JP6481667B2 - ニューラルネットワーク回路 - Google Patents

ニューラルネットワーク回路 Download PDF

Info

Publication number
JP6481667B2
JP6481667B2 JP2016142445A JP2016142445A JP6481667B2 JP 6481667 B2 JP6481667 B2 JP 6481667B2 JP 2016142445 A JP2016142445 A JP 2016142445A JP 2016142445 A JP2016142445 A JP 2016142445A JP 6481667 B2 JP6481667 B2 JP 6481667B2
Authority
JP
Japan
Prior art keywords
voltage
ref
line
data
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016142445A
Other languages
English (en)
Other versions
JP2018014152A (ja
JP2018014152A5 (ja
Inventor
茂樹 大塚
茂樹 大塚
浩伸 秋田
浩伸 秋田
イリナ カタエヴァ
イリナ カタエヴァ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Priority to JP2016142445A priority Critical patent/JP6481667B2/ja
Priority to PCT/JP2017/019370 priority patent/WO2018016176A1/ja
Publication of JP2018014152A publication Critical patent/JP2018014152A/ja
Publication of JP2018014152A5 publication Critical patent/JP2018014152A5/ja
Priority to US16/249,190 priority patent/US10943170B2/en
Application granted granted Critical
Publication of JP6481667B2 publication Critical patent/JP6481667B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G06N3/065Analogue means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C11/00Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
    • G11C11/54Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using elements simulating biological cells, e.g. neuron
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/004Reading or sensing circuits or methods
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/0069Writing or programming circuits or methods
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/0097Erasing, e.g. resetting, circuits or methods
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0007Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements comprising metal oxide memory material, e.g. perovskites
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/004Reading or sensing circuits or methods
    • G11C2013/005Read using potential difference applied between cell electrodes
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/0069Writing or programming circuits or methods
    • G11C2013/0073Write using bi-directional cell biasing
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/0069Writing or programming circuits or methods
    • G11C2013/0088Write with the simultaneous writing of a plurality of cells
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C13/00Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
    • G11C13/0002Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
    • G11C13/0021Auxiliary circuits
    • G11C13/0069Writing or programming circuits or methods
    • G11C2013/009Write using potential difference applied between cell electrodes
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11CSTATIC STORES
    • G11C2213/00Indexing scheme relating to G11C13/00 for features not covered by this group
    • G11C2213/70Resistive array aspects
    • G11C2213/77Array wherein the memory element being directly connected to the bit lines and word lines without any access device being used

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Neurology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Semiconductor Memories (AREA)

