KR102503403B1

KR102503403B1 - 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크

Info

Publication number: KR102503403B1
Application number: KR1020200003243A
Authority: KR
Inventors: 유인경; 황현상
Original assignee: 포항공과대학교 산학협력단
Priority date: 2020-01-09
Filing date: 2020-01-09
Publication date: 2023-02-23
Also published as: KR20210089989A

Abstract

본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 제1 워드 라인, 출력 라인, 및 제2 트랜지스터와 연결되는 제1 트랜지스터와, 제2 워드 라인, 입력 라인, 및 제1 트랜지스터와 연결되는 제2 트랜지스터와, 입력 라인과 제2 트랜지스터 사이에 위치하는 다이오드를 포함하되, 출력 라인은 출력과 연결되고 입력 라인은 입력과 연결된다.

Description

컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크{PSEUDO VECTOR MATRIX MULTIPLICATION NEURAL NETWORK BY CONTROLLING WEIGHTS WITH CONDUCTANCE AND PUSE WIDTH}

본 발명은 뉴럴 네트워크에 관한 것으로서, 보다 상세하게는 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크에 관한 것이다.

모바일용 뉴럴 프로세서는 학습을 서버나 컴퓨터로 수행하고 학습결과를 모바일 뉴럴 프로세서에 저장하여 추론(inference)을 수행한다. 이 때 뉴럴 프로세서의 가중치에 저장되는 값은 멀티레벨이 되는 것이 바람직하나 멀티레벨 값에 한계가 있어서 학습을 수행한 후 전지 작업(pruning), 데이터 압축 등의 과정을 거쳐 작은 비트폭(small bit-width)화 한 다음 그 값을 모바일 뉴럴 프로세서 가중치로 저장한다. 이 가중치는 불휘발성 메모리 또는 휘발성 메모리에 저장할 수 있다.

서버용으로는 Google의 TPU(Tensor Processing Unit)가 있는데 가중치 값을 DRAM에 저장한 후 페치(fetch)하여 행렬 곱셈부(matrix multiply unit, MMU)로 보낸다. 출력(output) 계산 결과는 DRAM에 저장된 새로운 가중치 값과 함께 다시 행렬 곱셈부 입력(input)으로 보내어 최종 출력(output) 결과가 나올 때까지 순환시킨다.

가중치를 불휘발성 메모리에 저장하여 사용하는 경우에는 추론 속도가 빠른 장점이 있으나 은닉층(hidden layer)을 모두 제작해야 하므로 회로 오버헤드(circuit overhead)가 증가하는 단점이 있다. Google의 TPU같은 경우는 가중치 정보를 뉴럴 네트워크 외부에 저장하고, 동일한 뉴럴 네트위크를 다시 사용하면서 순차적으로 계산하기 때문에 추론 속도는 감소하지만 회로 오버헤드를 줄일 수 있다.

위 기재된 내용은 오직 본 발명의 기술적 사상들에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.

뉴럴네트워크로 데이터를 학습하고 학습한 결과를 이용하여 추론 및 예측등을 수행하기 위해서는 가중치를 조절해야 한다. 가중치 소자를 멀티레벨로 제작한다는 것은 물리적 한계가 있기 때문에, 소프트웨어에서 사용하는 가중치 비트폭(weight bit-width)을 따라갈 수 없다. 예를 들어서 16 비트폭의 멀티레벨, 즉, 65,536 저항 레벨을 갖는 저항 메모리 소재는 현재로서는 구현하기 어렵다. 따라서 가중치 값을 소프트웨어만큼 탄력적으로 입력하면서 행렬 곱셈이 가능한 행렬 곱셈부의 구조와 작동 방법을 고안해야 한다.

가중치를 바꾸기 위해 저항값(혹은 컨덕턴스 값)을 바꾸는 방법으로는 여러가지 저항 값을 갖는 저항체를 제작하여 필요한 저항체를 선택하거나, 동일한 고정 저항 값을 갖는 저항체들을 제작한 후 그룹으로 선택하는 방법이 있다. 이러한 경우에는 회로가 복잡해지기 때문에 circuit overhead가 증가한다. 또한, 은닉층을 필요한 만큼 제작하는 것이 칩(chip) 크기에 제약을 주는 또 하나의 문제가 된다. 따라서 메모리 소재를 가중치로 사용하는 것보다는 트랜지스터를 사용하여 트랜지스터의 채널 컨덕턴스를 멀티레벨화 하거나 트랜지스터에 흐르는 전류를 멀티레벨화 하는 방법을 고안하는 것이 바람직하다.

상기 목적을 달성하기 위하여 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 제1 워드 라인, 출력 라인, 및 제2 트랜지스터와 연결되는 제1 트랜지스터와; 제2 워드 라인, 입력 라인, 및 상기 제1 트랜지스터와 연결되는 제2 트랜지스터와; 상기 입력 라인과 상기 제2 트랜지스터 사이에 위치하는 다이오드를 포함하되, 상기 출력 라인은 출력과 연결되고 상기 입력 라인은 입력과 연결된다.

상기 제1 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제2 워드 라인에 인가되는 전압은 일정한 전압일 수 있다.

상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다.

상기 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다.

상기 제1 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제2 워드 라인에 인가되는 전압은 펄스 전압일 수 있다.

상기 제1 워드 라인과 상기 출력 라인은 서로 직교하여 위치하고, 상기 입력 라인과 상기 제2 워드 라인은 서로 직교하여 위치할 수 있다.

상기 입력에는 직류 전압이 인가되고, 상기 출력은 전하 적분기와 연결될 수 있다.

본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 제1 워드 라인, 출력 라인 및 제2 트랜지스터와 연결되는 제1 트랜지스터, 제2 워드 라인, 제1 입력 라인 및 상기 제1 트랜지스터와 연결되는 제2 트랜지스터, 및 상기 제1 입력 라인과 상기 제2 트랜지스터 사이에 위치하는 다이오드를 포함하는 제1 가중치 셀과; 제3 워드 라인, 출력 라인 및 제4 트랜지스터와 연결되는 제3 트랜지스터, 제2 워드 라인, 제2 입력 라인 및 상기 제3 트랜지스터와 연결되는 제4 트랜지스터, 및 상기 제2 입력 라인과 상기 제4 트랜지스터 사이에 위치하는 다이오드를 포함하는 제2 가중치 셀을 포함하되, 상기 출력 라인은 출력과 연결되고 상기 제1 입력 라인과 상기 제2 입력 라인은 입력과 연결된다.

상기 제2 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제1 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 일정한 전압일 수 있다.

상기 제2 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제1 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 펄스 전압일 수 있다.

본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 제1 워드 라인, 제1 출력 라인 및 제2 트랜지스터와 연결되는 제1 트랜지스터, 제2 워드 라인, 입력 라인 및 상기 제1 트랜지스터와 연결되는 제2 트랜지스터, 및 상기 입력 라인과 상기 제2 트랜지스터 사이에 위치하는 다이오드를 포함하는 제1 가중치 셀과; 제1 워드 라인, 제2 출력 라인 및 제4 트랜지스터와 연결되는 제3 트랜지스터, 제3 워드 라인, 입력 라인 및 상기 제3 트랜지스터와 연결되는 제4 트랜지스터, 및 상기 입력 라인과 상기 제4 트랜지스터 사이에 위치하는 다이오드를 포함하는 제2 가중치 셀을 포함하되, 상기 제1 출력 라인과 상기 제2 출력 라인은 출력과 연결되고 상기 입력 라인은 입력과 연결된다.

상기 제1 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제2 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 일정한 전압일 수 있다.

상기 제1 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제2 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 펄스 전압일 수 있다.

이와 같은 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 가중치를 탄력적으로 조절할 수 있으며, 순차 행렬 곱셈과 제한적인 벡터 행렬 곱셈(준 벡터 행렬 곱셈)이 가능하고, 회로 부하를 줄일 수 있고 행렬 곱셈 유닛 칩 크기(matrix multiplication unit chip size)도 최소화할 수 있다. 준 벡터 행렬 곱셈은 초기 학습과 추론에 사용하고 순차 행렬 곱셈은 준 벡터 행렬 곱셈의 결과를 정밀하게 조정하는데 사용함으로써 전체 학습 효율과 추론 효율을 향상시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 뉴럴 네트워크를 개략적으로 나타내는 회로도이다.
도 2 내지 도 4는 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀과 행렬 곱셈을 수행하는 원리를 개략적으로 나타내는 회로도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀의 제1 열에 연결되는 두 개의 가중치 셀에 대한 동작 원리를 개략적으로 나타내는 회로도이다.
도 7 및 도 8은 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀의 제1 열, 제2 열에 각각 연결되는 네 개의 가중치 셀에 대한 동작 원리를 개략적으로 나타내는 회로도이다.
도 9는 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀 어레이와 어레이에 연결된 워드 라인들, 비트 라인들 및 각각의 입력, 출력을 설명하기 위한 회로도이다.
도 10 및 도 11은 본 발명의 실시예에 따른 뉴럴 네트워크에서 준 벡터 행렬 곱셈을 수행하는 동작을 설명하기 위한 회로도이다.
도 12 및 도 13은 본 발명의 실시예에 따른 뉴럴 네트워크에서 순차로 행렬 곱셈을 수행하는 동작을 설명하기 위한 회로도이다.

위 발명의 배경이 되는 기술 란에 기재된 내용은 오직 본 발명의 기술적 사상에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.

아래의 서술에서, 설명의 목적으로, 다양한 실시예들의 이해를 돕기 위해 많은 구체적인 세부 내용들이 제시된다. 그러나, 다양한 실시예들이 이러한 구체적인 세부 내용들 없이 또는 하나 이상의 동등한 방식으로 실시될 수 있다는 것은 명백하다. 다른 예시들에서, 잘 알려진 구조들과 장치들은 다양한 실시예들을 불필요하게 이해하기 어렵게 하는 것을 피하기 위해 블록도로 표시된다.

도면에서, 레이어들, 필름들, 패널들, 영역들 등의 크기 또는 상대적인 크기는 명확한 설명을 위해 과장될 수 있다. 또한, 동일한 참조 번호는 동일한 구성 요소를 나타낸다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 그러나, 만약 어떤 부분이 다른 부분과 "직접적으로 연결되어 있다”고 서술되어 있으면, 이는 해당 부분과 다른 부분 사이에 다른 소자가 없음을 의미할 것이다. "X, Y, 및 Z 중 적어도 어느 하나", 그리고 "X, Y, 및 Z로 구성된 그룹으로부터 선택된 적어도 어느 하나"는 X 하나, Y 하나, Z 하나, 또는 X, Y, 및 Z 중 둘 또는 그 이상의 어떤 조합 (예를 들면, XYZ, XYY, YZ, ZZ) 으로 이해될 것이다. 여기에서, "및/또는"은 해당 구성들 중 하나 또는 그 이상의 모든 조합을 포함한다.

여기에서, 첫번째, 두번째 등과 같은 용어가 다양한 소자들, 요소들, 지역들, 레이어들, 및/또는 섹션들을 설명하기 위해 사용될 수 있지만, 이러한 소자들, 요소들, 지역들, 레이어들, 및/또는 섹션들은 이러한 용어들에 한정되지 않는다. 이러한 용어들은 하나의 소자, 요소, 지역, 레이어, 및/또는 섹션을 다른 소자, 요소, 지역, 레이어, 및 또는 섹션과 구별하기 위해 사용된다. 따라서, 일 실시예에서의 첫번째 소자, 요소, 지역, 레이어, 및/또는 섹션은 다른 실시예에서 두번째 소자, 요소, 지역, 레이어, 및/또는 섹션이라 칭할 수 있다.

"아래", "위" 등과 같은 공간적으로 상대적인 용어가 설명의 목적으로 사용될 수 있으며, 그렇게 함으로써 도면에서 도시된 대로 하나의 소자 또는 특징과 다른 소자(들) 또는 특징(들)과의 관계를 설명한다. 이는 도면 상에서 하나의 구성 요소의 다른 구성 요소에 대한 관계를 나타내는 데에 사용될 뿐, 절대적인 위치를 의미하는 것은 아니다. 예를 들어, 도면에 도시된 장치가 뒤집히면, 다른 소자들 또는 특징들의 "아래"에 위치하는 것으로 묘사된 소자들은 다른 소자들 또는 특징들의 "위"의 방향에 위치한다. 따라서, 일 실시예에서 "아래" 라는 용어는 위와 아래의 양방향을 포함할 수 있다. 뿐만 아니라, 장치는 그 외의 다른 방향일 수 있다 (예를 들어, 90도 회전된 혹은 다른 방향에서), 그리고, 여기에서 사용되는 그런 공간적으로 상대적인 용어들은 그에 따라 해석된다.

여기에서 사용된 용어는 특정한 실시예들을 설명하는 목적이고 제한하기 위한 목적이 아니다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다 고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 다른 정의가 없는 한, 여기에 사용된 용어들은 본 발명이 속하는 분야에서 통상적인 지식을 가진 자에게 일반적으로 이해되는 것과 같은 의미를 갖는다.

도 1은 본 발명의 일 실시예에 따른 뉴럴 네트워크를 개략적으로 나타내는 회로도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 뉴럴 네트워크(neural network)는 입력 뉴런(10), 출력 뉴런(20), 및 가중치 셀(30)을 포함한다. 가중치(30) 소자는 입력 뉴런(10)으로부터 수평으로 연장하는 로우 라인(R)(row lines) 및 출력 뉴런(20)으로부터 수직으로 연장하는 컬럼 라인(C)(column lines)의 교차점에 배치될 수 있다. 설명의 편의를 위해 도 1에는 예시적으로 각각 네 개의 입력 뉴런(10) 및 출력 뉴런(20)이 도시되었으나, 본 발명은 이에 한정되지 않는다.

입력 뉴런(10)은 학습 모드(learning mode), 리셋 모드(reset mode), 보정 또는 읽기 모드(reading mode)에서 로우 라인(R)을 통하여 가중치 셀(30)로 전기적 펄스들(pulses)을 전송할 수 있다.

출력 뉴런(20)은 학습 모드 또는 리셋 모드 또는 보정 또는 읽기 모드에서 컬럼 라인(C)을 통하여 가중치 셀(30)로부터 전기적 펄스를 수신할 수 있다.

도 2 내지 도 4는 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀과 행렬 곱셈을 수행하는 원리를 개략적으로 나타내는 회로도이다.

