一种应用于基于eFlash存算一体电路的数模混合读取电路的设计制造技术

本发明专利技术提出一种应用于基于eFlash存算一体电路的数模混合读取电路的设计，用于满足DNN模型的推理时不同乘加运算组合的需求，达到较高的能耗效率和较高的计算正确率。该设计采用的电路包括了带负反馈的TIA(Trans‑impedance Amplifier),VGA(Variable Gain Amplifier)以及ADC(Analog‑to‑Digital Converter)，实现将加权电流转换为数字输出，完成向量‑矩阵乘加操作。TIA和VGA组合的电路称为VGTIA(Variable Gain Trans‑impedance Amplifier)。该设计属于基于嵌入式NOR Flash的存算一体向量‑矩阵乘加模拟计算核的一部分。

Design of a mixed digital and analog reading circuit based on eflash memory computing integrated circuit

【技术实现步骤摘要】
一种应用于基于eFlash存算一体电路的数模混合读取电路的设计
本专利技术提出一种应用于基于eFlash存算一体电路的数模混合读取电路的设计，属于数模混合集成电路
，具体为通过一个可变增益TIA(Trans-impedanceAmplifier)将加权电流转换为电压信号，再通过ADC(Analog-to-DigitalConverter)将电压信号转换为数字信号输出，从而实现将不同范围的加权电流转化为数字信号，满足不同算法的需求，达到一个高的能耗效率以及计算的正确率。
技术介绍
近年来，机器学习迅速影响着越来越多的科学研究。深度神经网络(DeepNeuralNetwork，DNN)是一种高效的框架，可以将针对大数据集的人工智能转换为有价值的模型参数，进而完成准确地分类任务。经过海量训练数据以及服务器群组训练的DNN会被部署到终端设备或云服务器上，用于推理。然而，几十年来一直主导着计算领域的冯-诺依曼架构的计算机系统具有物理上分离的内存系统和处理元素，这种计算方式导致了数据移动在性能和功耗方面的巨大通信成本。数据必须通过内存层次结构本文档来自技高网...

【技术保护点】
1.本专利技术提出了一种应用于基于eFlash存算一体电路的数模混合读取电路的设计，用于适应不同乘加运算组合的特点，实现将不同范围的加权电流信号转化为数字信号，达到一个高的能耗效率以及计算的正确率，其特征在于，还包括：eFlash阵列中两条物理列分别存储正数和负数，两条物理列上的加权电流分别代表负数和正数；数模混合读取电路，用于读取eFlash阵列加权电流，转换成数字信号输出。/n

【技术特征摘要】
1.本发明提出了一种应用于基于eFlash存算一体电路的数模混合读取电路的设计，用于适应不同乘加运算组合的特点，实现将不同范围的加权电流信号转化为数字信号，达到一个高的能耗效率以及计算的正确率，其特征在于，还包括：eFlash阵列中两条物理列分别存储正数和负数，两条物理列上的加权电流分别代表负数和正数；数模混合读取电路，用于读取eFlash阵列加权电流，转换成数字信号输出。


2.根据权利要求1所述的一种应用于基于eFlash存算一体电路的数模混合读取电路的设计，其特征在于，运用TIA和VGA(可变增益放大器)结合组成VGTIA(VariableGainTran-impedan...

【专利技术属性】
技术研发人员：刘晨曦，周雄，李强，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51