Description

本発明は、記憶素子としてのメモリスタを格子状に結合してなる記憶部を有するニューラルネットワーク回路に関する。
現在、メモリスタと称される、不揮発性でコンダクタンス値を可変できる2端子の素子をシナプスとして用い、ニューラルネットワーク回路を構成する研究が進められている。このようなニューラルネットワーク回路は、例えば図10,非特許文献1のFig.2に示すように、メモリスタを格子状に配置し、メモリスタに電圧を印加して電流を生成する。その合成電流をトランスインピーダンスアンプで電圧に変換し、活性化関数により波形を整形した後に電圧値として出力する。メモリスタがシナプスとして、トランスインピーダンスアンプがニューロンとして動作することで、ニューラルネットワーク回路が構成される。トランスインピーダンスアンプは、メモリスタのコンダクタンス値と印加電圧との積和演算を行う。
図11,非特許文献2のFig.3に示すように、バイポーラ特性を持つメモリスタのコンダクタンス値を小さくするには消去電圧をメモリスタの両端に印加する。そして、変化後のコンダクタスタンス値を測定するため、メモリスタに読出し電圧を印加して電流値を読む。希望のコンダクタンス値になるまで消去電圧を変化させながら、これを繰り返す。また、コンダクタンス値を大きくするには、メモリスタに書込み電圧を印加する。このように、書込み,消去,読出しの組み合わせによって、メモリスタに任意のコンダクタンス値を設定できる。
スイッチやセレクタを持つメモリスタを用いて電圧を印加する構成であれば正確なコンダクタンス値を任意に設定できるが、スイッチやセレクタを持たないメモリスタのみを格子状に配列した構成では、非選択素子のコンダクタンス値に影響を与える「ディスターブ」が問題となる。例えば図12及び図13に示すように、非特許文献3のFig.5,6には、バイポーラ特性を持つメモリスタを書込み及び消去するため、選択素子の両端に電圧Vを印加した際に、非選択素子には電圧V/2,V/3が印加されるようなバイアス方法が提案されている。
非特許文献3のようなバイアス方法は、高抵抗と低抵抗との2値を設定することでデータを記憶するReRAM(Resistive Random Access Memory,登録商標)を構成する場合には有効である。しかしながら、任意の高精度のアナログ値を設定する必要のあるニューラルネットワーク回路では、非選択素子に印加される電圧をより低くすることが望ましい。
本発明は上記事情に鑑みてなされたものであり、その目的は、メモリスタを記憶素子とする記憶部を有するものにおいて、非選択素子に対するディスターブを低減できるニューラルネットワーク回路を提供することにある。
請求項1記載のニューラルネットワーク回路によれば、記憶素子であるメモリスタを格子状に結合してなる記憶部を備える。制御部は、記憶部の選択素子にデータとしての抵抗値を低減させる書き込み,前記抵抗値を増大させる消去及び読み出しを行うため電圧印加部を制御する際に、非選択素子に対するディスターブを低減するように、電圧印加部を介して印加するバイアス電圧をそれぞれ変化させる。このように構成すれば、選択素子に対して書き込み,消去及び読み出しを行う際にそれぞれ印加するバイアス電圧を最適化して、非選択素子に対するディスターブを低減できる。
具体的には、制御部は、データの書き込みを行う際に、選択素子の一端が接続されるラインには電圧(VREF+VSET/2)を、他端が接続されるラインには電圧(VREF−VSET/2)をそれぞれ印加させ、その他のラインの一端側には電圧(VREF−VSET/4)を、他端側には電圧(VREF+VSET/4)をそれぞれ印加させる。
これにより、一端又は他端が選択素子と共通に接続されている非選択素子の両端には電圧VSET/4が印加され、その他の非選択素子の両端には電圧−VSET/2が印加される。すなわち、非選択素子の一部に印加されるバイアス電圧VSET/4は、従来の非特許文献3におけるバイアス電圧よりも低くなるので、ディスターブの影響をより軽減できる。また、その他の非選択素子の一部に印加されるバイアス電圧−VSET/2は反転バイアスとなるため、ディスターブの影響は無視できる。
請求項記載のニューラルネットワーク回路によれば、制御部は、データの消去を行う際に、選択素子の一端が接続されるラインには電圧(VREF−VRESET/2)を、他端が接続されるラインには電圧(VREF+VRESET/2)をそれぞれ印加させ、その他のラインには、それぞれ基準電圧VREFを印加させる。
これにより、一端又は他端が選択素子と共通に接続されている非選択素子の両端にはバイアス電圧−VRESET/2が印加されるが、反転バイアスとなるためディスターブの影響は無視できる。その他の非選択素子の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
請求項記載のニューラルネットワーク回路によれば、制御部は、データの読み出しを行う際に、選択素子の一端が接続されるラインには電圧(VREF−VREAD)を、他端が接続されるラインには基準電圧VREFを印加させ、その他のラインには、それぞれ基準電圧VREFを印加させる。
