积和运算器、神经形态器件以及积和运算器的故障判断方法技术

本发明专利技术提供在应用于神经网络的情况下，能够正确地检测可能大幅损坏神经网络的性能的故障的积和运算器。积和运算器(1)具备积运算部(10)、和运算部(11)、故障判断部(12)，积运算部(10)具备多个积运算元件(10AA～10AC)，多个积运算元件(10AA)～(10AC)各自为电阻变化元件。和运算部(11)具备检测来自多个积运算元件(10AA)～(10AC)的输出的合计值的输出检测器(11A)。故障判断部(12)在输出检测器(11)检测的上述合计值超过规定值的情况下，判断为故障产生。上述规定值是在多个积运算元件(10AA～10AC)全部正常动作的情况下，输出检测器(11)能够检测的上述合计值的最大值以上的值。

【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故障判断方法
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故障判断方法。本申请基于2017年12月28日申请于日本的专利申请2017-254700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计划(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，新的训练计划为了通过利用段化的突触的举动将模拟系统的性能最佳化而提出。另外，该文献中，该计划相对于灰度图像识别适用。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，进行从前级向后级施加权重并累加的积和运算。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。现有技术文献专利文献专利文献1：国际公开第2017/183573号非专利文献非专利文献1：ZheChen等著，“RRAM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计划(OptimizedLearningSchemeforGrayscaleImageRecognitioninaRRAMBasedAnalogNeuromorphicSystem)”，2015年，IEEE，p.17.7.1-p.17.7.4
技术实现思路
专利技术所要解决的课题但是，非专利文献1中，未研究检测可能大幅损坏神经网络的性能的故障的方法。如果电阻变化元件故障，且电阻变小，则积和运算时故障的电阻变化元件的权重可能大幅影响网络。因此，神经网络中正确地检测短路引起的电阻变化元件的故障是非常重要的。鉴于上述的问题点，本专利技术的目的在于，提供在应用于神经网络的情况下，能够在产生元件故障时正确地检测可能大幅损坏神经网络的性能的故障的积和运算器、神经形态器件以及积和运算器的故障判断方法。用于解决课题的方案本专利技术的一个方式提供一种积和运算器，其具备积运算部、和运算部、故障判断部，所述积运算部具备多个积运算元件，所述多个积运算元件各自为电阻变化元件，所述和运算部具备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，所述故障判断部在所述输出检测器检测的所述合计值超过规定值的情况下，判断为故障产生，所述规定值是在所述多个积运算元件全部正常动作的情况下，所述输出检测器能够检测的所述合计值的最大值以上的值。本专利技术的一个方式的积和运算器中，也可以是，所述电阻变化元件具有写入端子、共用端子、读出端子。本专利技术的一个方式的积和运算器中，也可以是，所述电阻变化元件为表示磁阻效应的磁阻效应元件，所述磁阻效应元件具有：具有磁壁的磁化自由层、磁化方向被固定的磁化固定层、被所述磁化自由层与所述磁化固定层夹持的非磁性层。本专利技术的一个方式的积和运算器中，也可以是，所述积运算部至少具备具有多个积运算元件的第一纵列和具有多个积运算元件的第二纵列，所述和运算部至少具备检测所述第一纵列的来自多个积运算元件的输出的合计值的第一输出检测器和检测所述第二纵列的来自多个积运算元件的输出的合计值的第二输出检测器，还具备功能置换部，该功能置换部在所述故障判断部判断为所述第一纵列故障的情况下，使所述第二纵列的多个积运算元件进行所述第一纵列的多个积运算元件在所述第一纵列的故障前进行的积运算。本专利技术的一个方式的积和运算器也可以还具备：故障部位确定部，其在所述故障判断部判断为所述多个积运算元件故障的情况下，确定所述多个积运算元件中的故障的积运算元件；输入切断部，其在所述故障判断部判断为所述多个积运算元件故障的情况下，切断相对于所述故障的积运算元件的输入，所述故障部位确定部通过从所述多个积运算元件的输出侧相对于所述多个积运算元件输入信号，确定所述故障的积运算元件。本专利技术的一个方式提供一种神经形态器件，其具备所述积和运算器。本专利技术的一个方式的神经形态器件也可以还具备使用激活函数的隐藏层，所述激活函数在向所述激活函数的输入值为阈值以上的情况下，以来自所述激活函数的输出值成为零的方式设定。本专利技术的一个方式的神经形态器件为具备所述积和运算器的神经形态器件，也可以具备输出切断部，该输出切断部在所述故障判断部判断为所述多个积运算元件故障的情况下，切断来自判断为故障的所述多个积运算元件的输出。本专利技术的一个方式的神经形态器件中，也可以是，正常动作时的所述多个积运算元件各自的电阻值与故障时的所述多个积运算元件各自的电阻值相差3个数量级以上。本专利技术的一个方式的神经形态器件为具备所述积和运算器的神经形态器件，也可以是，所述电阻变化元件为表示磁阻效应的磁阻效应元件，所述磁阻效应元件具有：具有磁壁的磁化自由层、磁化方向被固定的磁化固定层、被所述磁化自由层和所述磁化固定层夹持的非磁性层，所述非磁性层的厚度为2.5nm以上。本专利技术的一个方式的神经形态器件中，也可以是，所述磁化自由层为选自由Co/Pt多层膜、Co/Pd多层膜、以及CoCrPt合金膜构成的组的垂直磁化膜。本专利技术的一个方式的神经形态器件中，也可以是，所述输出检测器检测来自所述多个积运算元件的输出电流值。本专利技术的一个方式的神经形态器件中，也可以是，所述输出检测器检测从所述多个积运算元件输出的电荷。本专利技术的一个方式提供一种积和运算器的故障判断方法，该积和运算器具备积运算部及和运算部，该积和运算器的故障判断方法中，所述积运算部具备多个积运算元件，所述多个积运算元件各自为电阻变化元件，具备：检测来自所述多个积运算元件的输出的合计值的检测步骤；在所述检测步骤中检测的所述合计值超过规定值的情况下，判断为故障产生的判断步骤，所述规定值是在所述多个积运算元件全部正常动作的情况下能够检测的所述合计值的最大值以上的值。专利技术效果根据本专利技术，能够提供在应用于神经网络的情况下，能够正确地检测可能大幅损坏神经网络的性能的故障的积和运算器、神经形态器件以及积和运算器的故障判断方法。附图说明图1是表示第一实施方式的积和运算器的一部分结构的一例的图；图2是表示第一实施方式的积和运算器的整体结构的一例的图；图3是用于说明输出检测器检测的合计值及规定值的图；图4是表示第一实施方式的积和运算器的构成多个积运算元件各自的磁阻效应元件的一例的立体图；图5是表示第一实施方式的积和运算器的应用例的图；图6是用于说明隐藏层中使用的激活函数的图；图7是表示第一实施方式的由积和运算器执行的处理的一例的流程图；图8是表示第二实施方式的积和运算器的一部分结构的一例的图。具体实施方式以下，参照附图对本专利技术的积和运算器、神经形态器件以及积和运算器的故障判断方法本文档来自技高网...

