JP7482071B2 - 記憶装置およびニューラルネットワーク装置 - Google Patents
記憶装置およびニューラルネットワーク装置 Download PDFInfo
- Publication number
- JP7482071B2 JP7482071B2 JP2021042835A JP2021042835A JP7482071B2 JP 7482071 B2 JP7482071 B2 JP 7482071B2 JP 2021042835 A JP2021042835 A JP 2021042835A JP 2021042835 A JP2021042835 A JP 2021042835A JP 7482071 B2 JP7482071 B2 JP 7482071B2
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- storage circuit
- storage
- amount
- update
- 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
Links
- 238000013528 artificial neural network Methods 0.000 title claims description 39
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 34
- 239000003990 capacitor Substances 0.000 claims description 30
- 238000012546 transfer Methods 0.000 claims description 30
- 230000003247 decreasing effect Effects 0.000 claims description 26
- 210000002569 neuron Anatomy 0.000 claims description 17
- 210000000225 synapse Anatomy 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000003956 synaptic plasticity Effects 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 44
- 238000010586 diagram Methods 0.000 description 34
- 230000008859 change Effects 0.000 description 14
- 238000009825 accumulation Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 4
- 230000000946 synaptic effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229910018119 Li 3 PO 4 Inorganic materials 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910012851 LiCoO 2 Inorganic materials 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical group [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910000625 lithium cobalt oxide Inorganic materials 0.000 description 1
- BFZPBUKRYWOWDV-UHFFFAOYSA-N lithium;oxido(oxo)cobalt Chemical group [Li+].[O-][Co]=O BFZPBUKRYWOWDV-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C11/00—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor
- G11C11/54—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using elements simulating biological cells, e.g. neuron
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11C—STATIC STORES
- G11C13/00—Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00
- G11C13/0002—Digital stores characterised by the use of storage elements not covered by groups G11C11/00, G11C23/00, or G11C25/00 using resistive RAM [RRAM] elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Description
図17は、積和演算回路30のハードウェア構成を示す図である。積和演算回路30は、正側電流源132と、負側電流源134と、比較部136と、M個のクロススイッチ138と、M個のセル140とを備える。
14 演算回路
16 推論重み記憶回路
20 学習重み記憶回路
22 学習制御回路
40 記憶装置
