一种全模拟向量矩阵乘法存内计算电路及其应用制造技术

本发明专利技术提出了一种全模拟向量矩阵乘法存内计算电路及其应用，属于半导体和CMOS超大规模集成电路中存内计算技术领域。该电路包括输入电路、阵列、输出钳位电路和模拟移位相加单元，输入电路对模拟输入进行采样并保持，然后输入阵列，阵列采用阻性器件，以电导的形式存储权重，根据基尔霍夫定律与欧姆定律，模拟输入和电导进行相乘，完成输入与权重的向量矩阵乘法，输出钳位电路将阵列输出点钳位到零电平，并将电流形式的计算结果转换为电压形式输出，采用模拟移位相加单元电路将各列的计算结果移位相加以完成进位计算。本发明专利技术与传统以数模混合计算方式工作的存内计算电路不同，完全工作在模拟域，存内计算电路的面积与功耗问题得到有效改善。得到有效改善。得到有效改善。

【技术实现步骤摘要】
一种全模拟向量矩阵乘法存内计算电路及其应用


[0001]本专利技术属于半导体(Semiconductor)和CMOS超大规模集成电路(ULSI)中的存内计算(Process
‑
In
‑
Memory)
，具体涉及一种使用全模拟计算进行向量矩阵乘法运算的存内计算电路。

技术介绍

[0002]随着人工智能与深度学习技术的发展，人工神经网络在自然语言处理、图像识别、自动驾驶、图神经网络等领域得到了广泛的应用。然而逐渐增大的网络规模导致数据在内存与传统计算设备如CPU、GPU间的搬运消耗了大量的能量，这被称为冯诺依曼瓶颈。在人工神经网络算法中占据最主要部分的计算为向量矩阵乘法计算(Vector Matrix Multiplication，VMM)。存内计算，把权重存储在存储器阵列单元中，并在阵列中进行向量矩阵乘法计算，避免了数据在内存与计算单元间的频繁搬运，被认为是一种有希望突破冯诺依曼瓶颈的方式。
[0003]如图1所示，存内计算通常使用数模混合计算方式。存储器单元可以是SRAM、DRAM等易失存储器，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全模拟向量矩阵乘法存内计算电路，其特征在于，该电路包括输入电路、阵列、输出钳位电路和模拟移位相加单元，其中，所述输入电路对模拟输入数据进行采样并保持，然后输入阵列，所述阵列采用阻性器件，以电导的形式存储权重，完成输入与权重的向量矩阵乘法，所述输出钳位电路将阵列输出点钳位到零电平，并将电流形式的计算结果转换为电压形式输出，所述模拟移位相加单元电路将各列的计算结果移位相加以完成进位计算。2.如权利要求1所述全模拟向量矩阵乘法存内计算电路，其特征在于，所述输入电路为采样保持电路S/H。3.如权利要求1所述全模拟向量矩阵乘法存内计算电路，其特征在于，所述模拟移位相加单元包含阵列中每一列对应的列电容，还有一个冗余电容以及电压跟随器，列电容用来暂时存储每列的计算结果，冗余电容将每列计算结果进行加权求和，电压跟随器用来输出最终移位相加的结果。4.如权利要求3所述全模拟向量矩阵乘法存内计算电路，其特征在于，所述阵列中每一列对应的列电容大小相同；且...

【专利技术属性】
技术研发人员：王宗巍，张晓畅，蔡一茂，杨韵帆，黄如，
申请(专利权)人：北京大学，
类型：发明
国别省市：