기본 콘텐츠로 건너뛰기

HMC 의 샘플을 공개한 마이크론



 이전에 설명드린 것과 같이 마이크론/인텔을 비롯 삼성전자, IBM, SK 하이닉스, ARM 등 여러 IT 기업들은 HMC 컨소시엄을 구성해 차세대 메모리인 HMC (Hybrid Memory Cube) 를 개발하기 위해 노력하고 있습니다.  HMC 에 대해서는 이전 포스트를 참조해 주시기 바랍니다.  


 아무튼 마이크론은 HMC 개발에 집중하는 모습인데 향후 이를 통해 1 Tb/s 이상의 속도를 지닌 고용량 고속 메모리를 개발한다는 계획을 가지고 있습니다. 물론 마이크론 외 컨소시엄의 참여하는 다른 회사들도 (예를 들어 삼성 전자와 sk 하이닉스) 역시 그런 계획을 가지고 있겠죠. 그런데 최근 마이크론이 2GB 용량의 HMC 샘플을 공개했다는 소식입니다.





 공개된 샘플 HMC 는 4 개 4 Gb DRAM 층을 TSV (Through-silicon via) 방식으로 연결한 것으로 총 2 GB 의 용량과 더불어 160 GB/s 라는 상당히 큰 대역폭을 제공하고 있습니다. 이는 1333 MHz DRAM 보다 15 배나 높은 대역폭입니다.  

 HMC 는 마치 아파트처럼 여러개의 DRAM 을 포개고 이를 수직으로 연결한 다음 맨 아래층의 로직 층에서 높은 대역폭으로 프로세서와 연결되기 때문에 고용량, 고대역폭을 실현할 수 있으며 더 나아가 상당한 수준의 전력 절감도 가능하다고 합니다. 마이크론에 의하면 비트당 전력 소모를 70% 정도 절감할 수 있다고 합니다.



(TSV 방식으로 연결된 메모리. 각각의 메모리 층은 수직 전선관을 통해 고성능 로직에 직접 연결된다. )  


 마이크론은 2014 년 초 4 GB HMC 엔지니어링 샘플을 선보이고 2014 년에 2GB 및 4GB HMC 의 양산을 준비한다는 계획입니다. 다만 초기에는 매우 고가가 될 것으로 보이며 특수 영역에서만 사용이 될 것으로 보입니다. 마이크론의 예측으로는 3-5 년 후에는 일반 소비자 시장에도 등장할 것으로 예상하고 있지만 말이죠.  


 미래는 알 수 없지만 최근 고성능 GPU 는 더 넓은 대역폭을 지닌 메모리를 원하고 있고 엔비디아 역시 HMC 를 도입할 계획을 가진 것으로 알려지는 등 HMC 가 결국 미래의 차세대 메모리 중 하나로 등장하게 될 가능성이 있습니다. 일반 사용자에게 있어 가까운 시일내 시스템 메모리는 DDR4 가 DDR3 를 대체하겠지만 DDR4 를 대체하는 것이 HMC 가 될지 아니면 다른 메모리가 될지는 아직 예측하기 어려운 미래라고 하겠습니다. 개인적으로는 성능도 중요하지만 결국 가격이 더 중요한 변수가 되지 않을까 생각하네요. 즉 얼마만큼 저렴한 가격에 공급할 수 있는지가 대중화되느냐 아니냐를 결정한다고 생각합니다.  


 참고  



댓글

이 블로그의 인기 게시물

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b

우분투 18.04 가상 머신에 VMware tools 설치

 VMware에 우분투를 설치하고 나서 업데이트를 하거나 혹은 수동으로 우분투를 설치하는 경우 VMware tools을 다시 설치해야 VMware의 기능을 모두 사용할 수 있습니다. 사실 가상 머신에 우분투를 설치하는 과정은 그렇게 어렵지 않지만, VMware tools 설치 과정은 의외로 까다로울 수 있습니다.   일단 설치를 위해 WMware창에서 manage -> install VMware Tools 을 선택합니다. 그러면 바탕화면에 VMware Tools라는 DVD 아이콘이 생성됩니다.  하지만 윈도우와 달리 이 아이콘을 클릭해서 VMware Tools가 설치되지는 않습니다. 그래서 아래 명령어로 설치를하려는 중 흥미로운 내용을 발견했습니다.  tar xzf /media/`whoami`/VMware\ Tools/VMwareTools-*.tar.gz -C ~/ sudo ~/vmware-tools-distrib/vmware-install.pl (터미널에 이 내용을 복사해서 붙이면 됩니다)   가능하면 open-vm-tools를 사용하라는 메세지가 나옵니다. 그래서 그렇게 해봤습니다. 방법은 간단합니다. 터미널에서 한 줄만 입력하면 됩니다.  sudo apt install open-vm-tools-desktop (서버 버전은 sudo apt install open-vm-tools)  입력하면 뭔가가 설치되면서 VMware Tools가 깔립니다. 뭔가 물어보기도 하는데 유지하는 걸로 이야기하면 끝납니다. 정상적으로 설치가 완료되면 재부팅 없이도 실행이 가능합니다. 실행 여부는 간단하게 파일 이동이나 화면 확대 (해상도가 자동 맞춤됨)가 가능할 것입니다. 아무튼 설치가 꽤 편리해졌습니다. 

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율