【技术保护点】
1.一种积和运算器，其特征在于，/n具备积运算部、和运算部、故障判断部，/n所述积运算部具备多个积运算元件，/n所述多个积运算元件各自为电阻变化元件，/n所述和运算部具备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所述故障判断部在所述输出检测器检测的所述合计值超过规定值的情况下，判断为故障产生，/n所述规定值是在所述多个积运算元件全部正常动作的情况下，所述输出检测器能够检测的所述合计值的最大值以上的值。/n

【技术特征摘要】
【国外来华专利技术】20171228 JP 2017-2547001.一种积和运算器，其特征在于，
具备积运算部、和运算部、故障判断部，
所述积运算部具备多个积运算元件，
所述多个积运算元件各自为电阻变化元件，
所述和运算部具备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，
所述故障判断部在所述输出检测器检测的所述合计值超过规定值的情况下，判断为故障产生，
所述规定值是在所述多个积运算元件全部正常动作的情况下，所述输出检测器能够检测的所述合计值的最大值以上的值。


2.根据权利要求1所述的积和运算器，其中，
所述电阻变化元件具有写入端子、共用端子、读出端子。


3.根据权利要求1或2所述的积和运算器，其中，
所述电阻变化元件为显示磁阻效应的磁阻效应元件，
所述磁阻效应元件具有：
具有磁壁的磁化自由层；
磁化方向被固定的磁化固定层；以及
被所述磁化自由层与所述磁化固定层夹持的非磁性层。


4.根据权利要求1～3中任一项所述的积和运算器，其中，
所述积运算部至少具备具有多个积运算元件的第一纵列和具有多个积运算元件的第二纵列，
所述和运算部至少具备检测所述第一纵列的来自多个积运算元件的输出的合计值的第一输出检测器和检测所述第二纵列的来自多个积运算元件的输出的合计值的第二输出检测器，
还具备功能置换部，该功能置换部在所述故障判断部判断为所述第一纵列故障的情况下，使所述第二纵列的多个积运算元件进行所述第一纵列的多个积运算元件在所述第一纵列的故障前进行的积运算。


5.根据权利要求1～4中任一项所述的积和运算器，其中，
还具备：
故障部位确定部，其在所述故障判断部判断为所述多个积运算元件故障的情况下，确定所述多个积运算元件中的故障的积运算元件；
输入切断部，其在所述故障判断部判断为所述多个积运算元件故障的情况下，切断相对于所述故障的积运算元件的输入，
所述故障部位确定部通过从所述多个积运算元件的输出侧相对于所述多个积运算元件输入信号，来确定所述故障的积运算元件。


6.一种神经形态器件，其具备...

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