これにより、一端に電圧(VREF−VREAD)が印加される非選択素子の両端には、選択素子と同じく読出し電圧−VREADが印加されるが、反転バイアスとなるためディスターブの影響は無視できる。その他の非選択素子の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
一実施形態であり、メモリスタの選択素子に書込みを行うためにバイアス電圧を印加する状態を説明する図 選択素子を消去するためにバイアス電圧を印加する状態を説明する図 選択素子より読出しを行うためにバイアス電圧を印加する状態を説明する図 ニューラルネットワーク回路の構成を示す機能ブロック図 選択素子に書込みを行うためバイアス電圧を印加する際の、各スイッチのオンオフ状態を説明する図 極性ビットを持つDACの特性を示す図 各DACに入力するデータの生成状態を示す図 選択素子を消去する際に、各DACに入力するデータの生成状態を示す図 選択素子より読出しを行うためバイアス電圧を印加する際の、各スイッチのオンオフ状態を説明する図 非特許文献1のFig.2を示す図 非特許文献2のFig.3を示す図 非特許文献3のFig.5を示す図 非特許文献3のFig.6を示す図
以下、一実施形態について説明する。先ず、本実施形態がメモリスタに対して書込み,消去及び読出しを行う際にバイアス電圧を印加する動作の概要を説明する。図1から図3に示すように、ここでは3×3の、クロスバーとも称するメモリスタアレイを一例とする。行方向に並ぶラインR〜Rと、列方向に並ぶラインC〜Cとは、互いに交差するように配置されている。記憶素子としてのメモリスタG11〜G33は、各ラインが交差する格子点に対応して配置され、その一端がラインC〜Cに接続され、他端がラインR〜Rに接続されている。本実施形態では、ラインC側を一端側,ラインR側を他端側と称することがある。また、本実施形態で使用するメモリスタは、バイポーラ特性を有する可変抵抗素子を前提とする。
図1に示すように、破線で囲んだメモリスタG11を選択素子として書込み,セットを行うため、その両端に書込み電圧VSETを正転バイアスとして印加する。この場合、基準電圧をVREFとすると、ラインC,Rに、それぞれ以下の電圧を印加する。
ラインC:VREF+VSET/2
ラインR:VREF−VSET/2
そして、ラインC,Rを除くラインC及びC,R及びRには、それぞれ以下の電圧を印加する。
ラインC及びC:VREF−VSET/4
ラインR及びR:VREF+VSET/4
これにより、一端がメモリスタG11とラインCを介して共通に接続されている非選択素子のメモリスタG12,G13の両端には、電圧VSET/4が印加される。また、他端がメモリスタG11とラインRを介して共通に接続されている非選択素子のメモリスタG21,G31の両端にも、同じく電圧VSET/4が印加される。その他の非選択素子であるメモリスタG22,G23,G32,G33の両端には、電圧−VSET/2が印加される。
すなわち、非選択素子の一部に印加されるバイアス電圧VSET/4は、従来の非特許文献3におけるバイアス電圧よりも低くなるので、ディスターブの影響をより軽減できる。また、その他の非選択素子の一部に印加されるバイアス電圧−VSET/2は反転バイアスとなるため、ディスターブの影響は無視できる。その詳細な理論については、下記の非特許文献4に開示されている。
「非特許文献4」:“Phenomenological Modeling of Memristive Devices ”
Applied Physics A, vol.118,pp.770-786,2015
次に図2に示すように、同じくメモリスタG11を選択素子として消去,リセットを行う際には、その両端に消去電圧VRESETを反転バイアスで印加する。そのため、ラインC,Rにそれぞれ以下の電圧を印加する。
ラインC:VREF−VRESET/2
ラインR:VREF+VRESET/2
そして、その他のラインC及びC,R及びRには、それぞれ基準電圧VREFを印加する。
これにより、非選択素子のメモリスタG12,G13,G21,G31の両端にはバイアス電圧−VRESET/2が印加されるが、反転バイアスとなるためディスターブの影響は無視できる。その他の非選択素子であるメモリスタG22,G23,G32,G33の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
次に図3に示すように、同メモリスタG11を選択素子として読出し,リードを行う際には、その両端に読出し電圧VREADを反転バイアスで印加する。そのため、ラインC,Rにそれぞれ以下の電圧を印加する。
ラインC:VREF−VREAD
そして、その他のラインC及びC,R〜Rには、それぞれ基準電圧VREFを印加する。
これにより、非選択素子のメモリスタG12,G13の両端には選択素子と同じく読出し電圧−VREADが印加されるが、反転バイアスとなるためディスターブの影響は無視できる。その他の非選択素子であるメモリスタG21〜G23,G31〜G33の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
