存储系统、存储控制器及半导体存储装置制造方法及图纸

本发明专利技术的实施方式提供一种用于神经网络的存储系统、存储控制器、及半导体存储装置。实施方式的存储系统具备：控制部，发送包含第1数据的第1指令集；及半导体存储装置，通过从所述控制部接收所述第1指令集，将基于所述第1指令集的第2数据发送到所述控制部。

【技术实现步骤摘要】
存储系统、存储控制器及半导体存储装置[相关申请案]本申请案享有以日本专利申请案2019-113565号(申请日：2019年6月19日)为基础申请案的优先权。本申请案通过参考该基础申请案而包含基础申请案的全部内容。
本专利技术的实施方式涉及一种用于神经网络的存储系统、存储控制器及半导体存储装置。
技术介绍
业界正在开发人工智能(ArtificialIntelligence：AI)。作为AI技术之一，考虑神经网络。神经网络是模仿脑的神经元及突触而想出的模型，至少包含学习及识别的2个阶段的处理。在学习阶段，从大量输入学习其特征，构建用于识别处理的神经网络。在识别阶段，使用所构建的神经网络来识别新的输入是何者。
技术实现思路
本专利技术的实施方式提供一种用于神经网络的存储系统、存储控制器及半导体存储装置。实施方式的存储系统具备：控制部，发送包含第1数据的第1指令集；及半导体存储装置，通过从所述控制部接收所述第1指令集，将基于所述第1指令集的第2数据发送到所述控制部。附图说明图1是表示识别系统中的学习阶段及识别阶段的概念图。图2是第1实施方式的识别系统的方块图。图3是表示第1实施方式的识别装置的概念的图。图4是具备第1实施方式的半导体存储装置的存储系统的方块图。图5是第1实施方式的半导体存储装置的方块图。图6是表示第1实施方式的存储胞阵列的图。图7是表示第1实施方式的存储胞的阈值分布的图。图8是第1实施方式的半导体存储装置所具备的感测放大器及数据寄存器的方块图。图9是表示第1实施方式的感测放大器的电路图。图10是表示第1实施方式的存储系统的动作的流程图。图11是表示识别阶段中的存储系统的动作中的指令集、及波形图的图。图12是表示读取动作的指令序列的图。图13是表示写入动作的指令序列的图。图14是表示存储在锁存电路及位计数器中的具体数据的图。图15是表示存储在锁存电路中的数据的种类的图。图16是第2实施方式的半导体存储装置的方块图。图17是表示第2实施方式的源极线控制电路的一例的电路图。图18是表示通常的读出动作的一例的图。图19是用来对胞电流的不均进行说明的图。图20是用来对第2实施方式中的读出动作的一例进行说明的图。图21是表示第2实施方式中的字线WL及位线BL的动作图像的图。图22是用来对消除由胞电流的不均所引起的影响进行说明的图。图23是表示图10的变化例的存储系统的动作的流程图。图24是表示图23的后续的流程图。具体实施方式以下，参考附图对实施方式进行说明。以下所示的若干实施方式例示用来将技术思想具体化的装置及方法，并未通过构成零件的形状、构造、配置等对技术思想进行特定。各功能方块能够作为硬件及软件中的任一者或者组合两者而成者实现。并非必须像以下示例那样区分各功能方块。例如，一部分功能也可通过与例示的功能方块不同的功能方块执行。进而，例示的功能方块也可分割成更细的功能子方块。此外，在以下说明中，对于具有相同功能及构成的要素，标注相同符号，且仅于需要情况下进行重复说明。＜1＞第1实施方式＜1-1＞构成＜1-1-1＞识别系统的概要在本实施方式中，对利用神经网络的识别系统(装置)进行说明。识别系统在学习阶段，学习用来对识别对象数据(输入数据)的内容进行识别的参数，在识别阶段，基于学习结果对识别对象数据进行识别。所谓识别对象数据是指成为要识别的对象的数据，例如图像数据、音频数据、文本数据等。以下，作为一例，对识别对象数据为图像数据，使用能够识别图像数据的神经网络的情况进行说明。如图1所示，在本实施方式的识别系统中，在学习阶段，将用来学习的多个数据(数据集)输入到作为识别系统的一部分的识别装置中。识别装置基于数据集构建神经网络(学习完成模型)。更具体来说，识别装置构建用来将识别对象数据分类的神经网络。