42 第1蓄積回路
44 第2蓄積回路
46 更新回路
48 出力回路
50 制御回路
56 第1スイッチ回路
58 第2スイッチ回路
70 コンパレータ
72 第3スイッチ回路
74 第4スイッチ回路
92 第1二次電池
94 第2二次電池
96 第1保存制御回路
98 第2保存制御回路
Claims (16)
- ニューラルネットワークの演算に用いる重みを記憶する記憶装置であって、
電荷を蓄積する第1蓄積回路と、
電荷を蓄積する第2蓄積回路と、
前記重みを更新するための更新量に応じて、前記第1蓄積回路に蓄積された電荷量と前記第2蓄積回路に蓄積された電荷量との差を変化させる更新回路と、
前記第1蓄積回路に蓄積された電荷量と、前記第2蓄積回路に蓄積された電荷量の差に応じた信号を、前記重みを表す出力信号として出力する出力回路と、
を備え、
前記更新回路は、
前記更新量が正である場合、前記第1蓄積回路に蓄積された電荷を、増加方向または減少方向のうちの一方である第1方向に、前記更新量の絶対値に応じた電荷量分変化させ、
前記更新量が負である場合、前記第2蓄積回路に蓄積された電荷を前記第1方向に、前記更新量の絶対値に応じた量分変化させる
記憶装置。 - 前記第1蓄積回路および前記第2蓄積回路のそれぞれは、同一特性のキャパシタである
請求項1に記載の記憶装置。 - 前記第1蓄積回路および前記第2蓄積回路のそれぞれは、同一特性の二次電池である
請求項1に記載の記憶装置。 - 前記更新回路は、前記更新量の絶対値に応じた時間、予め設定された電流を、前記第1蓄積回路または前記第2蓄積回路に対して供給または放出させる
請求項1から3の何れか1項に記載の記憶装置。 - 前記更新回路は、予め設定された容量の転送用キャパシタを用いて前記更新量の絶対値に応じた回数分の電荷を、前記第1蓄積回路または前記第2蓄積回路に対して供給または放出させる
請求項1から3の何れか1項に記載の記憶装置。 - 初期化時において、前記第1蓄積回路および前記第2蓄積回路のそれぞれに対して、予め設定された量またはランダムな量の電荷を蓄積させる制御回路をさらに備える
請求項1から3の何れか1項に記載の記憶装置。 - 前記制御回路は、学習期間中において、前記第1蓄積回路に蓄積された電荷および前記第2蓄積回路に蓄積された電荷のそれぞれを、予め設定された量分、増加方向または減少方向のうちの前記第1方向とは異なる第2方向に変化させる
請求項6に記載の記憶装置。 - 前記更新回路は、
前記第1蓄積回路の一方の端子と第1電位との間を導通または切断する第1スイッチ回路と、
前記第2蓄積回路の一方の端子と前記第1電位との間を導通または切断する第2スイッチ回路と、
を有し、
前記更新回路は、
前記更新量が正である場合、前記第1スイッチ回路を前記更新量の絶対値に応じた時間分、導通させて、前記第2スイッチ回路を切断し、
前記更新量が負である場合、前記第2スイッチ回路を前記更新量の絶対値に応じた時間分、導通させて、前記第1スイッチ回路を切断する
請求項6または7に記載の記憶装置。 - 前記制御回路は、
前記第1蓄積回路の一方の端子と前記第1電位とは異なる第2電位との間を導通または切断する第3スイッチ回路と、
前記第2蓄積回路の一方の端子と前記第2電位との間を導通または切断する第4スイッチ回路と、
を有し、
前記制御回路は、初期化時において、前記第3スイッチ回路および前記第4スイッチ回路のそれぞれを、予め設定された時間またはランダムな時間分、導通させる
請求項8に記載の記憶装置。 - 前記出力回路は、前記第1蓄積回路の電圧と前記第2蓄積回路の電圧との電位差に応じた出力信号を出力する
請求項1から9の何れか1項に記載の記憶装置。 - 第1二次電池と、
第2二次電池と、
第1保存制御回路と、
第2保存制御回路と、
をさらに備え、
前記第1蓄積回路および前記第2蓄積回路は、同一特性のキャパシタであり、
前記第1保存制御回路は、セーブ指示を受けた場合、前記第1蓄積回路に蓄積された電荷を前記第1二次電池に転送させ、ロード指示を受けた場合、前記第1二次電池に蓄積された電荷を前記第1蓄積回路に転送させ、
前記第2保存制御回路は、前記セーブ指示を受けた場合、前記第2蓄積回路に蓄積された電荷を前記第2二次電池に転送させ、前記ロード指示を受けた場合、前記第2二次電池に蓄積された電荷を前記第2蓄積回路に転送させる
請求項1または2に記載の記憶装置。 - ニューラルネットワークを用いた脳型プロセッサにおけるシナプス回路に設定される重みを記憶する記憶装置であって、
電荷を蓄積する第1蓄積回路と、
電荷を蓄積する第2蓄積回路と、
前記第1蓄積回路に蓄積された電荷量と前記第2蓄積回路に蓄積された電荷量との差を変化させる更新回路と、
前記第1蓄積回路に蓄積された電荷量と、前記第2蓄積回路に蓄積された電荷量の差に応じた信号を、前記重みを表す出力信号として出力する出力回路と、
を備え、
前記更新回路は、
スパイクタイミング依存シナプス可塑性学習におけるプレスパイク、ポストスパイクおよび教師信号を受け取り、
前記教師信号が第1論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、増加方向または減少方向のうちの一方である第1方向に、前記第1蓄積回路に所定の電流を流し、
前記教師信号が第2論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、前記第2蓄積回路に所定値の電流を流し、
前記教師信号は、前記ニューラルネットワークに入力信号が与えられていることを表す2値の信号であり、
前記プレスパイクは、前記シナプス回路の前段に接続された前段ニューロンが発火したことを示す信号であり、
前記ポストスパイクは、前記シナプス回路の後段に接続された後段ニューロンが発火したことを示す信号である