次に、上述したように各バイアス電圧を印加するための具体的構成について説明する。図4に示すように、本実施形態のニューラルネットワーク回路1は、図1に示したようにメモリスタを格子状に配置してなるクロスバー2を記憶部として備えている。D/Aコンバータ,DAC3は、書込み制御回路4より入力されるデータに応じたアナログ電圧を出力して、クロスバー2のラインR,Cに印加する。DAC3は電圧印加部に相当する。
クロスバー2のラインRは、トランスインピーダンスアンプ5の入力端子にそれぞれ接続されている。トランスインピーダンスアンプ5は、読出し時にクロスバー2のラインRに流れる電流を電圧に変換してA/Dコンバータ,ADC6に入力する。ADC6は、入力電圧をデジタルデータに変換し、書込み制御回路4に入力する。トランスインピーダンスアンプ5はI/V変換増幅回路に相当する。
書込み制御回路4は、ニューラルネットワーク回路1の外部にあるマイクロコンピュータ,マイコン又は外部制御回路7に接続されている。マイコン7は、クロスバー2に印加するバイアス電圧を制御するため、クロスバー2のアドレスとコンダクタンス値とを書込み制御回路4に入力する。書込み制御回路4は、アドレスに対応した印加電圧のデータをDAC3に入力し、アドレスに対応した制御信号をトランスインピーダンスアンプ5に送信する。
書込み制御回路4は、データの書込み及び消去時はADC6を動作させず、読出し時のみアドレスに対応したADC6を動作させてデータを読み出す。そして、書込み制御回路4は、読出したADC6のデータとマイコン7より入力されたコンダクタンス値とを比較して、両者が一致しない場合又は許容誤差内にない場合は、書込み電圧VSET,消去電圧VRSETを増加させて再度書込み,消去,読出しを行う。
また、書込み制御回路4は、上記比較の結果、両者が一致する場合又は許容誤差内にある場合は、マイコン7に与える誤差出力フラグを反転させる。マイコン7は、誤差出力フラグが反転されたことを認識すると、次のアドレスとコンダクタンス値とを書込み制御回路4に送信する。尚、マイコン7は、ニューラルネットワーク回路1に含まれていても良い。
次に、本実施形態の作用について説明する。先ず書込み時の動作について説明する。図5に示すように、クロスバー2は、図1等と同様に3×3のメモリスタアレイとし、選択素子はメモリスタG11とする。ラインC〜Cには、それぞれDAC3の一部であるDAC〜DACの出力端子が接続されている。ラインR〜Rは、トランスインピーダンスアンプ5の一部であるアンプIV〜IVの反転入力端子に接続されている。アンプIV〜IVの非反転入力端子は、スイッチSW,SW及びラインC,Cを介して、同じくDAC3の一部であるDAC,DACの出力端子にそれぞれ接続されている。アンプIV〜IVの非反転入力端子と出力端子との間には、帰還抵抗R及びスイッチSWの並列回路が接続されている。
メモリスタG11に書込み電圧VSETを印加する場合は、各アンプIV〜IVの帰還抵抗Rを何れもスイッチSWにより短絡することで、これらをボルテージフォロワとして動作させる。そして、ラインRの電圧をDACの出力電圧VWaに設定するため、アンプIVのスイッチSWを短絡し,スイッチSWを開放する。また、ラインR及びRの電圧をDACの出力電圧VWbに設定するため、その他のアンプIV,IVのスイッチSWは開放し,スイッチSWは短絡する。
この状態で、DACの出力電圧VWaを(VREF−VSET/2)に設定し、DACの出力電圧VWbを(VREF+VSET/4)に設定することで、図1に示したように書き込み時に対応した各バイアス電圧を印加する。
図6に示すように、DAC3は、MSB(Most Significant Bit)に極性ビットを含む5ビット構成とする。そして、4ビットデータ「0000」で基準電圧VREFを出力し、データ「1000」で書込み電圧VSETを出力する場合、図1に示した書込み時に印加する各バイアス電圧は、図7に示すように、DAC3に入力するデータを何れもバレルシフトするだけで生成できる。すなわち、
+VSET/2 → 「10100」
−VSET/2 → 「00100」
+VSET/4 → 「10010」
−VSET/4 → 「00010」
となる。
したがって、DAC〜DAC,DAC,DACに入力するデータは、それぞれ以下のようになる。
DAC ← 「10100」
DAC ← 「00010」
DAC ← 「00010」
DAC ← 「00100」
DAC ← 「10010」
次に、消去時の動作について説明する。スイッチSW及びSWのオンオフ設定は、図5と同様になる。図8に示すように、4ビットデータ「0000」で基準電圧VREFを出力し、データ「1100」で消去電圧VRESETを出力する場合、図2に示した消去時に印加する各バイアス電圧も、DAC3に入力するデータを何れもバレルシフトするだけで生成できる。すなわち、
+VSET/2 → 「10110」
−VSET/2 → 「00110」
となる。
