用于存储器内序列处理的具有双电阻器存储器元件的分区存储器架构制造技术

本公开涉及用于存储器内序列处理的具有双电阻器存储器元件的分区存储器架构。一种用于存储器内序列处理的结构包括存储体阵列。每个存储体包括存储器元件，每个存储器元件包括具有连接到输入节点的输入和连接到第一和第二位线的输出的第一和第二可编程电阻器。在每个存储体中，第一和第二反馈缓冲器连接到第一和第二位线以及第一和第二输出节点。同一列中的存储体的第一和第二输出节点连接到相同的第一和第二列互连线。每行中的初始存储体包括连接在输入节点和存储器元件之间的放大器。这些放大器的输出还通过行互连线连接到同一行中下游存储体中的存储器元件。可选地，电压缓冲器连接到行互连线并集成到至少一些存储体中。

【技术实现步骤摘要】

本专利技术涉及存储器内处理(in-memory processing)，更具体地涉及用于存储器内处理的存储器架构的实施例。

技术介绍

1、各种处理应用(例如，图像处理应用、语音处理应用或其他机器学习(ml)或人工智能(ai)处理)采用认知计算，特别是神经网络(nn)(例如，用于识别和分类)。本领域技术人员将认识到，nn是深度学习算法，其中算法中执行的约90％的计算是乘积累加(mac)运算。例如，在用于图像处理的nn中，各种mac运算用于计算输入(也称为激活)(其为感受野(receptive field)中像素的识别强度值)与跟感受野大小相同的滤波器矩阵(也称为核(kernel))的权重的乘积，并进一步计算乘积的和。这些计算被称为点积计算。历史上，软件解决方案(software solution)被用来计算nn。最近，具有硬件实现的nn的处理器，特别是具有存储器实现的nn的处理器已经被开发出来，以提高处理速度。然而，这种存储器实现的nn通常需要大的存储器基元(memory cell)阵列(即，具有大量行和列的存储器基元的阵列)来实现，并且随着这种nn的复杂性本文档来自技高网...

【技术保护点】

1.一种结构，包括：

2.根据权利要求1所述的结构，其中，在每个双电阻器存储器元件内，所述第一可编程电阻器和所述第二可编程电阻器能够编程到多个不同电阻状态中的任何一个，以存储作为表示正权重值的所述第一可编程电阻器的编程的第一电阻状态和表示负权重值的所述第二可编程电阻器的编程的第二电阻状态的函数的总权重值。

3.根据权利要求1所述的结构，

4.根据权利要求3所述的结构，还包括分别用于所述列的减法器，其中，用于每列的每个减法器连接到用于该列的所述列互连线的所述对，从所述对中的所述第一列互连线接收等于来自该列中所述存储体的所述缓冲的存储体特定的第一输出电流之...

【技术特征摘要】

1.一种结构，包括：

2.根据权利要求1所述的结构，其中，在每个双电阻器存储器元件内，所述第一可编程电阻器和所述第二可编程电阻器能够编程到多个不同电阻状态中的任何一个，以存储作为表示正权重值的所述第一可编程电阻器的编程的第一电阻状态和表示负权重值的所述第二可编程电阻器的编程的第二电阻状态的函数的总权重值。

3.根据权利要求1所述的结构，

4.根据权利要求3所述的结构，还包括分别用于所述列的减法器，其中，用于每列的每个减法器连接到用于该列的所述列互连线的所述对，从所述对中的所述第一列互连线接收等于来自该列中所述存储体的所述缓冲的存储体特定的第一输出电流之和的列特定的第一输出电流，从所述对中的所述第二列互连线接收等于来自该列中所述存储体的所述缓冲的存储体特定的第二输出电流之和的列特定的第二输出电流，并且基于所述列特定的第一输出电流和所述列特定的第二输出电流之差来输出列特定的模拟输出参数。

5.根据权利要求4所述的结构，

6.根据权利要求1所述的结构，

7.根据权利要求6所述的结构，其中，每行内的每个初始存储体还包括连接到所述放大器的输入的多路复用器。

8.根据权利要求6所述的结构，还包括：行互连线的组，其互连每行内的相邻存储体，其中，任何给定的行互连线将上游存储体中的在特定存储体行地址处的一个双电阻器存储器元件的所述第一可编程电阻器和所述第二可编程电阻器的输入端连接到相邻下游存储体中的在所述特定存储体行地址处的另一双电阻器存储器元件。

9.根据权利要求1所述的结构，其中，每个双电阻器存储器元件的所述第一可编程电阻器和所述第二可编程电阻器包括电阻式随机存取存储器型电阻器、相变存储器型电阻器和磁隧道结型电阻器中的任何一者。

10.根据权利要求1所述的结构，其中，每个双电阻器存储器元件的所述第一可编程电阻器和所述第二可编程电阻器包括具有多于两个的不同电阻状态的电阻式随...

【专利技术属性】
技术研发人员：V·P·戈皮纳特，P·帕瓦朗德，
申请(专利权)人：格芯美国集成电路科技有限公司，
类型：发明
国别省市：