記憶装置。 - 前記教師信号が第1論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、前記第1蓄積回路から所定値の電流を放出し、
前記教師信号が第2論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、前記第2蓄積回路から所定値の電流を放出する
請求項12に記載の記憶装置。 - 前記教師信号が第1論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、前記第1蓄積回路に所定値の電流を供給し、
前記教師信号が第2論理、前記プレスパイクが第1論理かつ前記ポストスパイクが第1論理の期間、前記第2蓄積回路に所定値の電流を供給する
請求項12に記載の記憶装置。 - ニューラルネットワークに従った演算処理を実行する演算回路と、
前記演算回路による前記ニューラルネットワークに従った前記演算処理において用いられる複数の推論重みを記憶する推論重み記憶回路と、
前記ニューラルネットワークの学習処理において、前記複数の推論重みに対応する、複数の重みを記憶する学習重み記憶回路と、
前記学習処理において、前記演算回路による演算結果に基づき、前記学習重み記憶回路に記憶された前記複数の重みのそれぞれを更新させ、前記学習処理の後において、前記学習重み記憶回路に記憶された前記複数の重みに対応する複数の値を、前記複数の推論重みとして前記推論重み記憶回路に記憶させる学習制御回路と、
を備え、
前記学習重み記憶回路は、複数の重みに対応する複数の記憶装置を有し、
前記複数の重みのそれぞれは、前記複数の記憶装置の何れかに対応し、
前記複数の記憶装置のそれぞれは、
電荷を蓄積する第1蓄積回路と、
電荷を蓄積する第2蓄積回路と、
前記複数の重みのうちの対応する重みを更新するための更新量に応じて、前記第1蓄積回路に蓄積された電荷量と前記第2蓄積回路に蓄積された電荷量との差を変化させる更新回路と、
前記第1蓄積回路に蓄積された電荷量と、前記第2蓄積回路に蓄積された電荷量の差に応じた信号を、前記対応する重みを表す出力信号として出力する出力回路と、
を備え、
前記更新回路は、
前記更新量が正である場合、前記第1蓄積回路に蓄積された電荷を、増加方向または減少方向のうちの一方である第1方向に、前記更新量の絶対値に応じた電荷量分変化させ、
前記更新量が負である場合、前記第2蓄積回路に蓄積された電荷を前記第1方向に、前記更新量の絶対値に応じた量分変化させる
ニューラルネットワーク装置。 - 前記複数の記憶装置は、
行列状に配置され、
スパイクタイミング依存シナプス可塑性学習におけるプレスパイクまたはポストスパイクのうちの一方である第1スパイク信号が、行方向に並んだ2以上の記憶装置に対して共通のラインを介して与えられ、
前記プレスパイクまたは前記ポストスパイクのうちの前記第1スパイク信号ではない他方である第2スパイク信号が、列方向に並んだ2以上の記憶装置に対して共通のラインを介して与えられる
請求項15に記載のニューラルネットワーク装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021042835A JP7482071B2 (ja) | 2021-03-16 | 2021-03-16 | 記憶装置およびニューラルネットワーク装置 |
US17/461,440 US20220300792A1 (en) | 2021-03-16 | 2021-08-30 | Memory device and neural network apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021042835A JP7482071B2 (ja) | 2021-03-16 | 2021-03-16 | 記憶装置およびニューラルネットワーク装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022142604A JP2022142604A (ja) | 2022-09-30 |
JP7482071B2 true JP7482071B2 (ja) | 2024-05-13 |
Family
ID=83283707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021042835A Active JP7482071B2 (ja) | 2021-03-16 | 2021-03-16 | 記憶装置およびニューラルネットワーク装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220300792A1 (ja) |
JP (1) | JP7482071B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018156575A (ja) | 2017-03-21 | 2018-10-04 | 東芝メモリ株式会社 | 半導体記憶装置 |
US20180330236A1 (en) | 2017-05-11 | 2018-11-15 | National Chiao Tung University | Neural network processing system |
-
2021
- 2021-03-16 JP JP2021042835A patent/JP7482071B2/ja active Active
- 2021-08-30 US US17/461,440 patent/US20220300792A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018156575A (ja) | 2017-03-21 | 2018-10-04 | 東芝メモリ株式会社 | 半導体記憶装置 |