したがって、DAC〜DAC,DAC,DACに入力するデータは、それぞれ以下のようになる。
DAC ← 「00110」
DAC ← 「10000」
DAC ← 「10000」
DAC ← 「10110」
DAC ← 「10000」
次に、読出し時の動作について説明する。読出しは、選択素子について書込みや消去を行った後に、コンダクタンス値が所期の値となっているかを確認するために行う。したがって、図9に示すように、各アンプIV〜IVのスイッチSWを何れもより開放することで、これらをトランスインピーダンスアンプとして動作させる。そして、スイッチSWは何れも開放し,スイッチSWは何れも短絡する。
この状態で、DACの出力電圧V11を(VREF−VREAD)に設定し、その他のDACの出力電圧は何れも基準電圧VREFに設定することで、図3に示したように読出し時に対応した各バイアス電圧を印加する。
以上のように本実施形態によれば、ニューラルネットワーク回路1に、メモリスタG11〜G33を格子状に結合してなる記憶部であるクロスバー2を備える。書込み制御回路4は、クロスバー2の選択素子にデータとしての抵抗値を低減させる,つまりコンダクタンス値を増大させる書き込み,前記抵抗値を増大させる,つまりコンダクタンス値を低減させる消去及び読み出しを行うためDAC3を制御する際に、非選択素子に対するディスターブを低減するように、DAC3を介して印加するバイアス電圧をそれぞれ変化させる。このように構成すれば、選択素子に対して書き込み,消去及び読み出しを行う際にそれぞれ印加するバイアス電圧を最適化して、非選択素子に対するディスターブを低減できる。
具体的には、書込み制御回路4は、データの書き込みを行う際に、選択素子G11の一端が接続されるラインCには電圧(VREF+VSET/2)を、他端が接続されるラインRには電圧(VREF−VSET/2)をそれぞれ印加させ、その他のラインC,Cには電圧(VREF−VSET/4)を、ラインR,Rには電圧(VREF+VSET/4)をそれぞれ印加させる。
これにより、非選択素子G12,G13,G21,G31の両端には電圧VSET/4が印加され、非選択素子G22,G23,G32,G33の両端には電圧−VSET/2が印加される。バイアス電圧VSET/4は、従来の非特許文献3におけるバイアス電圧よりも低くなり、ディスターブの影響をより軽減できる。また、バイアス電圧−VSET/2は反転バイアスとなるためディスターブの影響は無視できる。
また、書込み制御回路4は、データの消去を行う際に、選択素子G11の一端が接続されるラインCには電圧(VREF−VRESET/2)を、他端が接続されるラインRには電圧(VREF+VRESET/2)をそれぞれ印加させ、その他のラインにはそれぞれ基準電圧VREFを印加させる。
これにより、一非選択素子G12,G13,G21,G31の両端には、バイアス電圧−VRESET/2が印加されるが、反転バイアスとなるためディスターブの影響は無視できる。そして、非選択素子G22,G23,G32,G33の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
また、書込み制御回路4は、データの読み出しを行う際に、選択素子G11の一端が接続されるラインCには電圧(VREF−VREAD)を、他端が接続されるラインRには基準電圧VREFを印加させ、その他のラインにはそれぞれ基準電圧VREFを印加させる。これにより、非選択素子G12,G13の両端には、選択素子G11と同じく読出し電圧−VREADが印加されるが、反転バイアスとなるためディスターブの影響は無視できる。その他の非選択素子G21〜G23,G31〜G33の両端にはバイアス電圧が印加されないので、ディスターブは発生しない。
そして、書込み制御回路4は、クロスバー2にバイアス電圧を印加する際に、トランスインピーダンスアンプ5が有している帰還抵抗Rをスイッチ回路SWにより短絡してボルテージフォロワとして動作させるので、データの読み出しを行うためのトランスインピーダンスアンプ5を利用してラインR〜Rにバイアス電圧を印加することができ、ニューラルネットワーク回路1を小型に構成できる。
加えて、書込み制御回路4は、データの書込み及び消去を行う際に、DAC3に入力するデータをバレルシフトさせてバイアス電圧を生成するので、簡単な処理でバイアス電圧を生成できる。
(その他の実施形態)
DACのビット数は、個別の設計に応じて適宜変更すれば良い。
各バイアス電圧は、必ずしもDAC3により生成する必要はなく、個別の電圧出力回路を用いても良い。
本発明のいくつかの実施形態を説明したが、これらの実施形態は例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これらの実施形態やその変形は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
図面中、1はニューラルネットワーク回路、2はクロスバー、3はD/Aコンバータ、4は書込み制御回路、5はトランスインピーダンスアンプ、6はA/Dコンバータ、7はマイクロコンピュータ、G11〜G33はメモリスタを示す。

