【技术实现步骤摘要】
一种基于电荷再分配的存内计算电路
[0001]本专利技术属于半导体(Semiconductor)和CMOS超大规模集成电路(ULSI)中的非挥发性存储器(Non
‑
volatile Memory)与存内计算(Compute
‑
In
‑
Memory)
,具体涉及一种使用非挥发性存储器阵列进行向量矩阵乘法计算(Vector Matrix Multiplication)的计算阵列与外围电路。
技术介绍
[0002]随着人工智能与深度学习技术的发展,人工神经网络在自然语言处理、图像识别、自动驾驶、图神经网络等领域得到了广泛的应用。然而逐渐增大的网络规模导致数据在内存与传统计算设备如CPU与GPU间的搬运消耗了大量的能量,这被称为冯诺依曼瓶颈。在人工神经网络算法中占据最主要部分的计算为向量矩阵乘法计算(Vector Matrix Multiplication)。基于非挥发性存储器(Non
‑
volatile Memory)的存内计算(Compute
‑
In
‑
Memory),把权重存储在非挥发性存储器单元中,并在阵列中进行模拟向量矩阵乘法计算,避免了数据在内存与计算单元间的频繁搬运,被认为是一种有希望解决冯诺依曼瓶颈的途径。
[0003]图1为基于非挥发性器件阵列进行向量矩阵乘法的示意图。非挥发性存储器器件如RRAM、PCRAM、MRAM、FeRAM、FeFET等在权值写入后,把权值存储在器件的电导值上。器 ...
【技术保护点】
【技术特征摘要】
1.一种基于电荷再分配的存内计算电路,其特征在于,包括权重按位差分存储阵列及其外围电路,所述权重按位差分存储阵列采用m行n列非挥发性存储单元构成,将每一行相邻两列的存储单元组成一个按位差分对,把一个x比特有符号权重W表示成两个(x
‑
1)比特无符号权重相减:W=WP[(x
‑
1):0]
‑
WN[(x
‑
1):0],WP与WN是两个(x
‑
1)比特无符号数,分别代表权重的正值与负值,在权重按位差分存储阵列中,WP[0]与WN[0]组成一个按位差分对,存储到一行中相邻的两个存储单元,一行中连续2*(x
‑
1)个存储单元,共分为(x
‑
1)个按位差分对,按低位在右、高位在左的顺序依次存入(x
‑
1)对的无符号权重,一行存储个x比特有符号权重,m行n列阵列共存储个x比特有符号权重,每个差分对列的两条位线BL+、BL
‑
与一个多功能输出单元相连,共需连个多功能输出单元;所述权重按位差分存储阵列每行源线的一端连接一个多路选择器,多路选择器用于选择多值输入电压中的一个电压输入到阵列的源线,源线上存在对地寄生电容C
SL
,C
SL
上存储的电荷量正比于本行源线上的输入电压;所述按位差分存储阵列每行字线都连到同一个字线驱动,字线驱动用于控制阵列中晶体管栅极闭合与断开;所述按位差分存储阵列的权重值通过读写电路写入阵列中存储单元。2.如权利要求1所述的基于电荷再分配的存内计算电路,其特征在于,所述多功能输出单元包括两个运算放大器OP1与OP2、五个电容C
s1
、C
s2
、C
s3
、C
i1
、C
i2
、两个反相器INV1、INV2、数字输出线Dout、一个多路选择器和若干个电路开关,其中五个电容大小关系是:C
i1
=C
i2
,C
s1
=C
s2
=C
s3
;其中运算放大器OP1与OP2与按位差分存储阵列中的差分对两条位线BL+、BL
‑
相连;多功能输出单元通过控制不同的电路开关实现电路的钳位求和功能、正负列结果求差功能、模拟移位相加功能和模数转换功能;多功能输出单元输出的数字转换结果储存在移位寄存器,最后送入输出寄存器。3.如权利要求1所述的基于电荷再分配的存内计算电路,其特征在于,所述每行源线连接的多路选择器间是串联结构。4.如权利要求1所述的基于电荷再分配的存内计算电路,其特征在于,所述构成阵列的非挥发性存储单元是RRAM、PCRAM、MRAM、FeRAM、FeFET。5.如权利要求1所述的基于电荷再分配的存内计算电路,其特征在于,所述外围电路包括线性稳压器和输入寄存器,分别与多路选择器连接,线性稳压器用于产生多值输入电压,输入寄存器用于保存多值输入。6.如权利要求1所述的基于电荷再分配的存内计算电路,其特征在于,所述外围电路包括参考电压产生器,用于产生所有多功能输出单元共用的四...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。