Experimentation was revived in 2005, investigating whether the glass could be made thin enough for use in consumer electronics. It was brought into commercial use when Apple asked Corning for a thin, toughened glass; it was used in the new iPhone.[8]
brr.. misschien heb je toch gelijk.quote:Op dinsdag 31 mei 2016 11:21 schreef Bosbeetle het volgende:
[..]
dat heeft zijn oorsprong in de jaren 60
[..]
Ook daar heb je wel varianten van die meer kunnen dan die van 10 jaar geledenquote:Op dinsdag 31 mei 2016 11:23 schreef Maanvis het volgende:
[..]
brr.. misschien heb je toch gelijk.
wat ik me gisteren ook afvroeg is waarom mijn magnetron, fornuis, vaatwasser en wasmachine al meer dan 10 jaar oud zijn en als ik ze nu zou vervangen dat ik dan geen betere zou hebben met betere functionaliteit.
misschien ga ik zelf nog knutselen aan mijn combimagnetron dat ik er een onion aan hang en dat dat ding dan 'weet' hoe ik mijn eten klaar ga maken
ja daar betaal je dan ook het viervoudige van dan wat ik voor de mijne betaaldequote:Op dinsdag 31 mei 2016 11:25 schreef Bosbeetle het volgende:
[..]
Ook daar heb je wel varianten van die meer kunnen dan die van 10 jaar geleden
http://www.wasmachinestor(...)2ow-addwash.html?s=k
vol gehangen met sensoren etc...
Ik zag er ooit een staan bij de mediamarkt voor 2999 maar die kan ik niet terug vindenquote:Op dinsdag 31 mei 2016 11:28 schreef Maanvis het volgende:
[..]
ja daar betaal je dan ook het viervoudige van dan wat ik voor de mijne betaalde
Een magnetron stelt ook niet zo heel veel voor, de kern bestaat uit een magnetron die RF uitspuugt om je eten op te warmen, de rest is allemaal extra.quote:Op dinsdag 31 mei 2016 11:23 schreef Maanvis het volgende:
[..]
brr.. misschien heb je toch gelijk.
wat ik me gisteren ook afvroeg is waarom mijn magnetron, fornuis, vaatwasser en wasmachine al meer dan 10 jaar oud zijn en als ik ze nu zou vervangen dat ik dan geen betere zou hebben met betere functionaliteit.
misschien ga ik zelf nog knutselen aan mijn combimagnetron dat ik er een onion aan hang en dat dat ding dan 'weet' hoe ik mijn eten klaar ga maken
I know, maar het zou toch fijn zijn als ie wist hoe ik mijn eten klaar moet maken ipv dat ik dat allemaal af moet lezen op een verpakking van een magnetronmaaltijd en moet instellen met knopjes en draaiertjes.quote:Op dinsdag 31 mei 2016 11:53 schreef Erasmo het volgende:
[..]
Een magnetron stelt ook niet zo heel veel voor, de kern bestaat uit een magnetron die RF uitspuugt om je eten op te warmen, de rest is allemaal extra.
Die valt ook weer onder dit plaatjequote:Op dinsdag 31 mei 2016 11:54 schreef Maanvis het volgende:
[..]
I know, maar het zou toch fijn zijn als ie wist hoe ik mijn eten klaar moet maken ipv dat ik dat allemaal af moet lezen op een verpakking van een magnetronmaaltijd en moet instellen met knopjes en draaiertjes.
Onzin, dat staat gewoon op de verpakking van de magnetronmaaltijd. De instellingen staan er precies op, kun je makkelijk met een QR code of RFID chip die je even voor een ingebouwde scanner houdt aflezen.quote:Op dinsdag 31 mei 2016 11:56 schreef Bosbeetle het volgende:
[..]
Die valt ook weer onder dit plaatje
[ afbeelding ]
Alle eten tot een bepaalde tempratuur opwarmen, of tot een bepaalde vochtigheidsgraad is relatief eenvoudig. Bepalen welk gerecht het is is enorm lastig.
het is inderdaad een oude xkcd... maar ik vraag me af of een neural network een kippenbout van een kalkoenbout kan onderscheiden... Dat met streepjescode scannen kan natuurlijk al jaren en heb daar ook al veel variaties van gezien op tweakers, het blijkt alleen niet zo praktisch omdat je dan wel een bedrijf moet hebben die een database gaat bijhouden en dan zul je net zien dat je product niet compatible is etc... dus de praktische uitvoering valt in het niet bij gewoon aan een knopje draaien...quote:Op dinsdag 31 mei 2016 11:59 schreef Maanvis het volgende:
[..]
