CNET科技资讯网 3月23日 北京消息:阻变式存储器(RRAM)技术的领导者Crossbar公司日前宣布正式进军中国市场,并在上海设立新的办事处。
目前,Crossbar RRAM能够在邮票大小的芯片上实现太字节(terabyte)存储,而足够低的功耗可大规模运用于物联网,从而易于被定制到一系列应用中。从可穿戴应用的SoC嵌入式存储,到云数据中心的超高密度SSD。Crossbar RRAM技术被广泛视为极有可能取代当前非易失性内存技术的有力竞争者,潜在市场价值600亿美元。
Crossbar公司首席执行官George Minassian博士表示:“中国是电子行业发展最快的市场,亦是绝大多数产品的制造基地。凭借我们在中国深厚的风投实力和资源、新成立的本地办事处以及行业领先的技术,我们相信将在中国消费电子、企业、移动、工业和物联网等市场掀起新一轮电子创新浪潮。此外,我们近期与中芯国际已达成合作,将我们的嵌入式技术用于中芯国际40nm甚至更高工艺,有望使新的应用开发受益。”
通过集成更大的片上非易失性阻变式存储器(RRAM)到智能卡、机顶盒、IP相机和监视器等一系列应用,Crossbar的客户现正设计并推出低功耗、高安全性的解决方案。
Minassian博士还表示:“物联网和可穿戴设备市场需要节能、安全和低成本的微控制器。Crossbar RRAM技术能提供片上编程和数据存储的嵌入式内存模块,也可单独作为EEPROM内存,将是满足这些需求的理想解决方案。”
Crossbar技术首先由中国出生的卢伟(Dr. Wei D. Lu)博士研发,他也是Crossbar的首席科学家和联合创始人。卢博士拥有中国清华大学物理学士学位,以及德克萨斯州莱斯大学物理学博士学位。卢博士在RRAM领域积累了十二年的研究经验,他先作为哈佛大学的博士后研究员,然后被任命为密歇根大学教授从事这项研究。他是纳米结构和设备行业的领先专家,包括基于双端电阻开关设备的高密度内存和逻辑系统、神经元电路、半导体纳米线设备和低维系统中的电子输运。
Crossbar技术可在一个200平方毫米的芯片上存储数个TB的数据,能够将海量信息,例如250小时的高清电影,存储在比邮票还小的集成电路上,并进行回放。凭借简单的三层结构,堆叠性和CMOS兼容性,Crossbar能在最新的技术节点下将逻辑和存储集成到单芯片上,实现传统或其他非易失性内存技术无可比拟的存储容量。Crossbar拥有大容量和快速的优势,并将成为下一代企业和数据中心存储系统的理想选择。
关于RRAM
RRAM 提供用于MCU、SoC和FPGA的低迟滞、高性能、低功耗嵌入式存储器,面向低功耗和安全的物联网、可穿戴和平板电脑、消费电子、工业和汽车电子市场。Crossbar技术能够实现极高密度的存储解决方案,包括:
Crossbar技术应用:
Crossbar的全球投资者包括:Artiman、Correlation Ventures、凯鹏华盈(KPCB)、Tyche Partners、TAO Capital Partners、密歇根大学;在中国投资者包括: CBC宽带资本、元禾控股、北极光创投、赛富和Korea Investment Partners Co., Ltd。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。