23108

بهبود تحمل پذيري اشكال در حافظه هاي نهان مبتني بر STT-MRAM

كارشناسي ارشد

معماري سيستم‌هاي كامپيوتري

1399/8/26

دكتر حاكم بيت الهي - دكتر مهدي فاضلي

دكتر اميرمهدي حسيني منزه

كامپيوتر

با افزايش روند كوچك سازي ادوات نيمه هادي، حافظه هاي نهان مبتني بر فناوري حافظه¬هاي با دستيابي تصادفي ايستا (SRAM) به دليل مشكلاتي از قبيل چگالي نامناسب براي مجتمع¬سازي، توان نشتي بالا و آسيب¬پذيري در برابر خطاهاي نرم، با چالش رو به رو مي¬شوند¬. در ميان حافظه¬هاي نوظهور، فناوري حافظه¬ي مغناطيسي با دست¬يابي تصادفي-انتقال گشتاور اسپيني (STT-MRAM) به دليل ويژگي¬هايي از قبيل چگالي بالا براي مجتمع‌سازي و توان نشتي بسيار پايين نسبت به فناوري SRAM به عنوان بهترين جايگزين حافظه¬هاي نهان مبتني SRAM معرفي شده است. با وجود مزاياي اين فناوري، بالا بودن نرخ خطا در سلول¬هاي STT-MRAM¬ها يك تهديد براي قابليت اطمينان حافظه¬هاي نهاني كه مبتني بر STT-MRAMها هستند، به حساب مي¬آيد. با افزايش دما، نرخ خطاي اين فناوري به طور چشمگيري افزايش مي¬يابد. از منابع اصلي توليد گرما در حافظه¬هاي مبتني بر STT-MRAM مي¬توان به عمليات خواندن و نوشن اشاره كرد. در اين پژوهش، ما ابتدا رفتار حافظه¬هاي نهان را با توجه به سياست¬هاي جايگزيني سنتي، مورد بررسي قرار داديم و متوجه شديم كه بخش زيادي از عمليات نوشتن¬هاي متوالي در بلوك-هاي مجاور در حافظه¬ي نهان نوشته مي¬شوند. سپس براي پخش كردن گرماي انباشته شده در بلوك¬هاي مجاور، يك سياست جايگزيني مبتني بر يادگيري تقويتي ارائه داديم. نتايج شبيه¬سازي نشان مي¬دهد كه روش WiSE توانسته است گرمايي را كه بر اثر عمليات نوشتن ايجاد مي¬شود، به خوبي در سطح تراشه پخش كند و بطور ميانگين 30 درجه كلوين دما را در سطح تراشه كاهش دهد. همچنين خطاي مانايي، اغتشاش خواندن و خطاي نوشتن به ترتيب 20، 17.8 و 4.15 برابر نسبت به ميانگين روش¬هاي LRU، MRU، FIFO و Random بهبود يافته¬اند. اين در حالي است كه انرژي مصرفي روش WiSE، نزديك به روش LRU و سربار كارآيي كمتر از 1 درصد است.

1399/11/15

Fault Tolerance Improvement in STT-MRAM Caches

11/16/2020 12:00:00 AM

STT-MRAM is a promising memory technology that is believed to be a viable candidate for replacing Static RAM (SRAM) in on-chip memories. The main motivation of deploying STT-MRAMs in on-chip memories is to address the high energy consumption issue of SRAMs, which becomes more and more threatening with technology scaling trends in recent years. Despite these advantages, high error rate in STT-MRAM cells threatens the reliability of cache memories built upon STT-MRAM technology. The error rate is significantly increased in higher temperature. The major source of heat generation and high temperature in STT-MRAM caches is read and write accesses. This thesis, first analyzes the cache behavior in conventional replacement policies and demonstrates that the majority of consecutive write operations are committed to adjacent cache blocks. Then, to eliminate heat accumulation and the adjacency of consecutive writes, this thesis proposes a replacement policy based on Reinforcement Learning (RL). The results show that the proposed method has a low implementation cost, complexity and reduces 30 kelvin degrees of temperature over the chip on average. Also improves the probability of retention failure, read disturbance and read failure 20, 17.8 and 4.15 times in comparison to LRU, MRU, FIFO and Random methods repectively while providing a near-LRU performance and imposes less than 1% overhead to the system.