Claims (5)

  1. バイポーラ特性を有する可変抵抗素子であるメモリスタ(G11〜G33)を記憶素子として、前記記憶素子を格子状に結合してなる記憶部(2)と、
    この記憶部にバイアス電圧を印加する電圧印加部(3)と、
    前記記憶部にデータとしての抵抗値を低減させる書き込み,前記抵抗値を増大させる消去及び読み出しを行うため、前記電圧印加部を制御する制御部(4)と、
    前記メモリスタを介して流れる電流を電圧に変換して出力する複数のI/V変換増幅回路(5)とを備え、
    前記制御部は、前記記憶部の選択素子にデータの書き込み,消去及び読み出しを行う際に、非選択素子に対するディスターブを低減するように、前記電圧印加部を介して印加するバイアス電圧をそれぞれ変化させ
    前記データの書き込みを行う際に、基準電圧をV REF ,書き込み電圧をV SET とすると、
    選択素子の一端が接続されるラインには電圧(V REF +V SET /2)を、他端が接続されるラインには電圧(V REF −V SET /2)をそれぞれ印加させ、
    その他のラインの一端側には電圧(V REF −V SET /4)を、他端側には電圧(V REF +V SET /4)をそれぞれ印加させるニューラルネットワーク回路。
  2. 前記制御部は、前記データの消去を行う際に、基準電圧をVREF,消去電圧をVRESETとすると、
    選択素子の一端が接続されるラインには電圧(VREF−VRESET/2)を、他端が接続されるラインには電圧(VREF+VRESET/2)をそれぞれ印加させ、
    その他のラインには、それぞれ基準電圧VREFを印加させる請求項1記載のニューラルネットワーク回路。
  3. 前記制御部は、前記記憶部にバイアス電圧を印加する際に、前記I/V変換増幅回路が有している帰還抵抗(Rf)を短絡することで、ボルテージフォロワとして動作させる請求項1又は2記載のニューラルネットワーク回路。
  4. 前記電圧印加部は、入力データ中の1ビットにより出力電圧の極性が設定可能であるD/Aコンバータで構成され、
    前記制御部は、前記D/Aコンバータに入力するデータをバレルシフトさせて前記バイアス電圧を生成する請求1からの何れか一項に記載のニューラルネットワーク回路。
  5. 前記制御部は、前記データの読み出しを行う際に、基準電圧をVREF,読み出し電圧をVREADとすると、
    選択素子の一端が接続されるラインには電圧(VREF−VREAD)を、他端が接続されるラインには基準電圧VREFを印加させ、
    その他のラインには、それぞれ基準電圧VREFを印加させる請求項1からの何れか一項に記載のニューラルネットワーク回路。
JP2016142445A 2016-07-20 2016-07-20 ニューラルネットワーク回路 Active JP6481667B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016142445A JP6481667B2 (ja) 2016-07-20 2016-07-20 ニューラルネットワーク回路
PCT/JP2017/019370 WO2018016176A1 (ja) 2016-07-20 2017-05-24 ニューラルネットワーク回路
US16/249,190 US10943170B2 (en) 2016-07-20 2019-01-16 Neural network circuit