Onzin, dat staat gewoon op de verpakking van de magnetronmaaltijd. De instellingen staan er precies op, kun je makkelijk met een QR code of RFID chip die je even voor een ingebouwde scanner houdt aflezen.
En daarnaast 'check whether the photo is of a bird' geeft wel aan dat Randall Munroe jaren achterloopt op dat gebied. Mbt deep learning kun je tot 98% zekerheid achterhalen of iets een foto van een vogel is.
Kun je al zelf realiseren. Barcode scanner met een Arduino, je moet maar één keer de informatie invoeren en daarna kan die het gewoon uit de bibliotheek trekken als je een code scant.quote:Op dinsdag 31 mei 2016 11:59 schreef Maanvis het volgende:
[..]
Onzin, dat staat gewoon op de verpakking van de magnetronmaaltijd. De instellingen staan er precies op, kun je makkelijk met een QR code of RFID chip die je even voor een ingebouwde scanner houdt aflezen.
En daarnaast 'check whether the photo is of a bird' geeft wel aan dat Randall Munroe jaren achterloopt op dat gebied. Mbt deep learning kun je tot 98% zekerheid achterhalen of iets een foto van een vogel is.
Da's gewoon een kwestie van een standaard hanteren. Als bosch/siemens zo'n standaard maakt voor opwarmtijd/wattage/stand etc dan volgt de rest van de markt daarmee vanzelf.quote:Op dinsdag 31 mei 2016 12:04 schreef Bosbeetle het volgende:
[..]
het is inderdaad een oude xkcd... maar ik vraag me af of een neural network een kippenbout van een kalkoenbout kan onderscheiden... Dat met streepjescode scannen kan natuurlijk al jaren en heb daar ook al veel variaties van gezien op tweakers, het blijkt alleen niet zo praktisch omdat je dan wel een bedrijf moet hebben die een database gaat bijhouden en dan zul je net zien dat je product niet compatible is etc... dus de praktische uitvoering valt in het niet bij gewoon aan een knopje draaien...
Maar dan hebben we het dus nog niet over niet kant en klaar maaltijden die ook in een magnetron bereidt kunnen worden.
arduino heb ik niet, onion wel. moet makkelijk kunnenquote:Op dinsdag 31 mei 2016 12:06 schreef Erasmo het volgende:
[..]
Kun je al zelf realiseren. Barcode scanner met een Arduino, je moet maar één keer de informatie invoeren en daarna kan die het gewoon uit de bibliotheek trekken als je een code scant.
quote:Scientists develop a memristor that can be conditioned just like a real synapse
An international collaboration of researchers from UMass Amherst, HP, and the Air Force have built a proof-of-concept memristor that could lead to real-world neuromorphic chips. The memristor is made of a silicon-oxygen-nitrogen material laced with clumps of silver nanoparticles at the electrical terminals. When current is applied across the memristor, the silver nanoparticles shuffle around within their parent oxynitride matrix, to line up within a lightning-bolt-like path of least electrical resistance. The electrical field exerts enough force on particles within a given radius of that path to scoot them subtly into line in the memristor’s ON state. The heat released by the electricity both permits and enables the movement.
If the memristor has been activated within a few seconds, it will still be in its ON state, with the silver nanoparticles still helpfully arranged into a nano-wire. This mimics short-term potentiation, which is an important kind of neuronal conditioning that we depend on for learning and memory. After a bunch of activations within a short period of time, silver drifts slowly toward one pole of the memristor and away from the other, mimicking desensitization (another form of classical conditioning) as calcium is depleted within the “tapped-out” upstream neuron. When the field is released and the memristor allowed to cool down and “rest,” those silver nanoparticles relax back to where they originally were, in discrete clumps around each electrode.
....
..
Passive crossbar arrays van memristors bieden een veel grotere opslagdichtheid dan bestaand geheugen, maar om bruikbaar te zijn moet men een oplossing voor het "sneak path problem" vinden.quote:Op maandag 10 oktober 2016 00:23 schreef Digi2 het volgende:
[..]
