SKハイニックス、3D FeNANDコンピューティング・イン・メモリーで10〜20倍のスループットを報告

SKハイニックスによると、従来の3Dアレイと比較して、3D FeNANDを用いたアナログ・コンピューティング・イン・メモリー向けの同社の最適化アーキテクチャは、約10〜20倍高いスループットをもたらしたという。² この比較はチップ面積を同一に保ったものであり、報告されたエネルギー効率の優位性は約4,000〜5,000倍であった。² これらは研究段階のアーキテクチャに関して同社が報告した結果であり、発売された商用製品を説明する数値ではない。² 本研究は2025年のIEEE International Electron Devices Meeting（IEDM）で発表され、著者はSKハイニックスのGlobal RTCテクニカルリーダーであるWon-Tae Koo氏とJihun Kim氏である。² 報告された向上の規模は統合的な設計アプローチに結びついており、同社はその要因を3D FeNANDの集積密度とデータ移動の削減によるものとしている。²

この研究が取り組む課題は、情報の移動が消費電力と遅延の両方を増加させかねない、拡大するAIシステムにおいてデータを繰り返し転送するコストである。² コンピューティング・イン・メモリーは、別個のコンピューティングデバイスに情報を絶えず送信するのではなく、メモリー内またはその近傍で処理を実行することによって、そうした転送を抑えることを目指している。² ここで研究されているアナログ方式では、セル内に保持された電気的状態を利用してメモリー内部で計算が行われる。² それらの状態は、AI計算で使用される計算の一種である積和演算をサポートする。² IT之家も同様に、A-CiMはアナログ信号を通じてメモリー内でそうした演算を実行するものであると説明し、転送を減らすことで速度とエネルギー効率を向上させることができると述べている。¹

ストレージの課題はAIモデルによる重みデータの使用に結びついており、SKハイニックスによれば、大量のデータを保存し、繰り返しアクセスする必要がある。² 重みは計算に使用されている間ストレージ内に存在し続ける必要があるため、その繰り返されるアクセスが、同社のA-CiMの説明において高密度メモリーを重要にしている。² 従来の商用3D NANDは主に、電子を捕捉（トラップ）または放出することによってセル状態を変化させる材料層であるチャージトラップ窒化膜（CTN）に依存している。² SKハイニックスによると、この手法は集積度を提供できるものの、その利点はアナログ演算が必要とする複数の電流レベルを識別する難しさを解決するものではないという。² IT之家もまた、従来のチャージトラップ窒化膜とFeNANDの強誘電体ベースとの対比を提示した。¹

FeNANDは、強誘電体材料の電気的状態の変化を通じてセル電流を制御する。² その材料は、それを変化させた外部電界が印加されなくなった後も分極を保持することができる。² SKハイニックスによると、これらの強誘電特性により、従来の3D CTN NANDよりも少ない電力を使用しながら、複数の電流レベルを正確に設定することが容易になるという。² 同社はまた、単一のFeNANDセルが複数の電流状態を生成できると述べており、この特徴はAI重みデータの保存に適していると同社は考えている。¹ したがって提示された利点は、単にFeNANDが情報を異なる方法で保存することだけでなく、その電流状態がアナログ計算により適している可能性があることにある。¹²

本論文は、メモリーセルの変更だけで十分であるとはみなしていない。² SKハイニックスは、相互配線で失われる電力やページの非効率な使用を、性能を制約しかねない要因として指摘している。² その研究は、セル電流レベルの制御、ワード線へのスイッチング負荷、およびページの使用方法の改善を求めている。² 本論文はこれらを個別の対症療法として提示するのではなく、3D FeNANDベースのA-CiMに向けてセル、非セル、およびページの各スキームを一体として最適化している。² この協調的な設計が、報告された性能比較を解釈するための基礎となっている。提供された説明では同一面積での比較についての数値範囲が示されており、IT之家はA-CiMの利点について定性的な説明を提供している。²

ページスキームは計算データがどのように配置されるかに関するものであり、本研究では不要なスイッチングを回避することを意図したシーケンスやユニットへとデータを編成している。² そのデータ配置は、論文で説明されているメモリーセルおよび非セル方式と並ぶ、より広範な最適化の一部である。² 同社は、統合アプローチを適用することで、3D FeNANDベースのA-CiMにおける計算スループットとエネルギー効率の双方が向上したと報告している。² 報告された比較は従来の3Dアレイに対するものであり、チップ面積を固定しているため、制約のない比較ではなく、明記された面積制約下での性能を示している。² スループットの範囲とエネルギー効率の範囲は異なる結果を測定したものであり、提供された説明は一方を他方の代わりとして扱うのではなく、その両方を報告している。²

この発表は研究成果であり、商用製品が発売されたという声明ではない。² SKハイニックスの論文は2025 IEEE International Electron Devices Meetingで発表されたが、提供されたニュースルームの各ページには2026年10月14日の公開日が記載されている。² したがって、同社による研究発表の日付は、論文が発表された学会の翌年となっている。² さらに提供された5つのニュースルームページには同じ研究見出しと2026年10月14日の日付が表示されており、それらのエントリーは個別の研究結果を確立するものではなく、同一の公開情報を繰り返している。² IT之家は10月15日に、SKハイニックスがこの研究を開示し、その成果がIEEEの論文に掲載されたと報じたが、提供された説明はその日付に年を付していない。¹

同社の説明は、工学的な選択肢をより広範な需要に結びつけている。すなわち、AIモデルには繰り返しアクセスされる膨大な重みの蓄積が必要であるという点である。² コンピューティング・イン・メモリーは処理が行われるメモリー内またはその近傍でデータを利用可能な状態に維持することに依存しているため、そうした状況では高密度ストレージが重要になる。² この研究のアプローチは、3次元FeNANDの集積度と、転送、スイッチング、およびページの非効率性を抑制することを意図した変更を組み合わせている。² SKハイニックスはその統合設計によるスループットとエネルギー効率の向上を報告しているが、提供された資料は製品の発売については言及していない。² したがって提示された結果は、明記されたチップ面積条件下での研究上の比較であり、報告された利点はメモリーの集積とデータ移動の削減の双方によるものとされている。²