一种基于电流积分的存内脉冲神经网络制造技术

本申请提出了一种基于电流积分的存内脉冲神经网络，基于电荷域的计算与神经元的工作机制天然兼容。一方面，为了避免采用NVM材料的非理想性，架构中突触阵列的存储器单元采用硅基的SRAM单元。另外提供了修改后的NVM单元也能从本申请所设计的存内脉冲神经网络的架构中受益。在突触阵列采用SRAM单元作为存储单元时，后神经元电路的设计与之相对应，使得在该存内SNN架构可以用于多位突触权重的计算，并且组合的列数是可编程的。进一步地，为了提高面积的使用效率以及节省能效，在多位突触权重的计算中，将电路设计为资源共享的时间多路复用形式。最后，提出一种自动校准电路，抵消工艺、电压、温度(PVT)等因素带来的导通电流的变化，使得计算结果更准确。使得计算结果更准确。使得计算结果更准确。

【技术实现步骤摘要】
一种基于电流积分的存内脉冲神经网络


[0001]本申请属于神经网络领域，更具体的，涉及一种基于电流积分的存内脉冲神经网络。

技术介绍

[0002]受生物神经网络的启发，神经形态计算，或者更具体地说，脉冲神经网络(Spiking Neural Network，SNN)被认为是当前流行的人工神经网络的一种有前途的未来进化。SNN利用脉冲在任意连接的一对神经元之间进行通信(大多是单向的)，且SNN中的神经元只有在接收或发出脉冲信号时才处于活跃状态，如果能保证脉冲活动的稀疏性，该独特的事件驱动特性就有可能带来显著的节能效果。工业界和学术界一直在热衷于研究SNN的电路和架构。近期的一些代表性例子如IBM的TrueNorth，是用互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)电路器件组成生物学中的神经元的轴突、树突、突触，其关键模块核心是neurosynaptic核，即神经元突触内核；此外还有英特尔的Loihi和清华大学的Tanjic(“天机芯”)等。在这些现有技术中，计算元素(即神经元)，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电流积分的存内脉冲神经网络，包括前神经元、突触阵列、后神经元电路，其特征在于：所述突触阵列被配置为接收前神经元输入的脉冲信号，突触阵列由i*j个突触电路组成，i为行数，j为列数；i，j均为大于等于1的正整数；每一所述突触电路包含一个存储器单元；所述存储器单元由存储一位突触权重的传统6T SRAM，以及用于读取突触权重的串联着的2个晶体管组成，其中一个晶体管的栅极连接传统6T SRAM中一个反相器的输出，源极接高电平，漏极接另一晶体管源极，另一晶体管的栅极连接读字线，漏极连接读位线，读位线上导通电流为突触电路的输出电流；所述后神经元电路包含积分电容、比较器，每一个后神经元电路被配置为根据其连接的一列突触电路的输出电流在积分电容内的积分，基于积分电容两端累积电压与阈值电压的比较结果激发给下一级神经元脉冲信号。2.如权利要求1所述的脉冲神经网络，其特征在于，每一前神经元输入的脉冲信号连接一行突触电路中的读字线。3.如权利要求2所述的脉冲神经网络，其特征在于，后神经元电路发出脉冲信号后，积分电容两端累积电压复位到零。4.如权利要求1至3中任一项所述的脉冲神经网络，其特征在于，用于多位突触权重计算时，根据突触权重位数组合列数，每列突触电路对应突触权重每位的位置，得到并行的比较器分别发出脉冲信号，所述脉冲信号分别由与比较器连接的纹波计数器收集，纹波计数器中的值根据所在位的位权移位相加，基于所有纹波计数器移位相加的和值与数字阈值的比较结果激发给下一级神经元脉冲信号。5.如权利要求4所述的脉冲神经网络，其特征在于，组合的列数内，积分电容两端累积电压通过时间多路复用的方式共用一个比较器的输入端，根据开关选择信号选择与阈值电压比较的与所在位对应的累积电压。6.如权利要求5所述的脉冲神经网络，其特征在于，比较器输出端连接一个寄存器，比较器输出为高时，则寄存器的输出作为与其连接的加法器的一个操作数。7.如权利要求6所述的脉冲神经网络，其特征在于，加法器的另一个操作数为所在位位权，加法器的输出高于数字阈...

【专利技术属性】
技术研发人员：杨闵昊，克里斯蒂安，
申请(专利权)人：深圳市九天睿芯科技有限公司，
类型：发明
国别省市：