[ afbeelding ]
Blijkbaar is men nog steeds bezig met de memristor technologie maar grootschalige toepassing heeft 6 jaar na de opening van dit topic nog niet plaatsgevonden
SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.Essentieel is dat enkel de geadresseerde elementen (individueel, of per rij) beïnvloed worden. Dat is ook het geval bij bvb een LED array:
Plaats een stroombron tussen lijn 2 en lijn 6, dan zal de stroom enkel door LED2,6 gaan die de lijnen verbindt, en niet bvb via LED2,5 naar lijn 5, dan via LED1,5 naar lijn 1 en LED1,6 naar lijn 6, omdat diodes slechts in één richting geleiden, en LED1,5 in de verkeerde richting staat (we negeren de drempelspanning gemakshalve).
Memristors geleiden in beide richtingen, als je die in een array plaatst zal er wel stroom door de memristors in de andere rijen lopen. Reeds bij een kleine 4*4 array zal de stroom door die "sneak paths" groter zijn dan door de geadresseerde memristor.
Het wordt moeilijk om de weerstand van een bepaalde memristor te meten als die parallel staat met andere, en een bit wegschrijven wordt ook moeilijk als je daarmee de andere memristors beïnvloedt... En zelfs als lezen en schrijven betrouwbaar lukt, heb je nog steeds het probleem van energieverbruik: een individuele memristor verbruikt misschien minder energie dan een ander type geheugencel, maar geplaatst in een n*n array stijgt de benodigde stroom met ongeveer factor (n-1)/2 (als n voldoende groot).
Die problemen kan je oplossen met bvb een transistor per memristor, maar dan verlies je meteen het belangrijkste voordeel van de technologie, je zal slechts dezelfde dichtheid kunnen bereiken die men nu reeds heeft. Bvendien zijn het twee verschillende technologieën, en kan het moeilijk zijn om die op één chip te combineren.
[ Bericht 0% gewijzigd door crystal_meth op 12-10-2016 01:13:06 ]are we infinite or am I alone
Juist kei gemakkelijk. Je doet een chip of een QR code op de verpakking waarin staat hoelang op hoeveel watt in welke modus. Magnetron leest uit en voert uit. Few minutes.quote:Op dinsdag 31 mei 2016 11:56 schreef Bosbeetle het volgende:
[..]
Die valt ook weer onder dit plaatje
[ afbeelding ]
Alle eten tot een bepaalde tempratuur opwarmen, of tot een bepaalde vochtigheidsgraad is relatief eenvoudig. Bepalen welk gerecht het is is enorm lastig.
Dat kan dus alleen met een voorverpakt gerecht niet met een zelfbedacht geheel...quote:Op woensdag 12 oktober 2016 14:18 schreef LXIV het volgende:
[..]
Juist kei gemakkelijk. Je doet een chip of een QR code op de verpakking waarin staat hoelang op hoeveel watt in welke modus. Magnetron leest uit en voert uit. Few minutes.
http://nanotechweb.org/cws/article/tech/66546quote:Oct 11, 2016
Memristor could make embedded memory for low-power chips
Researchers at Hewlett Packard Labs in California, the University of Massachusetts Amherst and Seoul National University are reporting on a new low-current, self-rectifying memristor made from titanium ion electron traps in a niobium oxide matrix. The device might be used as an embedded memory on low-power chips and for storing data in Internet of Things (IoT) appliances.
A memristor, or memory resistor, is a resistor that "remembers" how much current has flowed through it. Unlike other modern-day electronics memories like those made from CMOS devices, memristors are able to “remember” their state (that is the information stored in them), even if you lose power. They also use much less energy.
So-called resistance-switching memristors made from transition metal oxides are promising for electronic components in a variety of future device applications thanks to the fact that their conductance reversibly changes in response to an applied stimulus. Such devices include high-density non-volatile memory as well as emerging applications such as “stateful” logic and bio-inspired neuromorphic devices.
However, one of the drawbacks of such memristors is the electrical power that is wasted during the data writing process. This occurs because of the additional current that flows through cells other than the addressed cell.
Solving the 'sneak path' problem
“This sneak path problem, as it is known, limits the size of the memory array that can be used and thus the total memory density since large sneak path currents make it difficult to successfully write to the addressed cell,” explains team member Kyung Min Kim of Hewlett Packard Labs in Palo Alto. “To overcome this challenge, researchers have introduced a ‘selector’ component in series with the memristor in each cell but since selector technology is not as mature as memristor technology we are struggling to develop appropriate selectors.