识别装置当构建神经网络时，使用输入数据及标签的评价。标签的评价包括表示数据的内容符合标签的“正评价”、及表示数据的内容不符合标签的“负评价”。正评价或负评价与“0”“1”等得分(正解得分、或识别得分)建立关联，这些得分也称为正解值(GroundTruth)。此外，“得分”是数值，表示利用神经网络交换的信号本身。识别装置对所输入的数据集进行运算，以作为运算结果的识别得分(也记载为推断结果)接近预先准备的正解得分的方式调整运算时的参数。另外，所谓“识别得分”，表示所输入的数据集、与已和所输入的数据集建立关联的标签的符合程度。所谓“正解得分”，表示已和所输入的数据集建立关联的标签的评价。而且，当构建神经网络时，作为识别阶段，识别系统能够使用该神经网络识别任意数据(所输入的数据集)为何者(识别结果的输出)。＜1-1-2＞识别系统的构成继而，使用图2对本实施方式的识别系统进行说明。图2是表示识别系统的硬件构成的方块图。如图2所示，识别系统1包含输入输出接口(I/F)2、控制部(CPU：CentralProcessingUnit，中央处理器)3、存储器4、及识别装置5。输入输出接口2、控制部3、存储器4、及识别装置5分别连接于控制器总线。输入输出接口2例如为输入数据集或输出识别结果的输入输出控制电路(装置)。输入输出接口2可为依据UFS(UniversalFlashStorage，通用闪速存储器)标准的UFS接口，也可为依据SAS(SerialAttachedSCSI，串列SCSI(SmallComputerSystemInterface，小型计算机系统接口))标准的SAS接口，也可为依据其他标准的接口，也可为通信电缆本身。控制部3控制识别系统1的全体。存储器4例如包含RAM(RandomAccessMemory，随机存取存储器)、ROM(ReadOnlyMemory，只读存储器)。识别装置5在学习阶段，例如从数据集学习特征，构建神经网络。所构建的神经网络表现为识别装置5中的各运算部中所使用的权重系数(也可简单地记载为权重)。也就是说，识别装置5例如构建如下神经网络，即在输入有与描画有某图像“X”的图像对应的输入数据时，输出输入数据为图像“X”。识别装置5通过接收多个输入数据，可提高神经网络的精度。识别装置5在识别阶段，获取神经网络中的权重系数。在神经网络经更新时，识别装置5通过获取新的神经网络的权重系数，而提高识别的精度。已获取权重系数的识别装置5接收识别对象的输入数据。然后，识别装置5将输入数据输入到使用权重系数的神经网络，而对输入数据进行识别。识别系统1的各功能是通过以下方式实现，即控制部3使指定的软件读入到存储器4等硬件上，基于控制部3的控制进行存储器4中的数据的读出及写入。＜1-1-3＞识别装置＜1-1-3-1＞识别装置的概念所谓神经网络是将人脑本文档来自技高网...

【技术保护点】
1.一种存储系统，具备：/n控制部，发送包含第1数据的第1指令集；及/n半导体存储装置，当从所述控制部接收到所述第1指令集时，将基于所述第1指令集的第2数据发送到所述控制部。/n

【技术特征摘要】
20190619 JP 2019-1135651.一种存储系统，具备：
控制部，发送包含第1数据的第1指令集；及
半导体存储装置，当从所述控制部接收到所述第1指令集时，将基于所述第1指令集的第2数据发送到所述控制部。


2.根据权利要求1所述的存储系统，其中
所述第1指令集包含权重数据的第1地址，
所述半导体存储装置当接收到所述第1指令集时，根据所述第1地址读出所述权重数据，并对所述第1数据、与所述权重数据进行第1运算。


3.根据权利要求2所述的存储系统，其中
所述第2数据为所述第1运算的结果。


4.一种存储控制器，具备：
输入输出接口，通过将包含第1数据的第1指令集发送到半导体存储装置中，而接收基于所述第1指令集的第2数据。


5.根据权利要求4所...

【专利技术属性】
技术研发人员：前嶋洋，
申请(专利权)人：铠侠股份有限公司，
类型：发明
国别省市：日本;JP