본 발명의 실시예에 따른 가중치 비트폭을 탄력적으로 적용하기 위하여 가중치를 새롭게 정의한다. 컨덕턴스를 기초로 하는 가중치에서 I=GV(전류=컨덕턴스×전압)를 적용하여 G를 멀티레벨화 한다. 이 때 Q=IΔt 관계를 추가하여 Q=GΔtV 관계를 적용한다면 가중치는 컨덕턴스 G와 전류가 흐르는 시간 Δt로 조절할 수 있기 때문에 멀티레벨화 할 수 있는 여지가 증가한다. 따라서 가중치는 GΔt로 정의한다.

도 2를 참조하면, 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는 제1 트랜지스터(T1), 제2 트랜지스터(T2), 및 다이오드를 포함한다. 제1 트랜지스터(T1)는 제1 워드 라인(WL), 출력 라인(BL*), 및 제2 트랜지스터(T2)와 연결되고, 제2 트랜지스터(T2)는 제2 워드 라인(WL), 입력 라인(BL), 및 제1 트랜지스터(T1)와 연결되며, 다이오드는 입력 라인(BL)과 제2 트랜지스터(T2) 사이에 위치한다. 출력 라인(BL*)은 출력과 연결되고 입력 라인(BL)은 입력과 연결된다. 실시예로서, 다이오드는 입력 라인(BL)에서 제2 트랜지스터(T2) 드레인 쪽으로 전류가 흐르도록 연결될 수 있다. 실시예로서, 다이오드는 제1 트랜지스터(T1)와 제2 트랜지스터(T2) 사이, 혹은 출력 라인(BL*)과 제1 트랜지스터(T1) 사이에 위치할 수 있다.

도 3을 참조하면, 제1 워드 라인(WL)에 인가되는 전압은 일정한 전압이고, 제2 워드 라인(WL)에 인가되는 전압은 펄스 전압일 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다.

도 4를 참조하면, 제1 워드 라인(WL)에 인가되는 전압은 펄스 전압이고, 제2 워드 라인(WL)에 인가되는 전압은 일정한 전압일 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다.

실시예로서, 제1 워드 라인(WL)과 출력 라인(BL*)은 서로 직교하여 위치하고, 입력 라인(BL)과 제2 워드 라인(WL)은 서로 직교하여 위치할 수 있다. 또한, 입력에는 직류 전압이 인가되고, 출력은 전하 적분기와 연결될 수 있다.

본 발명의 일 실시예에 따르면, 가중치 셀의 채널 컨덕턴스(혹은 트랜스 컨덕턴스)로 결정되는 전류가 펄스 폭으로 결정되는 일정 시간동안 흐르는 전하량을 출력값으로 한다. 실시예로서, 가중치 셀의 워드 라인에 인가되는 펄스는 펄스 진폭과 펄스 폭을 임의로 지정할 수 있는 전압 펄스이다. 실시예로서, 제1 워드 라인(WL)에 인가하는 펄스 진폭은 제1 트랜지스터(T1)의 트랜스 컨덕턴스를 멀티레벨화 할 수 있는 범위로 인가할 수 있다. 제2 워드 라인(WL)에 인가하는 전압 펄스 폭은 전류가 흐르는 시간을 멀티레벨화 할 수 있는 범위로 인가할 수 있다.

본 발명의 다른 실시예에 따르면, 제1 워드 라인(WL)에 인가하는 전압 펄스 폭은 전류가 흐르는 시간을 멀티레벨화 할 수 있는 범위로 인가할 수 있고, 제2 워드 라인(WL)에 인가하는 펄스 진폭은 제2 트랜지스터(T2)의 트랜스 컨덕턴스를 멀티레벨화 할 수 있는 범위로 인가할 수 있다. 또한 펄스 폭은 주어진 채널 컨덕턴스(또는 트랜스 컨덕턴스) 조건으로 전류가 흐를 때 전하 적분기능 소자에서 역전압이 발생하지 않는 한도까지 증가시킬 수 있다. 따라서 가중치 셀에 흐르는 최대 허용 전하량은 채널 컨덕턴스와 펄스 폭의 곱으로 결정된다. 따라서 최대 허용 전하량은 가중치 셀의 가중치 폭(weight bit-width)에 대응된다.

도 5 및 도 6은 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀의 제1 열에 연결되는 두 개의 가중치 셀에 대한 동작 원리를 개략적으로 나타내는 회로도이다.

