一种基于RRAM的高密度数模混合存算阵列
- 国知局
- 2024-07-31 19:49:36
本发明属于存储器内计算,具体涉及一种基于rram的高密度数模混合存算阵列。
背景技术:
1、传统计算机设计一般采用存储器与计算单元分离的架构,存储器负责存储数据,而计算单元则负责执行运算。由于在计算过程中需要频繁地从存储器中读取和写入数据,这种结构存在着数据传输瓶颈和功耗大等问题。
2、随着神经形态计算的兴起,研究者们开始探索集成存储与计算的新型架构,来更好地模拟人脑的神经网络。传统的存算一体阵列使用sram(静态随机存取存储器)来存储突触的权重,因此,信息必须在本地访问,并在进行乘加(mac)运算之前加载到处理单元。然而,由于sram一次只能访问一行,处理速度受到极大的限制。另一种存算一体阵列采用了1t1r结构(1transistor 1resistor)或memristor(记忆电阻器)等存储单元,其中1t1r结构受到传输器数量多、权重调整难的限制,而memristor虽然具备非易失性和可调性,但静态的电阻变化难以满足实时权重调整的需求。
技术实现思路
1、为解决现有技术中的问题,本发明提供了一种基于rram的高密度数模混合存算阵列,包括权重存储模块、电荷重分配模块和模数转换模块,原始数据输入所述权重存储模块,权重存储模块输出电压信号向量,电荷重分配模块接收所述电压信号向量,输出模拟电压信号,所述电荷重分配模块接收所述模拟电压信号,输出乘累加数字编码结果;
2、所述电荷重分配模块由n列m行共n×m个相同容值的电容按阵列排布组成;
3、所述权重存储模块包括n×m个rram和n×m个场效应管,且所述权重存储模块复用电荷重分配模块的电容,所述权重存储模块以1t1r1c结构为一个基础单元,共由n×m个基础单元组成,1t1r1c结构由一个场效应管、一个rram和一个电容组成,场效应管的源端与rram的顶电极端相连,场效应管的栅端连接blw控制线;场效应管的漏端连接wl控制线,rram的底电极端连接sl控制线;所述电容的输入端与场效应管的源端相连,同一列所述电容的输出端相连并形成blr控制线;
4、所述模数转换模块复用电荷重分配模块的第t列的2t-1个电容,其中,2n-1<m;所述模数转换模块包括一个比较器和一个d触发器,n条blr控制线连接后与比较器的正向输入端相连,所述比较器的反向输入端接地信号,所述d触发器的d端与所述比较器的输出端相连,所述d触发器的clk端连接时钟信号,所述d触发器的q端输出乘累加数字编码结果。
5、进一步地,所述blw控制线用于输入原始数据,所述权重存储模块通过wl控制线和sl控制线对原始数据进行处理;wl控制线与sl控制线均用于写入权重值和进行权重计算。
6、进一步地,所述电荷重分配模块中,分别在第t列blr控制线中的第2t-1个电容处设置开关s1,以保证所述模数转换模块复用所述电荷重分配模块第t列的2t-1个电容。
7、进一步地,所述模数转换模块还包括n个单刀双掷开关s3、一个开关s2、一个开关s4;每条blr控制线的一端均与一个所述单刀双掷开关s3相连,单刀双掷开关s3控制所述blr控制线接地信号或将全部blr控制线连接,连接后的blr控制线通过开关s4与外部参考电压vref连接或断开;全部blr控制线的另一端连接,连接后通过开关s4与地信号连接或断开。
8、进一步地,所述rram包括基底层、底电极、氮掺杂的alox(氧化铝)薄膜和顶电极,顶电极设在底电极上部,氮掺杂的alox薄膜位于顶电极和底电极之间,基底层位于底电极下部,通过在顶电极和底电极之间施加电压,使氮掺杂的alox薄膜内的电子发生运动,从而导致氮掺杂的alox薄膜内形成或断裂导电通道,实现rram高低阻态之间的可控切换。
9、本发明还提供了一种采用所述的基于rram的高密度数模混合存算阵列的存算方法,通过权重存储模块与电荷重分配模块协同工作,对输入的原始数据进行处理计算;权重存储模块采用rram作为存储单元,通过wl控制线、sl控制线写入权重值,并通过blw控制线输入原始数据并与权重值相乘,生成相应的加权输出,最终输出电压信号向量;权重存储模块的输出经过电荷重分配模块,实现不同输入位之间的加权累加,形成模拟电压信号;模拟电压信号由电荷重分配模块传递给模数转换模块,模数转换模块逐步将连续的模拟电压信号转化为离散的数字编码,最终输出乘累加数字编码结果;在每个采样时钟信号周期内,模数转换模块进行逼近操作,根据上一个周期的转换结果,调整wl控制线上的电压为外部参考电压vref的值或0,并将blw控制线置1从而使wl控制线上的电压施加在电容上,进而输出一个二进制位,重复这一过程直至完成整个模拟电压信号的数字化;经过模数转换模块的处理,模拟电压信号被逐步转换为数字编码,最终输出乘累加数字编码结果。
10、相较于现有技术,本发明具有以下有益效果:
11、1.集成存算阵列结构:本发明将存储与计算阵列相结合,实现了存储和计算的高度集成,减少了存取延迟,提高了整体系统的效率。
12、2.基于rram的存算阵列:通过场效应管(nmos)和非易失性存储器(rram)的组合使用,高效切换电阻阻值,实现了对权重的有效存储。
13、3.引入电容阵列和电荷重分配模块,形成1t1r1c结构,通过电容的电荷存储和重分配,实现了对输入信号的权重累乘与模数编码转换,提高了神经形态计算的准确性。
14、4.sar adc(逐次逼近型模数转换器)的集成应用:通过复用电荷重分配模块中的电容,并添加比较器与d触发器,实现了逐次逼近型adc的编码过程,将模拟电压快速转换为数字编码,为后续数字处理提供了高效输入。
15、5.降低功耗:本发明通过集成存算阵列和集成的模数转换过程,实现了对功耗的有效控制,为在边缘计算等资源受限环境中的应用提供了更为可行的解决方案。
16、6.高度可定制化:存算阵列中的权重存储模块和电荷重分配模块的灵活设计,使得本发明能够适应不同神经网络结构和应用需求,提供了高度可定制化的特性。
技术特征:1.一种基于rram的高密度数模混合存算阵列,其特征在于,包括权重存储模块、电荷重分配模块和模数转换模块,原始数据输入所述权重存储模块,权重存储模块输出电压信号向量,电荷重分配模块接收所述电压信号向量,输出模拟电压信号,所述电荷重分配模块接收所述模拟电压信号,输出乘累加数字编码结果;
2.根据权利要求1所述的基于rram的高密度数模混合存算阵列,其特征在于,所述blw控制线用于输入原始数据,所述权重存储模块通过wl控制线和sl控制线对原始数据进行处理;wl控制线与sl控制线均用于写入权重值和进行权重计算。
3.根据权利要求1所述的基于rram的高密度数模混合存算阵列,其特征在于,所述电荷重分配模块中,分别在第t列blr控制线中的第2t-1个电容处设置开关s1,以保证所述模数转换模块复用所述电荷重分配模块第t列的2t-1个电容。
4.根据权利要求1所述的基于rram的高密度数模混合存算阵列,其特征在于,所述模数转换模块还包括n个单刀双掷开关s3、一个开关s2、一个开关s4;每条blr控制线的一端均与一个所述单刀双掷开关s3相连,单刀双掷开关s3控制所述blr控制线接地信号或将全部blr控制线连接,连接后的blr控制线通过开关s4与外部参考电压vref连接或断开;全部blr控制线的另一端连接,连接后通过开关s4与地信号连接或断开。
5.根据权利要求1所述的基于rram的高密度数模混合存算阵列,其特征在于,所述rram包括基底层、底电极、氮掺杂的alox薄膜和顶电极,顶电极设在底电极上部,氮掺杂的alox薄膜位于顶电极和底电极之间,基底层位于底电极下部,通过在顶电极和底电极之间施加电压,使氮掺杂的alox薄膜内的电子发生运动,从而导致氮掺杂的alox薄膜内形成或断裂导电通道,实现rram高低阻态之间的可控切换。
6.一种采用权利要求2所述的基于rram的高密度数模混合存算阵列的存算方法,其特征在于,通过权重存储模块与电荷重分配模块协同工作,对输入的原始数据进行处理计算;权重存储模块采用rram作为存储单元,通过wl控制线、sl控制线写入权重值,并通过blw控制线输入原始数据并与权重值相乘,生成相应的加权输出,最终输出电压信号向量;权重存储模块的输出经过电荷重分配模块,实现不同输入位之间的加权累加,形成模拟电压信号;模拟电压信号由电荷重分配模块传递给模数转换模块,模数转换模块逐步将连续的模拟电压信号转化为离散的数字编码,最终输出乘累加数字编码结果;在每个采样时钟信号周期内,模数转换模块进行逼近操作,根据上一个周期的转换结果,调整wl控制线上的电压为外部参考电压vref的值或0,并将blw控制线置1从而使wl控制线上的电压施加在电容上,进而输出一个二进制位,重复这一过程直至完成整个模拟电压信号的数字化;经过模数转换模块的处理,模拟电压信号被逐步转换为数字编码,最终输出乘累加数字编码结果。
技术总结本发明涉及一种基于RRAM的高密度数模混合存算阵列,本发明引入了电容元素,构建了一种先进的1T1R1C存算一体阵列架构,通过结合RRAM和电容,以实现对权重的动态调整,来更准确地模拟神经网络中连接权重的动态变化。此架构不仅降低了电路复杂度,提高了灵活性,还可以复用作为逐次逼近型ADC,将输出电压直接转换为数字信号,无需额外的ADC器件。相较于传统架构,本发明具有集成度高、计算速度快、面积小、功耗低等优点,可用于神经形态芯片,特别用于对能耗要求较高的边缘计算设备中。技术研发人员:黄科杰,姜茗瀚,肖蕊,沈海斌受保护的技术使用者:浙江大学技术研发日:技术公布日:2024/4/17本文地址:https://www.jishuxx.com/zhuanli/20240731/184206.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表