US20180330236A1 (en) | 2017-05-11 | 2018-11-15 | National Chiao Tung University | Neural network processing system |
Non-Patent Citations (1)
Title |
---|
米津 宏雄,"生体情報処理とニューロシステム",電子情報通信学会誌,社団法人電子情報通信学会,1992年,第75巻, 第4号,pp. 350-355,ISSN 0913-5693 |
Also Published As
Publication number | Publication date |
---|---|
JP2022142604A (ja) | 2022-09-30 |
US20220300792A1 (en) | 2022-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3742351A1 (en) | Control circuit for multiply accumulate circuit of neural network system | |
EP3789870B1 (en) | Method and computing device with a multiplier-accumulator circuit | |
Prezioso et al. | Modeling and implementation of firing-rate neuromorphic-network classifiers with bilayer Pt/Al2O3/TiO2− x/Pt memristors | |
US5264734A (en) | Difference calculating neural network utilizing switched capacitors | |
JP2021507349A (ja) | 抵抗処理ユニット・アレイのクロスポイント・デバイスに重みを記憶するための方法、そのクロスポイント・デバイス、ニューラル・ネットワークを実施するためのクロスポイント・アレイ、そのシステム、およびニューラル・ネットワークを実施するための方法 | |
US20230297839A1 (en) | Deep learning in bipartite memristive networks | |
JPH03250244A (ja) | 情報処理装置 | |
KR20190107143A (ko) | 혼합-신호 연산 시스템 및 방법 | |
WO1995015580A1 (fr) | Dispositif a semi-conducteurs | |
CN113314163A (zh) | 存储器器件、计算器件以及计算方法 | |
TWI803889B (zh) | 運算裝置及運算方法 | |
WO2019096660A1 (en) | Competitive machine learning accuracy on neuromorphic arrays with capacitor memory devices | |
JP2020068048A (ja) | 人工ニューラルネットワーク回路及び人工ニューラルネットワーク回路における学習値切替方法 | |
US20200210822A1 (en) | Multibit Neural Network | |
JP7482071B2 (ja) | 記憶装置およびニューラルネットワーク装置 | |
US5329610A (en) | Neural network employing absolute value calculating synapse | |
Marukame et al. | Proposal, analysis and demonstration of Analog/Digital-mixed Neural Networks based on memristive device arrays | |
Asghar et al. | Current multiplier based synapse and neuron circuits for compact SNN chip | |
US5386149A (en) | Data synapse expressing unit capable of refreshing stored synapse load | |
CN109784482B (zh) | 类神经计算系统及其电流估计方法 | |
US20220083845A1 (en) | Arithmetic device and neural network device | |
CN110729010B (zh) | 半导体电路及其操作方法 | |
JP2022008142A (ja) | 回路を利用して所定の演算を遂行する装置及び方法 | |
US20030220889A1 (en) | Analog accumulator for neural networks | |
US20240028297A1 (en) | Semiconductor device performing a multiplication and accumulation operation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240131 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7482071 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |