HBM 读的那些事

如下所示,为HBM读的时序。注意这里说的HBM是和HBM3是有区别的.

RL 的配置,是通过MR2来实现的

WDQS貌似和CK同频。这幅图告诉你,WDQS和CK的源头是一样的,都来自PLL,而且中间没有经过倍频操作。所以两者频率基本是一致的。这是HBM的对clock的要求。

而对于HBM3来说,时钟的要求如下。可以知道现在DQS和CK不是一个频率了,而是两倍的关系。

回到读分析的正题。看到数据是4拍,这里是BL=4,BL有两种2或者4,可以通过MR配置实现。

到此为止,知道宏观信息,这是一个设置RL为6,BL=4的读操作。

RDQS与CK的关系如何?

第一个RDQS来的位置是(RL-1)*tck + tdqsck , 这里tdqsck 来表示RDQS和CK的相位差。注意RDQS是从颗粒过来的,笔者认为这里的tdqsck 这个名字是为了和tdqss区分而已。

DQ与CK的关系如何?

RL*tck + tdqsck + tdqsq

进一步分析RDQS和DQ的关系,tck + tdqsq。问题来了,tdqsq这个差值,说明了RDQS和DQ并不是对齐的。

多笔读操作时序如何?

当BL为4的时候,两笔读操作相差2T的时候,正好达到DQ的无缝连接,因为BL=4时候,DQ的传输需要2T。类推,那么如果是BL为2的时候,两笔读操作相差为T的时候,正好达到DQ的无缝连接。

上文是对HBM的读进行分析。 那么HBM3的读又会是如何?如下图所示。

RDQS与CK的关系如何?

第一个RDQS来的位置是(RL-1)*tck + twdqs2dq + tdqss , 这里twdqs2dq 来表示WDQS和RDQS的相位差。注意RDQS是从颗粒过来的,笔者认为这里的tdqsck 这个名字是为了和tdqss区分而已。

DQ与CK的关系如何?

RL*tck + twdqs2dq + tdqss + tdqsq

那么DQ和RDQS的关系呢?

Tck + tdqsq, 这个值和HBM是一样的。

那么问题来了,为什么HBM先规定RDQS和CK的关系,再去推到DQ和CK的关系,而HBM3,规定WDQS和RDQS的关系,作为出发点去推到DQ和CK的关系呢?原因,笔者认为,HBM的时候在RDQS和CK是同频,完全可以跳过研究WDQS和CK的关系,直接规定RDQS和CK的关系作为出发点,而HBM3时候,两者并不同频。

关于HBM读和写,以及读和precharge之间的时序要求关系,本文不再赘述,感兴趣的请阅读SPEC。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/pingmian/84067.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

省略号和可变参数模板

本文主要介绍如何展开可变参数的参数包 1.C语言的va_list展开可变参数 #include <iostream> #include <cstdarg>void printNumbers(int count, ...) {// 声明va_list类型的变量va_list args;// 使用va_start将可变参数写入变量argsva_start(args, count);for (in…

三十五、面向对象底层逻辑-Spring MVC中AbstractXlsxStreamingView的设计

在Web应用开发中&#xff0c;大数据量的Excel导出功能是常见需求。传统Apache POI的XSSF实现方式在处理超大数据集时&#xff0c;会因全量加载到内存导致OOM&#xff08;内存溢出&#xff09;问题。Spring MVC提供的AbstractXlsxStreamingView通过流式处理机制&#xff0c;有效…

【大模型:知识图谱】--3.py2neo连接图数据库neo4j

【图数据库】--Neo4j 安装_neo4j安装-CSDN博客 需要打开图数据库Neo4j&#xff0c; neo4j console 目录 1.图数据库--连接 2.图数据库--操作 2.1.创建节点 2.2.删除节点 2.3.增改属性 2.4.建立关系 2.5.查询节点 2.6.查询关系 3.图数据库--实例 1.图数据库--连接 fr…

基于dify的营养分析工作流:3分钟生成个人营养分析报告

你去医院做体检&#xff0c;需要多久拿到体检报告呢&#xff1f;医院会为每位病人做一份多维度的健康报告吗&#xff1f;"人工报告需1小时/份&#xff1f;数据误差率高达35%&#xff1f;传统工具无法个性化&#xff1f; Dify工作流AI模型的组合拳&#xff0c;正在重塑健康…

Web后端基础(基础知识)

BS架构&#xff1a;Browser/Server&#xff0c;浏览器/服务器架构模式。客户端只需要浏览器&#xff0c;应用程序的逻辑和数据都存储在服务端。 优点&#xff1a;维护方便缺点&#xff1a;体验一般 CS架构&#xff1a;Client/Server&#xff0c;客户端/服务器架构模式。需要单独…

MySQL(56)什么是复合索引?

