Ulkoiset muistit ja muistiväylät RISC-V-prosessoreille
Bibliographic record
Abstract
RISC-V on suhteellisen uusi ja yksinkertainen avoimen lähdekoodin prosessori käskykanta-arkkitehtuuri. Työn tarkoituksena oli tehdä yleiskattava katsaus ulkoisen muistin toteutuksista RISC-V-prosessorille. Tämä sisältää eri muistiväylien- sekä niiden kanssa yhteensopivien muistien ominaisuuksien selvittämisen kiinnittäen erityishuomiota datalinjojen määrään ja toteutuksilla saavutettavissa oleviin datansiirtonopeuksiin. Katsaus tehtiin kirjallisuuskatsauksena käyttäen pääosin artikkeleita sekä valmistajien tuotetietoja. Kirjallisuuskatsauksen tuloksena saatiin lista eri muistiväyliä ja niille vaihtoehtoisia muisteja. Eri toteutuksille saatiin määritettyä potentiaaliset datansiirtonopeudet. Eniten vaihtoehtoja löytyi selkeästi kuitenkin SPI sekä I2C väylillä. I2C kuitenkin kykenee huomattavasti rajatumpaan datansiirtoon ja sille sopivat muistit ovat huomattavasti pienempiä. Muistivaihtoehdoista EEPROM ja Flash ovat kustannustehokkaimpia, mutta ne ovat huomattavasti muita hitaampia tallentamaan muistille. MRAM voisi olla yksi ratkaisuista, jos muistille tallentamisen nopeudella on merkitystä. Tuloksena saadut luvut nopeuksista ovat hypoteettisia suurimpia arvoja määritetty valmistajien tuotetietojen perusteella, joten todelliset nopeudet ovat todennäköisesti hitaampia. Tämän takia voisi olla kannattavaa tehdä oikeita fyysisiä kokeita käyttäen eri muistiväyliä ja muisteja.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.071 | 0.017 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".