도 5 및 도 6을 참조하면, 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는 제1 트랜지스터(T1), 제2 트랜지스터(T2) 및 다이오드를 포함하는 제1 가중치 셀과 제3 트랜지스터(T3), 제4 트랜지스터(T4) 및 다이오드를 포함하는 제2 가중치 셀을 포함한다. 제1 트랜지스터(T1)는 제1 워드 라인(WL1), 출력 라인(BL*), 및 제2 트랜지스터(T2)와 연결되고, 제2 트랜지스터(T2)는 제2 워드 라인(WL), 제1 입력 라인(BL1), 및 제1 트랜지스터(T1)와 연결되며, 다이오드는 제1 입력 라인(BL1)과 제2 트랜지스터(T2) 사이에 위치한다. 제3 트랜지스터(T3)는 제3 워드 라인(WL3), 출력 라인(BL*), 및 제4 트랜지스터(T4)와 연결되고, 제4 트랜지스터(T4)는 제2 워드 라인(WL), 제2 입력 라인(BL2), 및 제3 트랜지스터(T3)와 연결되며, 다이오드는 제2 입력 라인(BL2)과 제4 트랜지스터(T4) 사이에 위치한다. 출력 라인(BL*)은 출력과 연결되고 제1 입력 라인(BL1)과 제2 입력 라인(BL2)은 제1 입력과 제2 입력에 각각 연결된다. 실시예로서, 다이오드는 제1 입력 라인(BL1)과 제2 입력 라인(BL2)에서 각각 제2 트랜지스터(T2)와 제4 트랜지스터(T4) 쪽으로 전류가 흐르도록 연결될 수 있다. 실시예로서, 입력은 직류 전압이 인가되고, 출력은 전하 적분기와 연결될 수 있다.

도 5를 참조하면, 제2 워드 라인(WL)에 인가되는 전압은 펄스 전압이고, 제1 워드 라인(WL1)과 제3 워드 라인(WL3)에 인가되는 전압은 일정한 전압일 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다.

도 6을 참조하면, 제2 워드 라인(WL)에 인가되는 전압은 일정한 전압이고, 제1 워드 라인(WL1)과 제3 워드 라인(WL3)에 인가되는 전압은 펄스 전압일 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다. 실시예로서, 준 벡터 행렬 곱셈에서는 제2 워드 라인(WL)으로 제2 트랜지스터(T2)와 제4 트랜지스터(T4)의 컨덕턴스를 동일하게 하고, 제1 워드 라인(WL1)과 제3 워드 라인(WL3)에는 동일한 펄스 진폭과 서로 다른 펄스 폭을 가지는 전압을 인가할 수 있다. 다른 실시예로서, 순사 행력 곱셈에서는 제2 워드 라인(WL)으로 제2 트랜지스터(T2)와 제4 트랜지스터(T4)의 컨덕턴스를 동일하게 하고, 제1 워드 라인(WL1)과 제3 워드 라인(WL3)에는 서로 다른 펄스 진폭과 펄스 폭을 가지는 전압을 인가할 수 있다.

도 7 및 도 8은 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀의 제1 열, 제2 열에 각각 연결되는 네 개의 가중치 셀에 대한 동작 원리를 개략적으로 나타내는 회로도이다.

도 7 및 도 8을 참조하면, 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는 제1 트랜지스터(T1), 제2 트랜지스터(T2) 및 다이오드를 포함하는 제1 가중치 셀과 제3 트랜지스터(T3), 제4 트랜지스터(T4) 및 다이오드를 포함하는 제2 가중치 셀을 포함한다. 제1 트랜지스터(T1)는 제1 워드 라인(WL1), 제1 출력 라인(BL*1), 및 제2 트랜지스터(T2)와 연결되고, 제2 트랜지스터(T2)는 제2 워드 라인(WL), 입력 라인(BL), 및 제1 트랜지스터(T1)와 연결되며, 다이오드는 입력 라인(BL)과 제2 트랜지스터(T2) 사이에 위치한다. 제3 트랜지스터(T3)는 제1 워드 라인(WL1), 제2 출력 라인(BL*2), 및 제4 트랜지스터(T4)와 연결되고, 제4 트랜지스터(T4)는 제3 워드 라인(WL3), 입력 라인(BL), 및 제3 트랜지스터(T3)와 연결되며, 다이오드는 입력 라인(BL)과 제4 트랜지스터(T4) 사이에 위치한다. 제1 출력 라인(BL*1)과 제2 출력 라인(BL*2)은 출력과 연결되고 입력 라인(BL)은 입력과 연결된다. 실시예로서, 다이오드는 입력 라인(BL)에서 제2 트랜지스터(T2)와 제4 트랜지스터(T4) 쪽으로 전류가 흐르도록 연결될 수 있다. 실시예로서, 입력은 직류 전압이 인가되고, 출력은 전하 적분기와 연결될 수 있다.

도 7을 참조하면, 제1 워드 라인(WL1)에 인가되는 전압은 일정한 전압이고, 제2 워드 라인(WL)과 제3 워드 라인(WL3)에 인가되는 전압은 펄스 전압일 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다.

도 8을 참조하면, 제1 워드 라인(WL1)에 인가되는 전압은 펄스 전압이고, 제2 워드 라인(WL)과 제3 워드 라인(WL3)에 인가되는 전압은 일정한 전압일 수 있다. 실시예로서, 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절할 수 있다. 실시예로서, 일정한 전압의 크기를 제어하여 가중치를 조절할 수 있다.