“Our team has taken a different approach to solving the sneak path problem without introducing a separate selector. We have developed a memristor with a large intrinsic current-rectifying characteristic that acts as an internal or integral selector. What is more, we have described how to use this self-selecting memristor to reduce power consumption to just 8% of that in conventional crossbar circuits.”
In principle, when the memristor is combined with a series selector in each cell of the crossbar, the net power consumption could be reduced to 0.31% of the power consumed in standard crossbars, he adds.
Technology is fully CMOS compatible
The new device is based on titanium (Ti) ion electron traps in a niobium oxide (NbOx) matrix. The researchers deposited the active material in the structure using a technique called atomic layer deposition (ALD), which allows them to control the sub-atomic monolayers in the structure and so precisely control how the Ti traps are distributed in the NbOx matrix. The resistance in the memristor can be switched from high to low (and vice versa) using much lower currents (and thus power) than previously demonstrated devices, Kim tells nanotechweb.org.
According to the team, led by Stanley Williams, also of Hewlett Packard Labs, the new memristor could be used to make embedded memories for low-power chips, such as ASICS. “Since the technology is fully CMOS compatible, it might also be used to store data in or near sensors at the edge of IoT devices,” says Kim. “Eventually, it might find use as a stand-alone non-volatile memory for low-power systems.”
The researchers, reporting their work in DOI: 10.1021/acs.nanolett.6b01781, say that they will now be fabricating full crossbar arrays while continuing to improve the individual cell performance of the memristors, in terms of both the resistance state retention lifetime and reducing the writing voltage.
(een nonlinear selector is één waarin de stroom bvb exponentieel stijgt met de spanning. Dat vermindert de stroom door de sneak paths in verhouding tot de stroom door de geadresseerde cel, omdat over de cellen in de sneak paths slechts 1/3 van de aangelegde spanning staat)quote:
A Pt/NbOx/TiOy/NbOx/TiN stack integrated on a 30 nm contact via shows a programming current as low as 10 nA and 1 pA for the set and reset switching, respectively, and a self-rectifying ratio as high as ∼105, which are suitable characteristics for low-power memristor applications. It also shows a forming-free characteristic. A charge-trap-associated switching model is proposed to account for this self-rectifying memrisive behavior. In addition, an asymmetric voltage scheme (AVS) to decrease the write power consumption by utilizing this self-rectifying memristor is also described. When the device is used in a 1000 × 1000 crossbar array with the AVS, the programming power can be decreased to 8.0% of the power consumption of a conventional biasing scheme. If the AVS is combined with a nonlinear selector, a power consumption reduction to 0.31% of the reference value is possible.
Je zou een extra aansluiting kunnen maken tussen de diode in sperrichting en de memristor. Deze terminal kan je dan gebruiken om een stroom in tegengestelde richting door de memristor te laten lopen en de memristor resetten. Een andere mogelijkheid is zenerdioden te gebruiken. Daarmee kan je bij een hogere sperspanning wel geleiding krijgen en de memristor restten.quote:Op zaterdag 29 oktober 2016 04:06 schreef crystal_meth het volgende:
Had dit bericht gemist bij m'n vorige post:
[..]
http://nanotechweb.org/cws/article/tech/66546
[..]
(een nonlinear selector is één waarin de stroom bvb exponentieel stijgt met de spanning. Dat vermindert de stroom door de sneak paths in verhouding tot de stroom door de geadresseerde cel, omdat over de cellen in de sneak paths slechts 1/3 van de aangelegde spanning staat)
Niet de eerste Self-rectifying memristor ("memristor met diodewerking"), in october 2014 was er bvb een bericht over een self-rectifying memristor met maximaal rectifying ratio van 600, die geschikt zou zijn voor een crossbar van maximaal 212*212 (voor een 10% read margin).
In m'n vorige post schreef ik dat een LED array geen last van sneak paths had omdat in elk sneak path één van de drie LEDs in sperzin staat; bij een memristor kan je niet simpelweg een diode toevoegen, omdat een memristor gereset (op 0 gezet) wordt door een negatieve spanning aan te leggen (het lezen gebeurt met een kleine positieve spanning/stroom, op 1 zetten met een hoge positieve spanning/stroom). Een normale diode laat haast geen stroom door in sperrichting, dus zou je de memristor niet kunnen resetten.
Ook met memristors is deze architectuur mogelijk. De grote vraag naar Deep Learning AI zal hopelijk ook interesse naar memristors bevorderen.quote:IBM scientists say radical new ‘in-memory’ computing architecture will speed up computers by 200 times
IBM Research announced Tuesday (Oct. 24, 2017) that its scientists have developed the first “in-memory computing” or “computational memory” computer system architecture, which is expected to yield yield 200x improvements in computer speed and energy efficiency — enabling ultra-dense, low-power, massively parallel computing systems.
Their concept is to use one device (such as phase change memory or PCM*) for both storing and processing information. That design would replace the conventional “von Neumann” computer architecture, used in standard desktop computers, laptops, and cellphones, which splits computation and memory into two different devices. That requires moving data back and forth between memory and the computing unit, making them slower and less energy-efficient.
De huidige digitale technologie staat ver af van hoe biologische systemen werken. Memristors, PCM, Mram en andere technologien kunnen behulpzaam zijn efficienter en zuiniger te werken vooral m.b.t. AI toepassingen. Neuronen hebben een digitale en analoge component, het simuleren van de analoge component is hetgeen veel rekenkracht vereist in de huidige neuronale netwerken. Een voordeel van volledig digitale systemen is dat ze snel exact te clonen zijn. Analoog&digitale zullen mogelijk enige training benodigen om de ¨synapsen¨ van de juiste ¨gewichten¨ te voorzien. Het is wel mogelijk grofweg de ¨gewichten¨ te copieren maar het is waarschijnlijk dat achteraf finetuning nodig blijkt afhankelijk van de toepassing omdat elk IC analoog iets anders zal zijn. Het laatste systeem van Deepmind, Alpha Go Zero berust op volledige zelftraining. In dit geval speelt het vooraf finetunen van de ¨gewichten¨ geen rol en is dus niet van belang.quote:
Blijft toch een leuk verhaal, ze verslaan eindelijk Go door een neuraal netwerk allerhande menselijke potjes go te laten gebruiken etc. Die heetten alphaGo Fan en alphaGo Lee (genoemd naar de mensen die ze versloegen) en die gebruikten 176 GPUs en 48 TPUs en toen maakten ze een zelflerende alphaGo Zero en die gebruikt maar 4TPUsquote:Op vrijdag 27 oktober 2017 09:26 schreef Digi2 het volgende:
[..]
De huidige digitale technologie staat ver af van hoe biologische systemen werken. Memristors, PCM, Mram en andere technologien kunnen behulpzaam zijn efficienter en zuiniger te werken vooral m.b.t. AI toepassingen. Neuronen hebben een digitale en analoge component, het simuleren van de analoge component is hetgeen veel rekenkracht vereist in de huidige neuronale netwerken. Een voordeel van volledig digitale systemen is dat ze snel exact te clonen zijn. Analoog&digitale zullen mogelijk enige training benodigen om de ¨synapsen¨ van de juiste ¨gewichten¨ te voorzien. Het is wel mogelijk grofweg de ¨gewichten¨ te copieren maar het is waarschijnlijk dat achteraf finetuning nodig blijkt afhankelijk van de toepassing omdat elk IC analoog iets anders zal zijn. Het laatste systeem van Deepmind, Alpha Go Zero berust op volledige zelftraining. In dit geval speelt het vooraf finetunen van de ¨gewichten¨ geen rol en is dus niet van belang.
Cool! gek dat ik daarover in al die youtube video's over alphago en deep learning niks gezien hebquote:Op vrijdag 27 oktober 2017 09:26 schreef Digi2 het volgende:
[..]
De huidige digitale technologie staat ver af van hoe biologische systemen werken. Memristors, PCM, Mram en andere technologien kunnen behulpzaam zijn efficienter en zuiniger te werken vooral m.b.t. AI toepassingen. Neuronen hebben een digitale en analoge component, het simuleren van de analoge component is hetgeen veel rekenkracht vereist in de huidige neuronale netwerken. Een voordeel van volledig digitale systemen is dat ze snel exact te clonen zijn. Analoog&digitale zullen mogelijk enige training benodigen om de ¨synapsen¨ van de juiste ¨gewichten¨ te voorzien. Het is wel mogelijk grofweg de ¨gewichten¨ te copieren maar het is waarschijnlijk dat achteraf finetuning nodig blijkt afhankelijk van de toepassing omdat elk IC analoog iets anders zal zijn. Het laatste systeem van Deepmind, Alpha Go Zero berust op volledige zelftraining. In dit geval speelt het vooraf finetunen van de ¨gewichten¨ geen rol en is dus niet van belang.