复合索引&#xff08;Composite Index&#xff09;&#xff0c;也称为多列索引&#xff0c;是在数据库表的多列上创建的索引。它可以提高涉及多个列的查询性能&#xff0c;通过组合多个列的值来索引数据。复合索引特别适用于需要同时过滤多列的查询。 复合索引的优点 提高多列…

高并发下的缓存击穿/雪崩解决方案

有效解决缓存击穿和雪崩的方法包括&#xff1a;1. 使用互斥锁处理缓存击穿&#xff1b;2. 采用熔断器模式防止雪崩&#xff1b;3. 实施缓存预热和降级策略&#xff1b;4. 利用分片和多级缓存分散请求压力。这些方法各有优劣&#xff0c;需根据实际业务场景灵活调整和结合使用。…

【读论文】OpenAI o3与o4系统模型技术报告解读

回顾一下,4月16日,OpenAI发布了一份关于其o系列新模型——OpenAI o3和OpenAI o4-mini——的System Card。这份文档不仅揭示了这两款模型在推理能力和工具使用方面的显著进步,也详细阐述了其训练方法、数据来源、安全评估以及在图像理解生成、数学推理等多个核心领域的表现。…

第1课、LangChain 介绍

LangChain 介绍 LangChain 是一个以大语言模型&#xff08;LLM, Large Language Model&#xff09;为核心的开发框架&#xff0c;旨在帮助开发者高效地将如 GPT-4 等大型语言模型与外部数据源和计算资源集成&#xff0c;构建智能化应用。 1.1 工作原理 如上图所示&#xff…

【论文阅读28】-CNN-BiLSTM-Attention-(2024)

本文把滑坡位移序列拆开、筛优质因子&#xff0c;再用 CNN-BiLSTM-Attention 来动态预测每个子序列&#xff0c;最后重构出总位移&#xff0c;预测效果超越传统模型。 文章目录 1 引言2 方法2.1 位移时间序列加性模型2.2 变分模态分解 (VMD) 具体步骤2.3.1 样本熵&#xff08;S…

[论文阅读] 人工智能+软件工程(软件测试) | 当大语言模型遇上APP测试:SCENGEN如何让手机应用更靠谱

当大语言模型遇上APP测试&#xff1a;SCENGEN如何让手机应用更靠谱&#xff1f; 一、论文基础信息 论文标题&#xff1a;LLM-Guided Scenario-based GUI Testing&#xff08;《大语言模型引导的基于场景的GUI测试》&#xff09;作者及机构&#xff1a;Shengcheng Yu等&#x…

香橙派3B学习笔记7:snap安装管理软件包_打包程序与依赖

有时可以尝试把程文件与其依赖一块打包安装&#xff0c;这里就学习一下。 ssh &#xff1a; orangepi本地ip 密码 &#xff1a; orangepi 操作系统发行版&#xff1a; 基于 Ubuntu 20.04.6 LTS&#xff08;Focal Fossa&#xff09;的定制版本&#xff0c;专门为 Orange Pi 设备…

Playwright 测试框架 - .NET

💖亲爱的技术爱好者们,热烈欢迎来到 Kant2048 的博客!我是 Thomas Kant,很开心能在CSDN上与你们相遇~💖 本博客的精华专栏: 【自动化测试】

Model Context Protocol (MCP) 是一个前沿框架

微软发布了 Model Context Protocol (MCP) 课程&#xff1a;mcp-for-beginners。 Model Context Protocol (MCP) 是一个前沿框架&#xff0c;涵盖 C#、Java、JavaScript、TypeScript 和 Python 等主流编程语言&#xff0c;规范 AI 模型与客户端应用之间的交互。 MCP 课程结构 …

【量化】策略交易 - 均线策略(Moving Average Strategy)- 代码增强版本

策略交易 - 均线策略&#xff08;Moving Average Strategy&#xff09;- 代码增强版本 一、前言 本文主要是针对 【量化】策略交易 - 均线策略&#xff08;Moving Average Strategy&#xff09; 中的代码事例&#xff0c;进行逻辑的增强&#xff0c;添加了模拟买入和卖出逻辑&…

为什么要引入内联函数?

C 中引入内联函数主要有以下几个目的&#xff1a; 提高程序运行效率 - 普通函数调用会有一定的开销&#xff0c;如保存现场、传递参数、跳转到函数地址执行等。内联函数在编译时&#xff0c;会将函数体直接插入到调用处&#xff0c;避免了函数调用的开销&#xff0c;从而提高程…

C++.OpenGL (17/64)模型(Model)

模型(Model) 模型系统架构 #mermaid-svg-Zaji5BPdvnIkXIVg {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-Zaji5BPdvnIkXIVg .error-icon{fill:#552222;}#mermaid-svg-Zaji5BPdvnIkXIVg .error-text{fill:#55222…

【Java学习笔记】System类

System 类 常用方法 方法描述System.exit()退出当前程序System.arraycopy(源数组&#xff0c;源数组起始索引&#xff0c;目标数组&#xff0c;目标数组起始索引&#xff0c;拷贝长度)复制数组元素&#xff0c;比较适合底层调用System.currentTimeMillis()返回当前时间距离 1…

因泰立科技H1X激光雷达:因泰立科技为智慧工业注入新动力

在当今工业领域&#xff0c;精准测量与高效作业是推动产业升级的关键因素。因泰立科技推出的H1X三维轮廓扫描激光雷达&#xff0c;凭借其卓越的性能和广泛的应用场景&#xff0c;正成为智慧工业中不可或缺的高科技装备。 产品简介 H1X三维轮廓扫描激光雷达是因泰立科技基于二维…

【threejs】每天一个小案例讲解:创建基本的3D场景

代码仓 GitHub - TiffanyHoo/three_practices: Learning three.js together! 可自行clone&#xff0c;无需安装依赖&#xff0c;直接liver-server运行/直接打开chapter01中的html文件 运行效果图 知识要点 核心运行代码 <!DOCTYPE html><html><head><t…