【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及其校准的存储器架构。
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
...【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,还包括分别用于所述存储体的所述列的数据感测元件,其中,用于每列的每个数据感测元件连接到用于该列的至少一个列互连线,并且其中,用于该列的每个列互连线连接到该列中每个存储体的一个输出节点。
3.根据权利要求2所述的结构,还包括分别连接到所述数据感测元件的模数转换器,其中,用于每列的每个模数转换器从用于该列的所述数据感测元件接收列特定的模拟电压,并将所述列特定的模拟电压转换成列特定的数字值。
4.根据权利要求2所述的结构,其中,所述多路复用器是可控制的以进行以下中的任一者:将所述跟踪和保
...【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,还包括分别用于所述存储体的所述列的数据感测元件,其中,用于每列的每个数据感测元件连接到用于该列的至少一个列互连线,并且其中,用于该列的每个列互连线连接到该列中每个存储体的一个输出节点。
3.根据权利要求2所述的结构,还包括分别连接到所述数据感测元件的模数转换器,其中,用于每列的每个模数转换器从用于该列的所述数据感测元件接收列特定的模拟电压,并将所述列特定的模拟电压转换成列特定的数字值。
4.根据权利要求2所述的结构,其中,所述多路复用器是可控制的以进行以下中的任一者:将所述跟踪和保持器件连接到所述输入节点以进行存储器内管线处理;以及将所述校准电源线连接到所述输入节点以进行校准处理。
5.根据权利要求4所述的结构,
6.根据权利要求4所述的结构,其中,在所述校准处理期间,与连接到待校准的特定可编程电阻器的特定位线连接的特定反馈缓冲电路将所述特定位线偏置到虚拟地电压,以及连接到包括所述特定可编程电阻器的特定存储器元件的特定放大器从所述校准电源线接收校准输入电压,将所述虚拟地电压加到所述校准输入电压,以及输出等于所述校准输入电压和所述虚拟地电压之和的电平移位校准电压。
7.根据权利要求1所述的结构,其中,每个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,以存储作为编程的电阻状态的函数的权重值。
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。