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016142445A JP6481667B2 (ja) 2016-07-20 2016-07-20 ニューラルネットワーク回路

Publications (3)

Publication Number Publication Date
JP2018014152A JP2018014152A (ja) 2018-01-25
JP2018014152A5 JP2018014152A5 (ja) 2018-09-06
JP6481667B2 true JP6481667B2 (ja) 2019-03-13

Family

ID=60992019

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016142445A Active JP6481667B2 (ja) 2016-07-20 2016-07-20 ニューラルネットワーク回路

Country Status (3)

Country Link
US (1) US10943170B2 (ja)
JP (1) JP6481667B2 (ja)
WO (1) WO2018016176A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11514970B2 (en) 2021-02-17 2022-11-29 Kioxia Corporation Memory device and method having a control circuit configured to acquire information on a state of a control target, causes the control target to execute a read and write operation based on the state

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6756287B2 (ja) * 2017-03-24 2020-09-16 株式会社デンソー ニューラルネットワーク回路
JP6724870B2 (ja) 2017-06-19 2020-07-15 株式会社デンソー 人工ニューラルネットワーク回路の訓練方法、訓練プログラム、及び訓練装置
WO2019012533A1 (en) * 2017-07-11 2019-01-17 Technion Research & Development Foundation Limited RECONFIGURABLE DAC IMPLEMENTED BY A NEURONAL NETWORK BASED ON A MEMORIST
JP6996411B2 (ja) * 2018-04-25 2022-01-17 株式会社デンソー ニューラルネットワーク回路
JP7124498B2 (ja) * 2018-07-06 2022-08-24 株式会社デンソー ニューラルネットワーク回路
US11403518B2 (en) * 2018-04-25 2022-08-02 Denso Corporation Neural network circuit
JP6896678B2 (ja) * 2018-07-02 2021-06-30 株式会社東芝 強化学習システム
JP7070190B2 (ja) * 2018-07-18 2022-05-18 株式会社デンソー ニューラルネットワーク回路
CN109086870B (zh) * 2018-07-27 2019-05-31 重庆因普乐科技有限公司 一种基于忆阻器的三维卷积神经网络实现方法
DE102018213147A1 (de) * 2018-08-07 2020-02-13 Robert Bosch Gmbh Auffrischen von mittels Memristoren gespeicherten Daten
CN109800729B (zh) * 2019-01-28 2020-12-08 清华大学 信号处理装置及信号处理方法
JP6818116B1 (ja) * 2019-11-22 2021-01-20 ウィンボンド エレクトロニクス コーポレーション クロスバーアレイを用いた電子装置およびデータ処理方法
JP6899024B1 (ja) * 2020-06-11 2021-07-07 ウィンボンド エレクトロニクス コーポレーション 抵抗変化型シナプスアレイ装置
JP7150787B2 (ja) 2020-07-31 2022-10-11 ウィンボンド エレクトロニクス コーポレーション 抵抗変化型クロスバーアレイ装置
US11388356B1 (en) * 2021-04-12 2022-07-12 Tetramem Inc. AI fusion pixel sensor using memristors
US12106804B2 (en) 2022-10-11 2024-10-01 Globalfoundries U.S. Inc. Partitioned memory architecture with dual resistor memory elements for in-memory serial processing
US20240119974A1 (en) * 2022-10-11 2024-04-11 Globalfoundries U.S. Inc. Calibration methods and structures for partitioned memory architecture with single resistor or dual resistor memory elements

