Внутренний привлекает 7 миллионов фунтов стерлингов

Ранее компания уже получала начальное финансирование от UCLB, UCL Technology Fund и IP Group.

Новое финансирование поддержит расширение команды инженеров, чтобы вывести свой продукт на рынок.

«Мы считаем, что у RRAM есть потенциал стать основой для следующего поколения периферийных компьютеров и компьютеров IoT в то время, когда интеллектуальные приложения, требовательные к данным, становятся все более и более распространенными, — говорит генеральный директор Intrinsic Марк Дикинсон, — компании хотят интегрировать больше интеллектуальных функций в автономные приложения и устройства, чтобы они могли работать автономно, но это требует изменения парадигмы использования памяти в этих средах. Сосредоточившись на простоте и технологичности нашего подхода к RRAM, мы откроем целый ряд новых рыночных возможностей, и это финансирование сыграет решающую роль в привлечении высококвалифицированных инженеров для развития коммерческого потенциала Intrinsic».

Компания Intrinsic была основана в 2017 году профессором Тони Кеньоном, доктором Аднаном Мехоником и доктором Винг Нг, которые исследуют энергонезависимую память на факультете электроники и электротехники UCL.

На снимке (слева направо): Марк Дикинсон, Винг Нг, Аднан Мехоник и Тони Кеньон.

Современные интеллектуальные приложения переопределяют роль и требования к памяти в компьютерах, поскольку им требуется больше памяти, чем когда-либо, с повышенной производительностью и меньшим энергопотреблением.

Нынешняя встроенная технология флэш-памяти не может оправдать это ожидание, потому что ее больше нельзя масштабировать для интеграции с передовыми чипами, необходимыми для этих интеллектуальных приложений.

Следовательно, это требует более высокой стоимости и энергопотребления двухчиповых решений или вообще не имеет решения.

Технология Intrinsic устраняет это ограничение. Это позволяет интегрировать быструю, дешевую память с очень низким энергопотреблением на одном чипе с процессорами, что обеспечивает более широкие возможности ИИ при значительно меньшем потреблении энергии.