一种大规模集成神经网络系统及其权重控制方法

    公开(公告)号:CN111403600B

    公开(公告)日:2022-02-15

    申请号:CN202010229226.4

    申请日:2020-03-27

    Abstract: 本发明属于相变存储器领域,具体涉及一种大规模集成神经网络系统及其突触权重控制方法,系统包括多个类超晶格相变突触;类超晶格相变突触包括:相变材料功能层,以及设置于该相变材料功能层上下两侧面上的上层电极和下层电极,其中相变材料功能层为由两种相变材料层层叠式交替生长得到;当向突触施加电脉冲操作时,相变材料功能层渐变到不同的多晶态或非晶态,对应得到多个电导值,每个电导值作为所述突触的一个权重值。本发明在神经网络中引入类超晶格相变突触,其类超晶格交替生长的结构具有低功耗以及在擦除操作过程中具有渐变特性的良好性能,极大提高了突触器件的性能,进而可以很好的应用在神经网络中。

    一种概率神经元电路、概率神经网络拓扑结构及其应用

    公开(公告)号:CN110991610A

    公开(公告)日:2020-04-10

    申请号:CN201911191018.3

    申请日:2019-11-28

    Abstract: 本发明公开了一种概率神经元电路、概率神经网络拓扑结构及其应用,概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻;积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端,易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路;每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发;抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时,抑制后续其它概率神经元电路的激发。本发明在神经元电路中引入非固定阈值易失性器件,极大拓展了神经元电路的应用,特别的可用于解决非确定性问题,且具有可靠的解决结果。

    一种基于三维相变存储器的3D卷积运算装置及方法

    公开(公告)号:CN110826709A

    公开(公告)日:2020-02-21

    申请号:CN201910994255.7

    申请日:2019-10-18

    Abstract: 本发明公开了一种基于三维相变存储器的3D卷积运算装置及方法,包括三维相变存储器、输入控制模块、置态模块、输出控制模块;通过采用三维相变存储器进行3D卷积运算,其同一位线上的相变单元构成相变单元阵列,对应一个卷积核;基于三维相变存储器的多层堆叠结构,将三维相变存储器的上、下层电极作为信息输入端,经过各自的相变单元阵列后进行卷积,所得卷积结果以电流形式在中层电极上进行叠加,得到上、下层电极输入信息的卷积计算结果之和,一步完成3D卷积运算。运算速度较快,运算功耗也小。另外,三维相变存储器包含立体结构的存储器阵列,占地面积小,集成度高,可以在更小的占地面积下大大提高了3D卷积运算速度。

    一种非确定性问题的概率确定方法

    公开(公告)号:CN110991610B

    公开(公告)日:2022-08-05

    申请号:CN201911191018.3

    申请日:2019-11-28

    Abstract: 本发明公开了一种概率神经元电路、概率神经网络拓扑结构及其应用,概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻;积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端,易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路;每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发;抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时,抑制后续其它概率神经元电路的激发。本发明在神经元电路中引入非固定阈值易失性器件,极大拓展了神经元电路的应用,特别的可用于解决非确定性问题,且具有可靠的解决结果。

    一种基于三维相变存储器的3D卷积运算装置及方法

    公开(公告)号:CN110826709B

    公开(公告)日:2021-04-06

    申请号:CN201910994255.7

    申请日:2019-10-18

    Abstract: 本发明公开了一种基于三维相变存储器的3D卷积运算装置及方法,包括三维相变存储器、输入控制模块、置态模块、输出控制模块;通过采用三维相变存储器进行3D卷积运算,其同一位线上的相变单元构成相变单元阵列,对应一个卷积核;基于三维相变存储器的多层堆叠结构,将三维相变存储器的上、下层电极作为信息输入端,经过各自的相变单元阵列后进行卷积,所得卷积结果以电流形式在中层电极上进行叠加,得到上、下层电极输入信息的卷积计算结果之和,一步完成3D卷积运算。运算速度较快,运算功耗也小。另外,三维相变存储器包含立体结构的存储器阵列,占地面积小,集成度高,可以在更小的占地面积下大大提高了3D卷积运算速度。

    一种大规模集成神经网络系统及其权重控制方法

    公开(公告)号:CN111403600A

    公开(公告)日:2020-07-10

    申请号:CN202010229226.4

    申请日:2020-03-27

    Abstract: 本发明属于相变存储器领域,具体涉及一种大规模集成神经网络系统及其突触权重控制方法,系统包括多个类超晶格相变突触;类超晶格相变突触包括:相变材料功能层,以及设置于该相变材料功能层上下两侧面上的上层电极和下层电极,其中相变材料功能层为由两种相变材料层层叠式交替生长得到;当向突触施加电脉冲操作时,相变材料功能层渐变到不同的多晶态或非晶态,对应得到多个电导值,每个电导值作为所述突触的一个权重值。本发明在神经网络中引入类超晶格相变突触,其类超晶格交替生长的结构具有低功耗以及在擦除操作过程中具有渐变特性的良好性能,极大提高了突触器件的性能,进而可以很好的应用在神经网络中。

Patent Agency Ranking