积和运算器、神经形态器件以及积和运算器的使用方法技术

本发明专利技术提供一种积和运算器(1)，其包括积运算部(10)以及和运算部(11)，所述积运算部(10)包括作为电阻变化元件的多个积运算元件(10AA、10AB)和至少一个参考元件(10AMAX、10AMIN)，所述和运算部(11)至少包括检测来自所述多个积运算元件的输出的合计值的输出检测器(11A)，所述多个积运算元件各自为磁阻效应元件，包括：具有磁壁的磁化自由层；磁化方向被固定的磁化固定层；和由所述磁化自由层与所述磁化固定层夹持的非磁性层，所述参考元件为包括不具有磁壁的磁化自由层的参考磁阻效应元件。

The use of product summator, neural morphological device and product summator

【技术实现步骤摘要】
【国外来华专利技术】积和运算器、神经形态器件以及积和运算器的使用方法
本专利技术涉及积和运算器、神经形态器件以及积和运算器的使用方法。本申请基于2018年3月16日申请于日本的特愿2018-049766号主张优先权，并将其内容在此引用。
技术介绍
目前，已知有RRAM(注册商标)基础模拟神经形态系统中的用于灰度图像识别的最佳化的学习方案(例如参照非专利文献1)。该文献中记载有模拟神经形态系统以组装的电阻式开关存储阵列为基础进行开发的内容。该文献中，为了通过利用段化的突触的举动来将模拟系统的性能最佳化，而提出新的训练方案。另外，该文献中，该方案适用于灰度图像识别。另外，进行着使用电阻变化元件的阵列来实现模仿神经系统的神经网络的研究。神经形态器件(NMD)中，从前一阶段向下一阶段施加载荷并进行累加的积和运算。因此，组合多个电阻连续地变化的电阻变化元件，以各自的电阻值为权重进行相对于输入信号的积运算，并取得从其输出的电流的总和，由此，进行和运算的各种各样的类型的积和运算器、及利用了该积和运算器的NMD的开发不断进展。例如专利文献1中记载有一种利用本文档来自技高网...

【技术保护点】
1.一种积和运算器，其特征在于：/n包括积运算部以及和运算部，/n所述积运算部包括多个积运算元件和至少一个参考元件，/n所述多个积运算元件、所述至少一个参考元件分别为电阻变化元件，/n所述和运算部至少包括检测来自所述多个积运算元件的输出的合计值的输出检测器，/n所述多个积运算元件分别为磁阻效应元件，所述磁阻效应元件包括：具有磁壁的第一磁化自由层；磁化方向被固定的第一磁化固定层；和由所述第一磁化自由层与所述第一磁化固定层夹持的第一非磁性层，/n所述至少一个参考元件为参考磁阻效应元件，所述参考磁阻效应元件包括：不具有磁壁的第二磁化自由层或具有磁壁的第三磁化自由层；磁化方向被固定的第二磁化固定层；和...

【技术特征摘要】
【国外来华专利技术】20180316 JP 2018-0497661.一种积和运算器，其特征在于：
包括积运算部以及和运算部，
所述积运算部包括多个积运算元件和至少一个参考元件，
所述多个积运算元件、所述至少一个参考元件分别为电阻变化元件，
所述和运算部至少包括检测来自所述多个积运算元件的输出的合计值的输出检测器，
所述多个积运算元件分别为磁阻效应元件，所述磁阻效应元件包括：具有磁壁的第一磁化自由层；磁化方向被固定的第一磁化固定层；和由所述第一磁化自由层与所述第一磁化固定层夹持的第一非磁性层，
所述至少一个参考元件为参考磁阻效应元件，所述参考磁阻效应元件包括：不具有磁壁的第二磁化自由层或具有磁壁的第三磁化自由层；磁化方向被固定的第二磁化固定层；和由所述第二磁化固定层与所述第二磁化自由层或所述第三磁化自由层夹持的第二非磁性层，并且，所述第二磁化自由层的一个磁化方向或所述第三磁化自由层的多个磁化方向各自与所述第二磁化固定层的磁化方向所成的相对角度是固定的。


2.根据权利要求1所述的积和运算器，其特征在于：
所述至少一个参考元件包含：
所述第二磁化自由层的所述一个磁化方向与所述第二磁化固定层的磁化方向为反向平行的第一参考元件或具有所述第三磁化自由层且设定成最大电阻值的第三参考元件；和
所述第二磁化自由层的所述一个磁化方向与所述第二磁化固定层的磁化方向平行的具有所述磁化固定层的第二参考元件或具有所述第三磁化自由层且设定成最小电阻值的第四参考元件。


3.根据权利要求2所述的积和运算器，其特征在于：
还包括比较部，其将来自所述多个积运算元件的输出与来自所述至少一个参考元件的输出进行比较。


4.根据权利要求1或2所述的积和运算器，其特征在于：
还包括至少一个参考列，
所述至少一个参考列不包含所述多个积运算元件，包含所述...

【专利技术属性】
技术研发人员：柴田龙雄，佐佐木智生，
申请(专利权)人：TDK株式会社，
类型：发明
国别省市：日本;JP