一种卷积运算加速器及卷积运算方法

    公开(公告)号:CN114724595B

    公开(公告)日:2023-03-10

    申请号:CN202210272801.8

    申请日:2022-03-18

    Abstract: 本发明公开了一种卷积运算加速器及卷积运算方法,属于微电子器件领域;其中,每条字线电极将矩阵排列的非易失性存储单元中的一列连接起来,每条位线电极倾斜地将矩阵排列的非易失性存储单元连接起来;每条字线的输入数据可以和上下两层卷积核单元进行乘加操作,实现卷积核单元在二维输入中y方向上的天然滑动;倾斜的位线和卷积核在每层非易失性存储阵列中的多次复制可以使一个输入数据和相同卷积核单元中不同位置的卷积核数据进行乘法运算,实现卷积核单元在二维输入中x方向上的天然滑动,可以在不将二维输入展开为一维的情况下一次性并行完成卷积计算,运算速度快,并行程度及阵列单元的利用率均较高。

    用于神经网络学习的突触阵列、运算电路及操作方法

    公开(公告)号:CN117151176A

    公开(公告)日:2023-12-01

    申请号:CN202310965348.3

    申请日:2023-08-02

    Abstract: 本发明公开了一种用于神经网络学习的突触阵列、运算电路及操作方法,属于神经网络运算技术领域,突触阵列包括上下双层交叉横杆阵列结构,上层交叉横杆阵列包括位于上层的字线、位线、字线与位线之间连接的上层基础单元,每个上层基础单元包括串联的开关器件和定值电阻;下层交叉横杆阵列包括位于下层的字线、位线、字线与位线之间连接的下层基础单元,每个下层基础单元包括串联的忆阻器和晶体管;开关器件和定值电阻的连接端引出互连线与晶体管的栅极相连;每个忆阻器的电导值用于计算权重。基于本发明的突触阵列,能够实现神经网络的学习运算,无需占用大量的片外计算资源。

    一种卷积运算加速器及卷积运算方法

    公开(公告)号:CN114724595A

    公开(公告)日:2022-07-08

    申请号:CN202210272801.8

    申请日:2022-03-18

    Abstract: 本发明公开了一种卷积运算加速器及卷积运算方法,属于微电子器件领域;其中,每条字线电极将矩阵排列的非易失性存储单元中的一列连接起来,每条位线电极倾斜地将矩阵排列的非易失性存储单元连接起来;每条字线的输入数据可以和上下两层卷积核单元进行乘加操作,实现卷积核单元在二维输入中y方向上的天然滑动;倾斜的位线和卷积核在每层非易失性存储阵列中的多次复制可以使一个输入数据和相同卷积核单元中不同位置的卷积核数据进行乘法运算,实现卷积核单元在二维输入中x方向上的天然滑动,可以在不将二维输入展开为一维的情况下一次性并行完成卷积计算,运算速度快,并行程度及阵列单元的利用率均较高。

Patent Agency Ranking