도 7 및 도 8을 참조하면, 제1 열과 제2 열에 순차로 도 5 및 도 6의 작동 방법을 적용할 수 있다. 실시예로서, 1열의 제2 워드 라인(WL)에 일정한 전압을 인가하고, 제1 워드 라인(WL1)과 제3 워드 라인(WL3)에는 서로 다른 펄스 진폭과 펄스 폭을 가지는 전압을 인가할 수 있다. 이 경우 각 가중치 셀들은 각각 서로 다른 가중치 값을 가질 수 있다. 따라서 준 벡터 행렬 곱셈은 각 가중치 셀들이 제한적인 임의의(random) 가중치 값을 갖게 되고 순차 행렬 곱셈은 완전한 임의의 가중치 값을 갖는다. 따라서 준 벡터 행렬 곱셈은 신속한 초기 학습 혹은 추론에 사용할 수 있고 순차 행렬 곱셈은 시간적 여유가 허용되는 정밀한 학습 및 추론에 사용할 수 있다.

각각의 출력 라인에는 각각의 출력 라인에 연결된 가중치 셀에서 흘러 나오는 전하들의 합이 출력된다.

본 발명의 실시예에 따른 뉴럴 네트워크의 각 가중치 셀에서 방출되는 전하량은 Q=GΔtV가 된다. 이 관계에서 가중치에 해당하는 GΔt와 입력에 해당하는 전압 V와의 곱셈이 가능해진다. G는 워드라인에 인가되는 게이트 전압에 의해 결정되는 트랜지스터의 채널 컨덕턴스 혹은 트랜스 컨턱턴스로서, 이 컨턱턴스가 선형으로 멀티레벨이 되는 범위로 게이트 전압을 인가한다. 선형 채널 컨덕턴스에서 최저 채널 컨덕턴스가 기저(ground) 컨덕턴스 GO가 된다. 펄스 폭 Δt는 선형으로 증가하도록 단위 펄스 폭 ΔtO을 정한다. 따라서 GO 및 ΔtO를 기준으로 가중치 폭(weight bit-width) 및 가중치 해상도(bit-resolution)를 조절할 수 있다.

실시예로서, 각 펄스 폭의 시간차, 각 가중치의 컨덕턴스의 차이, 입력 전압의 차이에 의해 임의의 가중치에서 출력되는 전하가 같은 열 혹은 다른 행의 다른 쪽 가중치 셀을 통해 역류하는 것을 막기 위하여 입력 라인(BL)과 제 2 트랜지스터(T2) 사이에 다이오드를 배치할 수 있다. 이 경우 제 2 트랜지스터 드레인이 되는 n+ 확산층과 p+-n 다이오드의 n층이 결합하여 오믹 접촉 공정이 추가로 필요하지 않을 수 있다.

실시예로서, 각각의 가중치 셀들의 가중치를 제한적으로 랜덤하게 조절하기 위하여 제1 워드 라인(WL1)과 제2 워드 라인(WL), 제3 워드 라인(WL3) 및 제4 워드 라인(WL4)을 동시에 선택하여 벡터 행렬 곱셈을 수행할 수 있다. 다른 실시예로서, 각각의 가중치 셀들의 가중치를 랜덤하게 조정하기 위하여 제2 트랜지스터(T2)에 연결된 제2 워드 라인(WL)을 선택하고 다음 열의 제3 워드 라인(T3) 등을 한 개씩 차례로 선택하여 행렬 곱셈을 수행할 수 있다. 또 다른 실시 예로서 임의의 열을 한 개씩 선택하되 첫번째 열부터 마지막 열까지 순서대로 선택하거나 임의의 열을 임의의 순서로 선택할 수 있다.

각 열의 출력들은 출력 라인 하나로 연결하여 출력 전하들을 모으는 전하 적분기에 연결된다.

도 9는 본 발명의 일 실시예에 따른 뉴럴 네트워크의 가중치 셀 어레이와 어레이에 연결된 워드 라인들, 비트 라인들 및 각각의 입력, 출력을 설명하기 위한 회로도이다. 도 10 및 도 11은 본 발명의 실시예에 따른 뉴럴 네트워크에서 준 벡터 행렬 곱셈을 수행하는 동작을 설명하기 위한 회로도이다. 도 12 및 도 13은 본 발명의 실시예에 따른 뉴럴 네트워크에서 순차로 행렬 곱셈을 수행하는 동작을 설명하기 위한 회로도이다.

도 9 내지 도 13을 참조하면, 본 발명의 실시예에 따른 뉴럴 네트워크는 가중치 셀을 어레이(array)로 구성하고 이를 네트워크 레이어(network layer)로 제작한 다음 가중치 셀 어레이를 작동시키는 동시에 출력 값을 다음 은닉층의 입력 정보로 사용하는 리커런트(recurrent) 혹은 이터레이션(iteration) 방식을 적용한다.

도 10 및 도 11을 참조하면, 본 발명의 실시예에 따른 뉴럴 네트워크의 특정 가중치 셀에 가중치를 인가하기 위하여 워드 라인 열에 게이트 전압을 인가하고 워드 라인 행에 펄스 전압을 인가하거나, 워드 라인 열에 펄스 전압을 인가하고 워드 라인 행에 게이트 전압을 인가한다.

