一种存算一体电路、系统、及计算方法与流程

本发明涉及神经网络领域，尤其涉及一种存算一体电路、系统、及计算方法。

背景技术：

1、随着现代社会逐步迈入信息化、智能化的时代，对于数据和信息处理的要求越来越高。人工神经网络(artificial neural networks，简写为anns)也称为神经网络(nns)或者连接模型(connection model)，具有大规模并行处理、分布式存储、弹性拓扑、高度冗余和非线性运算等优点。因而具有很髙的运算速度、很强的联想能力、很强的适应性以及很强的容错能力和自组织能力。

2、传统的神经网络的硬件电路设计中，数据需要在存储单元和运算单元之间通过总线进行频繁传输，当数据量增大时会产生很高的功耗，传输过程中占用大量的能量和时间，降低了处理数据的效率。

技术实现思路

1、有鉴于此，本发明提出了一种存算一体电路、系统、及计算方法，其中，本发明提出的一种存算一体电路至少解决了上述传统的神经网络的硬件电路设计中，数据需要在存储单元和运算单元之间通过总线进行频繁传输，当数据量增大时会产生很高的功耗，传输过程中占用大量的能量和时间，降低了处理数据的效率的问题。

2、基于以上目的，本发明的实施例的一个方面提供了一种存算一体电路，包括：权重矩阵单元电路，包括并联的若干第一晶体管，每个所述第一晶体管的源电极用于接收输入电压并且栅电极用于接收脉冲电压，每个第一晶体管基于栅电极接收到的正、负脉冲电压得到对应的沟道电导并进行保存，以及将所述沟道电导作为所述每个第一晶体管对应的权重计算所述权重矩阵单元电路的输出电压并进行输出；分类单元电路，与所述权重矩阵单元电路串联，包括若干第二晶体管连接的多级反相器电路，用于接收所述输出电压并基于所述多级反相器电路对其进行激活函数计算后输出对所述输入电压的分类结果。

3、在一些实施例中，所述权重矩阵单元电路基于每个所述第一晶体管对应的沟道电导计算对应的权重，并根据每个所述第一晶体管的权重和所述权重矩阵单元电路的电流计算所述权重矩阵单元电路的输出电压。

4、在一些实施例中，所述第一晶体管的栅电极接收根据所述分类单元电路对所述输入电压的上一次的分类结果所调整的脉冲电压，得到对应的沟道电导并基于其计算所述权重矩阵单元电路的输出电压，以使所述分类单元电路基于所述输出电压输出对所述输入电压的目标分类结果。

5、在一些实施例中，所述分类单元电路包括由多个所述第二晶体管连接的二级反相器电路，以通过所述二级反相器电路对所述输入电压进行二值化分类并输出分类结果。

6、在一些实施例中，所述第一晶体管自底向上依次为第一衬底、第一栅电极、铁电绝缘层、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极。

7、在一些实施例中，所述第二晶体管自底向上分别包括第二衬底、第二栅电极、高介电常数绝缘层、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极。

8、在一些实施例中，所述第一晶体管的第一衬底、第一栅电极、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极分别与所述第二晶体管的第二衬底、第二栅电极、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极的尺寸和材料相同。

9、在一些实施例中，所述分类单元电路通过所述若干第二晶体管中的任一晶体管的栅电极接收所述权重矩阵电路的输出电压。

10、本发明实施例的另一个方面，还提供了一种存算一体系统，包括若干组如上述任一项所述的存算一体电路，所述若干组存算一体电路并联连接，其中，所述存算一体电路包括：权重矩阵单元电路，包括并联的若干第一晶体管，每个所述第一晶体管的源电极用于接收输入电压并且栅电极用于接收脉冲电压，每个第一晶体管基于栅电极接收到的正、负脉冲电压得到对应的沟道电导并进行保存，以及将所述沟道电导作为所述每个第一晶体管对应的权重计算所述权重矩阵单元电路的输出电压并进行输出；分类单元电路，与所述权重矩阵单元电路串联，包括若干第二晶体管连接的多级反相器电路，用于接收所述输出电压并基于所述多级反相器电路对其进行激活函数计算后输出对所述输入电压的分类结果。

11、在一些实施例中，所述权重矩阵单元电路基于每个所述第一晶体管对应的沟道电导计算对应的权重，并根据每个所述第一晶体管的权重和所述权重矩阵单元电路的电流计算所述权重矩阵单元电路的输出电压。

12、在一些实施例中，所述第一晶体管的栅电极接收根据所述分类单元电路对所述输入电压的上一次的分类结果所调整的脉冲电压，得到对应的沟道电导并基于其计算所述权重矩阵单元电路的输出电压，以使所述分类单元电路基于所述输出电压输出对所述输入电压的目标分类结果。