Ze zijn ook bezig om machine learning op quantum computers toe te passen, stond laast een interessante special in nature over quantum software, en wat de pitfalls zijn etc. We stappen zo langzamerhand in de computer wereld weer helemaal opnieuw in een groot avontuur. De eerste quantum computers met tientallen tot honderden qubits komen in zicht.quote:Op vrijdag 27 oktober 2017 16:43 schreef Maanvis het volgende:
[..]
Cool! gek dat ik daarover in al die youtube video's over alphago en deep learning niks gezien heb. Maar dit is idd veelbelovend
Er wordt hier keihard aan gewerkt. Nog een paar jaar en dan zitten ze in veel electronica. Snelheden gaan ervan omhoog, productiekosten omlaag, je kunt weer kleiner produceren.quote:
De borg zijn niet ver weg. Wij gaan met technologie samen.quote:Op vrijdag 27 oktober 2017 13:11 schreef Bosbeetle het volgende:
[..]
Blijft toch een leuk verhaal, ze verslaan eindelijk Go door een neuraal netwerk allerhande menselijke potjes go te laten gebruiken etc. Die heetten alphaGo Fan en alphaGo Lee (genoemd naar de mensen die ze versloegen) en die gebruikten 176 GPUs en 48 TPUs en toen maakten ze een zelflerende alphaGo Zero en die gebruikt maar 4TPUs
Het leuke is dat die Fan en Lee dus wel kunnen leren van Zero en dus nu ook beter zijn geworden die noemen we AlphaGo Master. Maar zero versloeg Fan in 100 potjes 0 tegen 100 en tegen Master won hij 89 -11... Zero heeft ook eigen nog onbekende tactieken gevonden.
We zijn dus nu computers daadwerkelijk superhumaan een spelletje aan het leren spelen. De enige data die Zero eigenlijk gebruikt heeft zijn de regels van GO.
Wat ook leuk is, is dat wij mensen nu ook die tactieken van AlphaGO zero weer kunnen leren.
Dwave machines bijv. zijn geen volledige quantum computers maar kunnen heel handig zijn voor bepaalde probleemoplossingen. Het voordeel van hun systematiek is dat het flink op te schalen is. De laatste generatie heeft circa 1000 operatieve ¨Qbits¨. Blijkbaar is Quantum computing vrij eenvoudig te gebruiken voor IA toepassingen. Ik vermoed dat dit vooral voorkomt uit de mogelijkheid van instantane backpropagation door de vele hidden layers van complexe neurale netwerken zoals bijv. tensorflow.quote:Op vrijdag 27 oktober 2017 16:51 schreef Bosbeetle het volgende:
[..]
Ze zijn ook bezig om machine learning op quantum computers toe te passen, stond laast een interessante special in nature over quantum software, en wat de pitfalls zijn etc. We stappen zo langzamerhand in de computer wereld weer helemaal opnieuw in een groot avontuur. De eerste quantum computers met tientallen tot honderden qubits komen in zicht.
Het 11 dagen vasthouden van geheugen van deze organische memristor is relatief kort t.a.v. anorganische memristors. Het lijkt me echter geen onoverkomenlijk probleem omdat je het zou kunnen refreshen, om de 5 dagen bijvoorbeeld. Dit zou vanwege de extreem lage refreshrate weinig stroom verbruiken. Je zult dan echter waarschijnlijk een kleine lithiumbatterij in elke computer moeten plaatsen, ook in de desktops. Mogelijk is de batterij voor de systeemklok al voldoende.quote:Organic Memristor Sets Records for Speed and Durability
October 31
Modern electronic devices are based on circuit elements like resistors, capacitors, and inductors. However, there’s a fourth still-experimental type of component called a memristor. Engineers have been trying to perfect the memristor for years, but so far attempts to make these components a reality have failed on one or more fronts. However, a new organic memristor design from an international team of scientists could solve most of the outstanding problems and finally make these components commercially viable.
