一种人工智能的片上系统芯片技术方案

本发明专利技术公开一种人工智能的片上系统芯片，其中包括：存储模块，存储模块预先建立神经网络模型，神经网络模型包括训练过程与推理过程；逻辑处理模块，逻辑处理模块连接存储模块，逻辑处理模块采用全耗尽绝缘硅工艺；神经网络模型在进行训练过程时，逻辑处理模块对预存的数据集进行读写与计算；完成训练过程后，神经网络模型执行推理过程，逻辑处理模块将新数据输入至神经网络模型中，然后进行读取与计算，同时调节N型或者P型金属氧化物半导体场效应管的偏置电压。基于全耗尽绝缘硅工艺的逻辑处理模块调节N型或者P型金属氧化物半导体场效应管的偏置电压，来调节人工智能的片上系统芯片的处理能力，从而降低能耗。

A System on Chip for Artificial Intelligence

【技术实现步骤摘要】
一种人工智能的片上系统芯片
本专利技术涉及人工智能
，尤其涉及一种人工智能的片上系统芯片。
技术介绍
FD-SOI(FullyDepleted-Silicon-On-Insulator，薄膜全耗尽绝缘衬底上的硅)，就是硅晶体管结构在绝缘体之上的意思，原理就是在硅晶体管之间，加入绝缘体物质，使两者之间的寄生电容大幅度降低。FD-SOI具有优良的器件缩比特性，其具有薄的埋氧化物，具有更好的可靠性，此外FD-SOI还具有如下优点：(1)减小了寄生电容，提高了运行速度；(2)由于减少了寄生电容，降低了漏电，具有更低的功耗；(3)消除了闩锁效应；(4)抑制了衬底的脉冲电流干扰，减少了软错误的发生；(5)与现有硅工艺兼容，还可减少工序。随着人工智能发展与科技迭代性进步，人们拥抱人工智能带给未来世界的无限可能与想象。人工智能包括了神经网络模型的深度学习，神经网络模型包含了训练和推理两个过程，在训练的过程中需要对训练数据集进行频繁的写入、读取，最终得到一个我们所需要的模型，训练之后的神经网络模型将会被运用于其所训练的领域，图像识别、语音识别等推测识别过程，在推理过程中只需将数据输入到训练好的模型中即可输出结果，因此一般的，在推理的过程中只需要进行读操作而很少进行写操作。
技术实现思路
针对现有技术中存在的上述问题，现提供一种人工智能的片上系统芯片。具体技术方案如下：一种人工智能的片上系统芯片，用于调节金属氧化物半导体场效应管的偏置电压，其中包括：一种人工智能的片上系统芯片，用于调节金属氧化物半导体场效应管的偏置电压，其中包括：一存储模块，所述存储模块预先建立一神经网络模型，所述神经网络模型包括一训练过程与一推理过程；一逻辑处理模块，所述逻辑处理模块连接所述存储模块，所述逻辑处理模块采用全耗尽绝缘硅工艺；所述神经网络模型在进行所述训练过程时，所述逻辑处理模块对预存的数据集进行读写与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块对所述存储模块的读写能力；完成所述训练过程后，所述神经网络模型执行所述推理过程，所述逻辑处理模块将新数据输入至所述神经网络模型中，然后进行读取与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块的读能力。优选的，所述训练过程包括需要对预存的所述数据集进行频繁的写入与读取过程，以建立所述神经网络模型。优选的，所述推理过程包括对输入所述神经网络模型中的所述新数据进行识别，以输出识别结果。优选的，所述神经网络模型在进行所述训练过程时，所述逻辑处理模块调节N型所述金属氧化物半导体场效应管的偏置电压降低；或调节P型所述金属氧化物半导体场效应管的偏置电压升高，以提高所述逻辑处理模块对所述存储模块的读写能力。优选的，所述神经网络模型在进行所述推理过程时，所述逻辑处理模块调节N型所述金属氧化物半导体场效应管的偏置电压升高；或调节P型所述金属氧化物半导体场效应管的偏置电压降低，以降低所述逻辑处理模块的读能力。优选的，所述存储模块包括三维非易失性存储器。优选的，所述读写工作包括神经网络模型的训练过程。优选的，所述读取工作包括神经网络模型学习后的推理过程。本专利技术的技术方案有益效果在于：公开一种人工智能的片上系统芯片，存储芯片预先建立神经网络模型，神经网络模型通过训练过程及推理过程以对输入的数据进行读取与计算，并且在进行训练过程与推理过程时，基于全耗尽绝缘硅工艺的逻辑处理模块调节N型或者P型金属氧化物半导体场效应管的偏置电压，来调节人工智能的片上系统芯片的处理能力，从而降低能耗。附图说明参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。图1为本专利技术的实施例的人工智能的片上系统芯片的结构图；图2为本专利技术的实施例的全耗尽绝缘硅工艺的结构示意图；图3为本专利技术的实施例的全耗尽绝缘硅工艺中体偏置电压改变的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。本专利技术包括一种人工智能的片上系统芯片，用于调节金属氧化物半导体场效应管的偏置电压，其中包括：一存储模块1，存储模块1预先建立一神经网络模型，神经网络模型包括一训练过程与一推理过程；一逻辑处理模块2，逻辑处理模块2连接存储模块1，逻辑处理模块2采用全耗尽绝缘硅工艺；神经网络模型在进行训练过程时，逻辑处理模块2对预存的数据集进行读写与计算，同时调节N型或者P型金属氧化物半导体场效应管的偏置电压，以调节逻辑处理模块2对存储模块1的读写能力；完成训练过程后，神经网络模型执行推理过程，逻辑处理模块2将新数据输入至神经网络模型中，然后进行读取与计算，同时调节N型或者P型金属氧化物半导体场效应管的偏置电压，以调节逻辑处理模块2的读能力。通过上述人工智能的片上系统芯片，结合图1、2、3所示，人工智能的片上系统芯片包括存储模块1与基于全耗尽绝缘硅工艺的逻辑处理模块2，其中，存储模块包括三维非易失性存储器，用于人工智能的神经网络模型需要训练过程和推理过程，在训练过程中逻辑处理模块2需要对训练数据集进行频繁的读写和大规模的计算操作，并且在训练完成后才能进行推理过程，在进行推理过程时逻辑处理模块2只需要对输入的数据的进行读取和小规模的计算操作，同时，在人工智能的神经网络模型进行训练过程和训练过程时，逻辑处理模块2调节N型或者P型金属氧化物半导体场效应管的偏置电压，来调节人工智能的片上系统芯片的处理能力，从而降低能耗。进一步地，逻辑处理模块2读写工作包括神经网络模型的训练过程；读取工作包括神经网络模型学习后的推理过程，进一步地，存储芯片预先建立神经网络模型，神经网络模型通过训练过程及推理过程以对输入的数据进行读取与计算，并且在进行训练过程与推理过程时，基于全耗尽绝缘硅工艺的逻辑处理模块调节N型或者P型金属氧化物半导体场效应管的偏置电压，来调节人工智能的片上系统芯片的处理能力，从而降低能耗。在一种较优的实施例中，训练过程包括需要对预存的数据集进行频繁的写入与读取过程，以建立神经网络模型；推理过程包括对输入神经网络模型中的新数据进行识别，以输出识别结果。具体地，用于人工智能的神经网络模型需要训练过程和推理过程，存储芯片预先建立神经网络模型，神经网络模型通过训练过程及推理过程以对输入的数据进行读取与计算，并且在进行训练过程与推理过程时，基于全耗尽绝缘硅工艺的逻辑处理模块调节N型或者P型金属氧化物半导体场效应管的偏置电压，来调节人工智能的片上系统芯片的处理能力，从而降低能耗。在一种较优的实施例中，神经网络模型在进行训练过程时，逻辑处理模块调节N型金属氧化物半导体场效应管的偏置电压降低；或调节P型金属氧化物半导体场效应管的偏置电压升高，以提高逻辑处理模块2对存储模块1的读写能力；神经网络模型在进行推理本文档来自技高网...

