基于神经网络芯片的存储结构及其存储方法技术

本发明专利技术涉及存储器领域，尤其涉及一种基于神经网络芯片的存储结构及其存储方法。存储结构包括：衬底；N位模数转换电路，制备于衬底上；存储阵列，制备于N位模数转换电路上，包括至少一个存储单元，存储单元包括至少两个存储列；一存储列预存储有参考电压，另一存储列用于存储转换的M位进制信号的权重，N位模数转换电路利用参考电压得到M位进制信号的权重，通过读取M位进制信号的权重得到M位进制信号。存储方法包括：利用N位模数转换电路读取存储阵列中预存储的参考电压；N位模数转换电路通过比较参考电压和输入的模拟信号得到M位进制信号的权重；N位模数转换电路读取M位进制信号的权重得到M位进制信号。

【技术实现步骤摘要】

本专利技术涉及存储器领域，尤其涉及一种基于神经网络芯片的存储结构及其存储方法。
技术介绍
模数转换器（ADC）是一种计算机与人、与真实世界的沟通的重要工具，它可以将真实世界中广泛存在的模拟信号转换为计算机可以识别的数字信号。目前市面上有很多ADC的类型，其中逐次逼近寄存器型模数转换器（SARADC）是其中应用非常广泛的一种，它是一种中等速度、中等精度、低功耗、低成本的ADC。如图1所示，基本的SARADC由取样/保持电路、比较器、数模转换器（N位DAC）、N位寄存器和逻辑控制电路所组成。模拟输入电压(Vinput)由采样/保持电路采样并保持。为实现二进制搜索算法，N位寄存器首先设置在中间刻度(即：100....00，最高位MSB（mostsignificantbit）设置为1)。这样，N位DAC输出(VDAC)被设为VREF/2，其中Vref是提供给比较器的基准电压。然后，比较判断Vinput是小于还是大于Vref。如果Vinput大于VDAC，则比较器输出逻辑高电平或1，N位寄存器的MSB保持为1。相反，如果Vinput小于VDAC，则比较器输出逻辑低电平，N位寄存器的MSB清0。以Dn表示最高位寄存器的数值。随后，SAR控制逻辑移至下一位，并将该位设置为高电平，进行下一次比较。这个过程一直持续到最低位LSB。以D1表示最低位寄存器的数值。上述操作结束后，也就完成了转换，N位转换结果储存在寄存器内，并且输出转换后的数字信号。输入模拟量就可以转换成N位数字量。但是，这种实现方法有两个缺点。第一，这种SARADC为平面结构，它占据了很大的面积，不能实现非常大的密度以及非常低的成本；第二，这种SARADC需要一个提供参考电压的电路，这也造成了很大的面积浪费。3D非易失性存储器主要有3DNAND和相变存储器PCM。如图2所示的在源线上制备有选择栅的3DNAND的结构，单个MLC(2bits/cell)闪存芯片上可以增加最高32GB的存储空间，而单个TLC(3bits/cell)闪存芯片可增加48GB。该技术可支持在更小的空间内容纳更高存储容量，进而带来很大的成本节约、能耗降低，以及大幅的性能提升以全面满足众多消费类移动设备和要求最严苛的企业部署的需求。但是，3DNAND也有缺点，它需要额外的感测放大器(SensedAmp)来读取3DNAND中存储的信息。这将带来许多额外的电路，加大整个存储器的面积。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于神经网络芯片的存储结构及其存储方法，无需额外的参考电压产生电路和感测方法器，并且增加了存储密度。本专利技术采用如下技术方案：一种基于神经网络芯片的存储结构，应用于对输入的模拟信号进行M位进制的转换后存储，所述存储结构包括：衬底；N位模数转换电路，制备于所述衬底上；存储阵列，制备于所述N位模数转换电路上，包括至少一个存储单元，所述存储单元包括至少两个存储列；其中，一存储列预存储有参考电压，相邻的两个存储列用于存储转换的M位进制信号的权重，3≤M≤N，M和N均为整数；以及所述N位模数转换电路利用所述参考电压得到所述M位进制信号的权重，通过读取所述M位进制信号的权重得到所述M位进制信号。优选的，所述N位模数转换电路为逐次逼近寄存器型模数转换器。优选的，所述存储阵列为3DNAND或相变存储器。优选的，所述N位模数转换电路与所述存储阵列集成于同一所述神经网络芯片上，和/或所述N位模数转换电路与所述存储阵列为采用同一套半导体工艺制备的。优选的，存储有所述M位进制信号的权重的存储列与存储有所述参考电压的存储列为相邻的存储列。优选的，所述N位模数转换电路包括：比较器，两个输入端分别与所述模拟信号、所述参考电压连接，通过比较所述模拟信号和所述参考电压得到所述M位进制信号的权重。一种基于神经网络芯片的存储方法，所述存储方法包括：提供一衬底，在所述衬底上依次制备N位模数转换电路、存储阵列；利用所述N位模数转换电路读取所述存储阵列中预存储的参考电压；所述N位模数转换电路通过比较所述参考电压和输入的模拟信号得到M位进制信号的权重；所述N位模数转换电路读取所述M位进制信号的权重得到所述M位进制信号；其中，3≤M≤N，M和N均为整数。优选的，所述存储方法中，所述输入的模拟信号与所述M位进制信号的关系式为：Vinput=WM*Vref+WM-1*Vref/21+WM-2*Vref/22+...+WM-i*Vref/2i+...+W1*Vref/2M-1；其中，Vinput为输入的模拟信号，WM为最高位，W1为最低位，Vref为参考电压。本专利技术的有益效果是：本专利技术通过将SARADC制作于3D存储器阵列与硅衬底之间，充分利用了硅片面积，并且通过SARADC来读取3D存储器阵列中的信息，就可以无需额外的参考电压产生电路与感测放大器；通过在每个存储单元中存储不仅仅是0和1两种情况的多位信号，大大增加了存储密度。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未可以按照比例绘制附图，重点在于示出本专利技术的主旨。图1为现有技术SARDAC的电路结构图；图2为现有技术3DNAND的结构示意图；图3为本专利技术3D存储器单元与SARDAC的结构示意图；图4为本专利技术基于3D存储器阵列的存储结构示意图。具体实施方式下面结合附图和具体的实施例对本专利技术作进一步的说明，但是不作为本专利技术的限定。人工神经网络是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。在人工神经网络中，最基本模型的算法为t=f(WA'+b)，通过上述存储列中存储的权重W，将其带入神经网络的基本模型算法中，求得神经网络的输出。其中，t为神经网络的输出；W为权重向量，分为W1~WN，为神经元各个突触的权值；A为输入向量，分为a1~an，为输入向量的各个分量，A'为A向量的转置；b为偏置；f为传递函数，通常为非线性函数。可见，一个神经元的功能是求得输入向量与权重向量的内积后，经一个非线性传递函数得到一个标量结果。下面结合具体实施例进行说明：实施例一：如图3所示，本实施例提供了一种基于神经网络芯片的存储结构，将SARADC制作于3D存储器阵列（存储阵列）与硅衬底之间，参考电压Vref为3D存储器阵列中的存储单元的一存储列存储的SARADC的参考电压,外围输入的模拟信号经过SARADC转换为3D存储器阵列可识别的数字信号。这样，SARADC和非易失性3D存储器（存储阵列）就实现了模拟信号的采样、转换和保存，充分利用了硅片面积，充分利用了多位存储器高密度的优点，且无需额外的SARADC所需的参考电压产生电路。本文档来自技高网...