The memristor was first theorized in the early 1970s, but the technology of the day was not sophisticated enough to build one. A memristor is a two-terminal electrical component that has properties of both resistors and non-volatile memory. The electrical resistance isn’t constant, but changes based on the charge that has passed through the memristor in the past. That is, it remembers its history even if the power is shut off.
Past memristor designs in laboratories have failed in at least one of several ways. They were often too slow to switch states, or they just didn’t retain their memory for very long after the power was cut. The new organic memristor designed by a team of researchers led by Thirumalai Venky Venkatesan at the National University of Singapore is able to switch states in just 50 nanoseconds, similar to traditional resistors. It can also hold that state for more than 11 days without power.
The memristor is composed of the transition metal ruthenium complexed with “azo-aromatic ligands.” The theoretical work enabling this material was performed at Yale, and the organic molecules were synthesized at the Indian Association for the Cultivation of Sciences. Despite containing organic molecules, the memristors are very stable. No degradation of the on/off ratio after more than 10^12 read cycles. Venkatesan says this material is easy and cheap to make. None of the materials needed are particularly rare or dangerous, and fabrication techniques are based on existing technology.
There’s still a lot of work to be done before memristors will be ready for consumer devices, but the effects on daily life could be huge when that day arrives. Memristors could replace both storage and RAM with a single chip, and the capacity of memristor-based devices could be almost unfathomably huge. Some theoretical designs for multi-layer memristors have a storage capacity of 1 petabyte per cubic centimeter. Maybe spinning hard drives won’t be the capacity kings for as long as we thought.
quote:Memristors, Artificial Synapses & Neomorphic Computing. Dr Phil Moriarty on the limitations of the Von Neumann architecture and what could be next.
Dit Topic was ik begonnen in 2010, met een sneltreinvaart gaan de ontwikkelingen van de memristor niet maar met de opkomst van A.I. en het hoge energieverbruik van A.I. geïmplementeerd op van Neuman systemen maken het nog steeds een interessant onderzoeksterrein als alternatief.quote:Op maandag 14 september 2020 15:27 schreef Maanvis het volgende:
Huh, ik zag die computerphile dinges voorbij komen maar ik had niet door dat het over de memristors ging. Maar eens kijken dan
Is het net zoals kernfusie telkens 50 jaar totdat ie er komt?quote:Op maandag 14 september 2020 15:42 schreef Digi2 het volgende:
[..]
Dit Topic was ik begonnen in 2010, met een sneltreinvaart gaan de ontwikkelingen van de memristor niet maar met de opkomst van A.I. en het hoge energieverbruik van A.I. geïmplementeerd op van Neuman systemen maken het nog steeds een interessant onderzoeksterrein als alternatief.
Memristors worden al vervaardigd maar nog niet op grote commerciele schaal. De benodigde infrastructuur voor het vervaardigen van memristors is al voorhanden omdat die compatible is met die van de IC fabrikage. Voor Kernfusie moet dat steeds specifiek gemaakt worden zoals voor ITER of Wendelstein. De beschikbaarheid voor experimenten is dus veel eenvoudiger en goedkoper voor memristors dan voor kernfusie.quote:Op maandag 14 september 2020 16:26 schreef Maanvis het volgende:
[..]
Is het net zoals kernfusie telkens 50 jaar totdat ie er komt?
De memristor speelt hierbij een belangrijke rol, zoals in de video ook wordt toegelicht.quote:Wir produzieren immer mehr Daten. Und das Ganze, das wächst auch noch exponentiell an! Bis 2030 soll der Strombedarf von Rechenzentren auf 945 Terrawattstunden ansteigen. Das ist einfach das doppelte unseres Stromverbrauchs in Deutschland. Etwa 90 % der Energie fallen für den Transport zwischen Speicher und Prozessor an.
Aber man kann etwas dagegen machen: Sogenannte neuromorphe Chips. Die verarbeiten die Daten dort, wo sie gespeichert werden. Und das spart nicht nur Energie, sondern das ist sogar bis zu 400-mal schneller. Ich war in der Nähe von Dresden bei einem Unternehmen, was genau diese Chips entwickelt und herstellt und habe mir angeschaut, wie das Ganze funktioniert, wo es schon eingesetzt wird und natürlich auch, was das Potenzial für die Zukunft ist.
|
|
| Forum Opties | |
|---|---|
| Forumhop: | |
| Hop naar: | |