【技术保护点】
1.一种人工智能的片上系统芯片，用于调节金属氧化物半导体场效应管的偏置电压，其特征在于，包括：一存储模块，所述存储模块预先建立一神经网络模型，所述神经网络模型包括一训练过程与一推理过程；一逻辑处理模块，所述逻辑处理模块连接所述存储模块，所述逻辑处理模块采用全耗尽绝缘硅工艺；所述神经网络模型在进行所述训练过程时，所述逻辑处理模块对预存的数据集进行读写与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块对所述存储模块的读写能力；完成所述训练过程后，所述神经网络模型执行所述推理过程，所述逻辑处理模块将新数据输入至所述神经网络模型中，然后进行读取与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块的读能力。

【技术特征摘要】
1.一种人工智能的片上系统芯片，用于调节金属氧化物半导体场效应管的偏置电压，其特征在于，包括：一存储模块，所述存储模块预先建立一神经网络模型，所述神经网络模型包括一训练过程与一推理过程；一逻辑处理模块，所述逻辑处理模块连接所述存储模块，所述逻辑处理模块采用全耗尽绝缘硅工艺；所述神经网络模型在进行所述训练过程时，所述逻辑处理模块对预存的数据集进行读写与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块对所述存储模块的读写能力；完成所述训练过程后，所述神经网络模型执行所述推理过程，所述逻辑处理模块将新数据输入至所述神经网络模型中，然后进行读取与计算，同时调节N型或者P型所述金属氧化物半导体场效应管的偏置电压，以调节所述逻辑处理模块的读能力。2.根据权利要求1所述的人工智能的片上系统芯片，其特征在于，所述训练过程包括需要对预存的所述数据集进行频繁的写入与读取过程，以建立所述神经网络模型。3.根据权利要求1所述的人工智能的片上系统芯片，其特征在于，所述...

【专利技术属性】
技术研发人员：景蔚亮，陈邦明，
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