도 10을 참조하면, 워드 라인 행에는 멀티레벨 게이트 전압을 인가하고, 워드 라인 열에는 멀티레벨 펄스 폭을 갖는 일정한 펄스 진폭을 가지는 전압을 인가한다. 도 11을 참조하면, 워드 라인 열에 멀티레벨 게이트 전압을 인가하고, 워드 라인 행에는 멀티레벨 펄스 폭과 일정한 펄스 진폭을 가지는 전압을 인가한다.

실시예로서, 각 은닉층별 가중치 정보와 입력 정보는 뉴럴 네트워크 외부의 저장 매체에 저장할 수 있다. 외부의 저장 매체에는 레이어별 가중치 정보와 입력 정보를 저장하여 추론(inference)시 순환 컴퓨팅(computing)에 사용한다.

도 12 및 도 13을 참조하면, j개의 열 중, 첫 번째 열과 마지막 열을 순차로 선택한 실시예를 확인할 수 있으나 본 발명은 이에 한정되지 않고 여러 열을 순위 없이 한 번씩만 선택하여 행렬 곱셈을 수행할 수 있다.

실시예로서, 각각의 가중치 셀들의 가중치를 랜덤하게 조정하기 위하여 제2 트랜지스터에 연결된 임의의 워드라인 열을 한 개씩 차례로 선택하여 행렬 곱셈을 수행할 수 있다. 다른 실시예로서 임의의 열을 한 개씩 선택하되 첫번째 열부터 마지막 열까지 순서대로 선택하거나 임의의 열을 임의의 순서로 선택할 수 있다.

전술한 바와 같은 본 발명의 실시예들에 따르면, 본 발명의 실시예에 따른 컨덕턴스와 펄스 폭으로 가중치를 조절할 수 있는 준 벡터 행렬 곱셈 뉴럴 네트워크는, 가중치를 탄력적으로 조절할 수 있으며, 순차 행렬 곱셈이 가능하고, 회로 부하를 줄일 수 있고 행렬 곱셈 유닛 칩 크기(matrix multiplication unit chip size)도 최소화할 수 있다. 준 벡터 행렬 곱셈은 초기 학습과 추론에 사용하고 순차 행렬 곱셈은 준 벡터 행렬 곱셈의 결과를 정밀하게 조정하는데 사용함으로써 전체 학습 효율과 추론 효율을 향상시킬 수 있다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

