用于二值神经网络的电荷域DRAM内计算制造技术

技术编号:45664204 阅读:11 留言:0更新日期:2025-06-27 19:03
本申请涉及用于二值神经网络的电荷域DRAM内计算。用于计算动态随机存取存储器DRAM内计算的方法和系统包含:向所述DRAM的单元的第一组加载输入参数;及向所述DRAM的单元的第二组加载各自与对应输入参数互补的反转输入参数。向所述DRAM的单元的偏移组加载偏移电压的指示。用对应的所存储输入参数或所存储反转输入参数对权重执行运算,且激活所述第一组和所述第二组中的列以对所述列中的单元的权重的所述运算执行累加以存储总和。使用所述指示产生偏移电压,且基于所述总和与所述偏移电压的比较产生输出且将所述输出存储在所述DRAM的单元的输出组中。

【技术实现步骤摘要】

本公开的实施例总体上涉及存储器装置。更具体地,本公开的实施例涉及电荷域中的动态随机存取存储器内计算。


技术介绍

1、通常,计算系统可包含在操作中经由电信号传达信息的电子装置。举例来说,计算系统可包含以通信方式耦合到例如动态随机存取存储器(dram)装置的存储器装置的处理器。以此方式,处理器可与存储器装置通信(例如)以检索可执行指令,检索待由处理器处理的数据和/或存储从处理器输出的数据。

2、深度神经网络由于在执行例如图像分类、语音辨识、异常检测和其它任务的机器学习任务方面表现优异而越来越受欢迎。使用深度神经网络的基本计算操作是使用需要频繁的存储器读取和写入的乘累加来执行的。由处理器从dram进行的这些频繁读取和写入极大地增加了功率消耗,且极大地降低了任务的吞吐量。

3、本公开的实施例可针对于上文所阐述的问题中的一或多个。


技术实现思路

1、在一个方面,本申请提供一种用于计算动态随机存取存储器(dram)内计算的方法,其包括:向dram的单元的第一组加载输入参数;向dram的单元的第二组本文档来自技高网...

【技术保护点】

1.一种用于计算动态随机存取存储器DRAM内计算的方法,其包括:

2.根据权利要求1所述的方法,其中向所述第一组加载包括对所述第一组的存储器写入。

3.根据权利要求1所述的方法,其中向所述第二组加载包括对所述第二组的存储器写入。

4.根据权利要求1所述的方法,其中向所述第二组加载包括通过以下操作将所述第一组的所述输入参数反转为所述第二组的所述反转输入参数:

5.根据权利要求1所述的方法,其中所述指示包括指示添加电荷以产生所述偏移电压的脉冲的数量的数模代码。

6.根据权利要求1所述的方法,其包括:

7.根据权利要求1所...

【技术特征摘要】

1.一种用于计算动态随机存取存储器dram内计算的方法,其包括:

2.根据权利要求1所述的方法,其中向所述第一组加载包括对所述第一组的存储器写入。

3.根据权利要求1所述的方法,其中向所述第二组加载包括对所述第二组的存储器写入。

4.根据权利要求1所述的方法,其中向所述第二组加载包括通过以下操作将所述第一组的所述输入参数反转为所述第二组的所述反转输入参数:

5.根据权利要求1所述的方法,其中所述指示包括指示添加电荷以产生所述偏移电压的脉冲的数量的数模代码。

6.根据权利要求1所述的方法,其包括:

7.根据权利要求1所述的方法,其中所述运算包括同或xnor运算。

8.根据权利要求1所述的方法,其中存储所述总和包括将所述总和存储在所述列的两个数字线上。

9.根据权利要求8所述的方法,其中产生所述偏移电压包括:

10.根据权利要求9所述的方法,其包括在所述第二数字线上产生所述偏移电压之前对所述第二数字线进行预充电。

11.根据权利要求1所述的方法,其包括在二值神经网络bnn中使用所述输出。

12.一种系统,其包括:

13.根据权利要求12所述的系统,其包括实施于存储器装置中的卷积神经网络,所述存储...

【专利技术属性】
技术研发人员:张文伦何源
申请(专利权)人:美光科技公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1