【技术保护点】
一种基于神经网络芯片的存储结构，其特征在于，应用于对输入的模拟信号进行M位进制的转换后存储，所述存储结构包括：衬底；N位模数转换电路，制备于所述衬底上；存储阵列，制备于所述N位模数转换电路上，包括至少一个存储单元，所述存储单元包括至少两个存储列；其中，一存储列预存储有参考电压，相邻的两个存储列用于存储转换的M位进制信号的权重，3≤M≤N，M和N均为整数；以及所述N位模数转换电路利用所述参考电压得到所述M位进制信号的权重，通过读取所述M位进制信号的权重得到所述M位进制信号。

【技术特征摘要】
1.一种基于神经网络芯片的存储结构，其特征在于，应用于对输入的模拟信号进行M位进制的转换后存储，所述存储结构包括：衬底；N位模数转换电路，制备于所述衬底上；存储阵列，制备于所述N位模数转换电路上，包括至少一个存储单元，所述存储单元包括至少两个存储列；其中，一存储列预存储有参考电压，相邻的两个存储列用于存储转换的M位进制信号的权重，3≤M≤N，M和N均为整数；以及所述N位模数转换电路利用所述参考电压得到所述M位进制信号的权重，通过读取所述M位进制信号的权重得到所述M位进制信号。2.根据权利要求1所述的基于神经网络芯片的存储结构，其特征在于，所述N位模数转换电路为逐次逼近寄存器型模数转换器。3.根据权利要求1所述的基于神经网络芯片的存储结构，其特征在于，所述存储阵列为3DNAND或相变存储器。4.根据权利要求1所述的基于神经网络芯片的存储结构，其特征在于，所述N位模数转换电路与所述存储阵列集成于同一所述神经网络芯片上，和/或所述N位模数转换电路与所述存储阵列为采用同一套半导体工艺制备。5.根据权利要求1所述的基于神经网络芯片的存储结构，其特征在于，存储有所述M位进制信号的权重的存...

【专利技术属性】
技术研发人员：易敬军，陈邦明，王本艳，
申请(专利权)人：上海新储集成电路有限公司，
类型：发明
国别省市：上海;31