13、在一些实施例中，所述分类单元电路包括由多个所述第二晶体管连接的二级反相器电路，以通过所述二级反相器电路对所述输入电压进行二值化分类并输出分类结果。

14、在一些实施例中，所述第一晶体管自底向上依次为第一衬底、第一栅电极、铁电绝缘层、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极。

15、在一些实施例中，所述第二晶体管自底向上分别包括第二衬底、第二栅电极、高介电常数绝缘层、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极。

16、在一些实施例中，所述第一晶体管的第一衬底、第一栅电极、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极分别与所述第二晶体管的第二衬底、第二栅电极、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极的尺寸和材料相同。

17、本发明实施例的另一个方面，还提供了一种计算方法，包括通过如前所述的存算一体电路执行以下步骤：基于对权重矩阵单元电路的若干第一晶体管的源电极和栅电极分别施加的输入电压和脉冲电压得到分别对应的沟道电导并进行保存后计算输出所述权重矩阵单元电路的输出电压；通过分类单元电路接收所述输出电压并基于多级反相器电路进行激活函数计算后输出对所述输入电压的分类结果。

18、本发明至少具有以下有益效果：本发明提出一种存算一体电路，通过权重矩阵单元电路和分类单元电路的协调配合，权重矩阵单元电路实现同时对沟道电导的存储和计算，以对应每个第一晶体管的权重大小，并基于每个第一晶体管的权重大小计算权重矩阵单元电路的输出电压，分类单元电路实现对所述输出电压进行激活函数计算后得到对所述输入电压的分类结果，实现存算一体化，提高了神经网络计算过程中处理数据的效率，同时，通过权重矩阵单元电路和分类单元电路的协调配合可以达到对输入电压更好的分类效果，电路结构设计简单，更易于扩展。

技术特征：

1.一种存算一体电路，其特征在于，包括：

2.根据权利要求1所述的电路，其特征在于，所述权重矩阵单元电路基于每个所述第一晶体管对应的沟道电导计算对应的权重，并根据每个所述第一晶体管的权重和所述权重矩阵单元电路的电流计算所述权重矩阵单元电路的输出电压。

3.根据权利要求1所述的电路，其特征在于，所述第一晶体管的栅电极接收根据所述分类单元电路对所述输入电压的上一次的分类结果所调整的脉冲电压，得到对应的沟道电导并基于其计算所述权重矩阵单元电路的输出电压，以使所述分类单元电路基于所述输出电压输出对所述输入电压的目标分类结果。

4.根据权利要求1所述的电路，其特征在于，所述分类单元电路包括由多个所述第二晶体管连接的二级反相器电路，以通过所述二级反相器电路对所述输入电压进行二值化分类并输出分类结果。

5.根据权利要求1所述的电路，其特征在于，所述第一晶体管自底向上依次为第一衬底、第一栅电极、铁电绝缘层、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极。

6.根据权利要求5所述的电路，其特征在于，所述第二晶体管自底向上分别包括第二衬底、第二栅电极、高介电常数绝缘层、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极。

7.根据权利要求6所述的电路，其特征在于，所述第一晶体管的第一衬底、第一栅电极、第一金属氧化物半导体n型沟道、以及第一源电极和第一漏电极分别与所述第二晶体管的第二衬底、第二栅电极、第二金属氧化物半导体n型沟道、以及第二源电极和第二漏电极的尺寸和材料相同。

8.根据权利要求1所述的电路，其特征在于，所述分类单元电路通过所述若干第二晶体管中的任一晶体管的栅电极接收所述权重矩阵电路的输出电压。

9.一种存算一体系统，其特征在于，包括若干组如权利要求1-8任一项所述的存算一体电路，所述若干组存算一体电路并联连接。

10.一种计算方法，其特征在于，包括通过如权利要求1-8任一项所述的电路执行以下步骤：

技术总结本发明提出一种存算一体电路、系统、及计算方法。一种存算一体电路包括：权重矩阵单元电路，包括并联的若干第一晶体管，第一晶体管的源电极接收输入电压并且栅电极接收脉冲电压，每个第一晶体管基于栅电极接收到的正、负脉冲电压得到对应的沟道电导并进行保存，以及将沟道电导作为每个第一晶体管对应的权重计算权重矩阵单元电路的输出电压并输出；分类单元电路，与权重矩阵单元电路串联，包括若干第二晶体管连接的多级反相器电路，用于接收输出电压并基于多级反相器电路对其进行激活函数计算后输出对输入电压的分类结果。本发明提高了神经网络计算过程中处理数据的效率，对输入电压有更好的分类效果，电路结构设计简单，更易于扩展。技术研发人员：赵天石,周永旺,安阳,马淑香受保护的技术使用者：山东云海国创云计算装备产业创新中心有限公司技术研发日：技术公布日：2024/1/15