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW411471B (en) * 1997-09-17 2000-11-11 Siemens Ag Memory-cell device
JP4313372B2 (ja) 2005-05-11 2009-08-12 シャープ株式会社 不揮発性半導体記憶装置
JP4496238B2 (ja) 2007-06-04 2010-07-07 株式会社東芝 不揮発性メモリ装置
JP5160304B2 (ja) * 2008-05-22 2013-03-13 シャープ株式会社 抵抗変化型可変抵抗素子を備えた積演算装置、及び積和演算装置、これらの装置を各ニューロン素子に備えるニューラルネットワーク、並びに積演算方法
US8416604B2 (en) * 2010-01-26 2013-04-09 Industrial Cooperation Foundation Chonbuk National University Method of implementing memristor-based multilevel memory using reference resistor array
US8416609B2 (en) * 2010-02-15 2013-04-09 Micron Technology, Inc. Cross-point memory cells, non-volatile memory arrays, methods of reading a memory cell, methods of programming a memory cell, methods of writing to and reading from a memory cell, and computer systems
JP2013004143A (ja) * 2011-06-16 2013-01-07 Toshiba Corp 不揮発性半導体記憶装置
FR2977351B1 (fr) * 2011-06-30 2013-07-19 Commissariat Energie Atomique Methode d'apprentissage non supervise dans un reseau de neurones artificiel a base de nano-dispositifs memristifs et reseau de neurones artificiel mettant en oeuvre la methode.

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11514970B2 (en) 2021-02-17 2022-11-29 Kioxia Corporation Memory device and method having a control circuit configured to acquire information on a state of a control target, causes the control target to execute a read and write operation based on the state

Also Published As

Publication number Publication date
US20190147330A1 (en) 2019-05-16
US10943170B2 (en) 2021-03-09
JP2018014152A (ja) 2018-01-25
WO2018016176A1 (ja) 2018-01-25

Similar Documents

Publication Publication Date Title
JP6481667B2 (ja) ニューラルネットワーク回路
US10305457B2 (en) Voltage trimming circuit and integrated circuit including the voltage trimming circuit
US11157803B2 (en) Neuromorphic device including a synapse having a variable resistor and a transistor connected in parallel with each other
JP6756287B2 (ja) ニューラルネットワーク回路
JP2018014152A5 (ja)
CN110797062B (zh) 忆阻器的读写电路及读写方法
KR20000033906A (ko) 다중비트 메모리셀의 데이터 센싱장치
US11227211B2 (en) Neuromorphic device including a synapse having a plurality of synapse cells
CN113325909A (zh) 运用于二进制类神经网络系统的乘积累加电路
KR102497616B1 (ko) 메모리 내 데이터 판독을 위한 디바이스 및 방법
US9548114B2 (en) Resistive semiconductor memory capable of performing incremental step pulse programming (ISPP) based on digital code values of memory cells
CN109584932A (zh) 记忆体装置及其操作方法
US9230616B2 (en) Memory devices, memory device operational methods, and memory device implementation methods
CN114765044A (zh) 用于存储器内运算的存储器装置及数据权重状态判断方法
Daoud et al. A high precision write/read circuits for memristors using digital input/output interfaces
CN110445489B (zh) 一种数位比较电路及其操作方法
US11017286B2 (en) Neuromorphic device including a synapse having a variable resistor and a transistor connected in parallel with each other
US11244723B1 (en) Device for high dimensional encoding
KR102084053B1 (ko) 멀티 레벨의 컨덕턴스를 가지는 뉴로모픽 시냅스 장치 및 이의 동작 방법
Wang et al. Design of a multi-state memristive memory
JP2010219316A (ja) 電圧制御回路
US11437101B2 (en) Resistive memory storage apparatus and operating method thereof
KR101905746B1 (ko) 멀티 레벨 메모리 장치 및 그의 데이터 센싱 방법
JP5950647B2 (ja) 基準電圧回路
CN113921059B (zh) 纵横式数组装置及其写入方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180725

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180725

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190115

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190128

R151 Written notification of patent or utility model registration

Ref document number: 6481667

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250