10: 입력 뉴런 20: 출력 뉴런
30: 가중치 셀

Claims

제1 워드 라인이 게이트와 연결되고, 출력 라인이 드레인 및 소스 중 어느 하나와 연결되고, 제2 트랜지스터와 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제1 트랜지스터;
제2 워드 라인이 게이트와 연결되고, 입력 라인이 제2 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 상기 제1 트랜지스터와 제2 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제2 트랜지스터; 및
상기 입력 라인과 상기 제2 트랜지스터 사이에 위치하되, 상기 입력 라인이 애노드와 연결되고, 상기 제2 트랜지스터가 캐소드와 연결되는 다이오드를 포함하는 가중치 셀을 포함하되,
상기 출력 라인은 전하 적분기와 연결되고 상기 입력 라인에는 직류 전압이 인가되되,
상기 제1 워드 라인에 인가되는 전압은 펄스 전압 및 일정한 전압 중 어느 하나이고, 상기 제2 워드 라인에 인가되는 전압은 상기 펄스 전압 및 상기 일정한 전압 중 나머지 하나이고,
상기 가중치 셀에서 방출되는 전하량은 상기 가중치 셀의 채널 컨덕턴스 및 상기 펄스 전압의 펄스 폭에 기초하여 결정되는 가중치 및 상기 직류 전압에 기초하여 결정되는 것인, 뉴럴 네트워크.
제 1항에 있어서,
상기 제1 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제2 워드 라인에 인가되는 전압은 일정한 전압인 뉴럴 네트워크.
제 2항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 2항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 1항에 있어서,
상기 제1 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제2 워드 라인에 인가되는 전압은 펄스 전압인 뉴럴 네트워크.
제 5항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 5항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 1항에 있어서,
상기 제1 워드 라인과 상기 출력 라인은 서로 직교하여 위치하고, 상기 입력 라인과 상기 제2 워드 라인은 서로 직교하여 위치하는 뉴럴 네트워크.
삭제
제1 워드 라인이 게이트와 연결되고, 출력 라인이 드레인 및 소스 중 어느 하나와 연결되고, 제2 트랜지스터와 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제1 트랜지스터, 제2 워드 라인이 게이트와 연결되고, 제1 입력 라인이 제2 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 상기 제1 트랜지스터와 제2 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제2 트랜지스터, 및 상기 제1 입력 라인과 상기 제2 트랜지스터 사이에 위치하되, 상기 제1 입력 라인이 애노드와 연결되고, 상기 제2 트랜지스터가 캐소드와 연결되는 다이오드를 포함하는 제1 가중치 셀; 및
제3 워드 라인이 게이트와 연결되고, 출력 라인이 제3 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 제4 트랜지스터와 제3 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제3 트랜지스터, 제2 워드 라인이 게이트와 연결되고, 제2 입력 라인이 제4 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 상기 제3 트랜지스터와 제4 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제4 트랜지스터, 및 상기 제2 입력 라인과 상기 제4 트랜지스터 사이에 위치하되, 상기 제2 입력 라인이 애노드와 연결되고, 상기 제4 트랜지스터가 캐소드와 연결되는 다이오드를 포함하는 제2 가중치 셀을 포함하되,
상기 출력 라인은 전하 적분기와 연결되고 상기 제1 입력 라인과 상기 제2 입력 라인에는 직류 전압이 인가되되,
상기 제2 워드 라인에 인가되는 전압은 펄스 전압 및 일정한 전압 중 어느 하나이고, 상기 제1 워드 라인 및 제3 워드 라인에 인가되는 전압은 상기 펄스 전압 및 상기 일정한 전압 중 나머지 하나이고,
상기 제1 가중치 셀에서 방출되는 전하량은 상기 제1 가중치 셀의 채널 컨덕턴스 및 상기 펄스 전압의 펄스 폭에 기초하여 결정되는 가중치 및 상기 제1 입력 라인에 인가된 직류 전압에 기초하여 결정되고,
상기 제2 가중치 셀에서 방출되는 전하량은 상기 제2 가중치 셀의 채널 컨덕턴스 및 상기 펄스 폭에 기초하여 결정되는 가중치 및 상기 제2 입력 라인에 인가된 직류 전압에 기초하여 결정되는 것인, 뉴럴 네트워크.
제 10항에 있어서,
상기 제2 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제1 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 일정한 전압인 뉴럴 네트워크.
제 11항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 11항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 10항에 있어서,
상기 제2 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제1 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 펄스 전압인 뉴럴 네트워크.
제 14항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 14항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.
제1 워드 라인이 게이트와 연결되고, 제1 출력 라인이 드레인 및 소스 중 어느 하나와 연결되고, 제2 트랜지스터와 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제1 트랜지스터, 제2 워드 라인이 게이트와 연결되고, 입력 라인이 제2 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 상기 제1 트랜지스터와 제2 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제2 트랜지스터, 및 상기 입력 라인과 상기 제2 트랜지스터 사이에 위치하되, 상기 입력 라인이 애노드와 연결되고, 상기 제2 트랜지스터가 캐소드와 연결되는 다이오드를 포함하는 제1 가중치 셀; 및
제1 워드 라인이 게이트와 연결되고, 제2 출력 라인이 제3 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 제4 트랜지스터와 제3 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제3 트랜지스터, 제3 워드 라인이 게이트와 연결되고, 입력 라인이 제4 트랜지스터의 드레인 및 소스 중 어느 하나와 연결되고, 상기 제3 트랜지스터와 제4 트랜지스터의 상기 드레인 및 상기 소스 중 나머지 하나가 연결되는 제4 트랜지스터, 및 상기 입력 라인과 상기 제4 트랜지스터 사이에 위치하되, 상기 입력 라인이 애노드와 연결되고, 상기 제4 트랜지스터가 캐소드와 연결되는 다이오드를 포함하는 제2 가중치 셀을 포함하되,
상기 제1 출력 라인과 상기 제2 출력 라인은 전하 적분기와 연결되고 상기 입력 라인에는 직류 전압이 인가되되,
상기 제1 워드 라인에 인가되는 전압은 펄스 전압 및 일정한 전압 중 어느 하나이고, 상기 제2 워드 라인 및 제3 워드 라인에 인가되는 전압은 상기 펄스 전압 및 상기 일정한 전압 중 나머지 하나이고,
상기 제1 가중치 셀에서 방출되는 전하량은 상기 제1 가중치 셀의 채널 컨덕턴스 및 상기 펄스 전압의 펄스 폭에 기초하여 결정되는 가중치 및 상기 직류 전압에 기초하여 결정되고,
상기 제2 가중치 셀에서 방출되는 전하량은 상기 제2 가중치 셀의 채널 컨덕턴스 및 상기 펄스 폭에 기초하여 결정되는 가중치 및 상기 직류 전압에 기초하여 결정되는 것인, 뉴럴 네트워크.
제 17항에 있어서,
상기 제1 워드 라인에 인가되는 전압은 펄스 전압이고, 상기 제2 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 일정한 전압인 뉴럴 네트워크.
제 18항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 18항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 17항에 있어서,
상기 제1 워드 라인에 인가되는 전압은 일정한 전압이고, 상기 제2 워드 라인과 상기 제3 워드 라인에 인가되는 전압은 펄스 전압인 뉴럴 네트워크.
제 21항에 있어서,
상기 펄스 전압의 펄스 진폭과 펄스 폭을 제어하여 가중치를 조절하는 뉴럴 네트워크.
제 21항에 있어서,
상기 일정한 전압의 크기를 제어하여 가중치를 조절하는 뉴럴 네트워크.