KR102514931B1 - 확장 가능한 뉴로모픽 회로 - Google Patents
확장 가능한 뉴로모픽 회로 Download PDFInfo
- Publication number
- KR102514931B1 KR102514931B1 KR1020200142592A KR20200142592A KR102514931B1 KR 102514931 B1 KR102514931 B1 KR 102514931B1 KR 1020200142592 A KR1020200142592 A KR 1020200142592A KR 20200142592 A KR20200142592 A KR 20200142592A KR 102514931 B1 KR102514931 B1 KR 102514931B1
- Authority
- KR
- South Korea
- Prior art keywords
- array
- neuron
- synapse
- synaptic
- arrays
- Prior art date
Links
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
- 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
- G06N3/04—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
-
- 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
- G11C11/02—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements
- G11C11/16—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using magnetic elements using elements in which the storage effect is based on magnetic spin effect
- G11C11/165—Auxiliary circuits
- G11C11/1653—Address circuits or decoders
-
- 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
- G11C11/21—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using electric elements
- G11C11/22—Digital stores characterised by the use of particular electric or magnetic storage elements; Storage elements therefor using electric elements using ferroelectric elements
- G11C11/225—Auxiliary circuits
- G11C11/2253—Address circuits or decoders
-
- 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
- G11C13/0021—Auxiliary circuits
- G11C13/0023—Address circuits or decoders
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)
- Semiconductor Memories (AREA)
- Logic Circuits (AREA)
Abstract
본 발명의 실시 예에 따른 뉴로모픽 회로는, 스파이크 신호를 생성하는 복수의 뉴런 회로들을 포함하는 제 1 뉴런 어레이, 상기 제 1 뉴런 어레이로부터 전달되는 상기 스파이크 신호를 처리하여 출력하는 복수의 제 1 시냅스 회로들을 포함하는 제 1 시냅스 어레이, 복수의 제 2 시냅스 회로들을 포함하는 제 2 시냅스 어레이, 상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이 사이에 위치하며, 제어 신호에 응답하여 상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이를 연결하는 제 1 커넥팅 블록, 그리고 상기 제어 신호를 생성하는 제어 로직을 포함한다.
본 발명의 뉴로모픽 회로는 커넥팅 블록의 활용을 통하여 시냅스 어레이를 다양한 크기로 확장하거나, 프루닝(Pruning)이나 드랍아웃(Dropout)과 같은 연산 효과를 하드웨어로 구현할 수 있다.
본 발명의 뉴로모픽 회로는 커넥팅 블록의 활용을 통하여 시냅스 어레이를 다양한 크기로 확장하거나, 프루닝(Pruning)이나 드랍아웃(Dropout)과 같은 연산 효과를 하드웨어로 구현할 수 있다.
Description
본 발명은 반도체 장치에 관한 것으로, 더욱 상세하게는 확장 가능한 뉴로모픽 회로에 관한 것이다.
컴퓨팅 패러다임이 CPU 중심 시스템에서 데이터 중심 시스템으로 전환함에 따라, 현재 폰 노이만 아키텍처(Von Neumann Architecture)의 성능 한계를 극복하기 위해 새로운 컴퓨팅 아키텍처가 요구되고 있다. 특히, 생물학적 뇌에서 영감을 받은 신경 모사 컴퓨팅(Bio-inspired neuromorphic computing)은 폰 노이만 아키텍쳐의 대안적 접근들 중 하나이다. 다수의 새로운 장치들이 CMOS 기반 뉴런 및 시냅스와 비교하여 전력 소비, 확장성 및 계산 속도 측면에서 높은 잠재력을 가지기 때문에, 뇌신경 시스템의 기본 빌딩 블록으로서 인공 신경(Neuron) 및 시냅스(Synapses)를 위한 새로운 장치가 광범위하게 연구되고 있다.
인공 시냅스의 이상적인 아날로그 동작은 인공 신경망 알고리즘을 기반으로 한 신경계 시스템의 높은 학습 정확도에 중요한 요소 중 하나이다. 이상적인 아날로그 시냅스 소자는 반복적인 전기 스파이크에 의해 선형적이고 대칭적인 시냅스 컨덕턴스 업데이트와 큰 온/오프 저항비(On/Off ratio)의 특성을 가져야 한다. 이러한 이유로 요구되는 조건에 부합하는 시냅스 소자의 형성에는 많은 어려움이 따른다. 또한, 요구되는 기능을 처리할 수 있는 적합한 사이즈의 시냅스 소자 어레이 또는 뉴런 소자 어레이의 구성에도 많은 어려움이 있다.
본 발명의 목적은, 용이하게 확장 가능한 뉴로모픽 회로를 제공하는 데 있다.
본 발명의 일 실시 예에 따른 뉴로모픽 회로는, 스파이크 신호를 생성하는 복수의 뉴런 회로들을 포함하는 제 1 뉴런 어레이, 상기 제 1 뉴런 어레이로부터 전달되는 상기 스파이크 신호를 처리하여 출력하는 복수의 제 1 시냅스 회로들을 포함하는 제 1 시냅스 어레이, 복수의 제 2 시냅스 회로들을 포함하는 제 2 시냅스 어레이, 상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이 사이에 위치하며, 제어 신호에 응답하여 상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이를 연결하는 제 1 커넥팅 블록, 그리고 상기 제어 신호를 생성하는 제어 로직을 포함한다.
이 실시 예에서, 상기 제 1 커넥팅 블록은 상기 제어 신호에 응답하여 상기 제 1 시냅스 회로들의 입력 라인들 또는 출력 라인들의 신호를 레벨 변경없이 전달하는 복수의 스위치들을 포함한다.
이 실시 예에서, 상기 복수의 스위치들 각각은 상보적 패스 트랜지스터 로직(Complementary Pass Transistor Logic)을 포함한다.
이 실시 예에서, 상기 제 1 시냅스 어레이와 상기 제 1 커넥팅 블록 사이에 위치하는 제 2 뉴런 어레이, 그리고 상기 제 2 시냅스 어레이의 출력 라인들에 연결되고 출력 스파이크 신호를 생성하는 제 3 뉴런 어레이를 더 포함한다.
이 실시 예에서, 상기 제 2 시냅스 어레이는 상기 제 1 시냅스 어레이에 대해 제 1 방향에 형성되며, 상기 제 1 시냅스 어레이에 대해 수직인 제 2 방향에 형성되는 제 3 시냅스 어레이, 그리고 상기 제 1 시냅스 어레이와 상기 제 3 시냅스 어레이를 연결하는 제 2 커넥팅 블록을 더 포함한다.
상술한 본 발명의 실시 예에 따르면 뉴로모픽 회로는 커넥팅 블록을 사용하여 시냅스 소자 어레이의 사이즈를 원하는 크기로 쉽게 확장할 수 있다.
도 1은 본 발명의 실시 예에 따른 뉴로모픽 회로를 예시적으로 보여주는 블록도이다.
도 2는 도 1에 도시된 시냅스 회로들의 회로 모델을 예시적으로 보여주는 도면이다.
도 3은 본 발명의 일 실시 예에 따른 확장 가능한 뉴로모픽 회로를 보여주는 도면이다.
도 4는 도 3의 제 1 커넥팅 블록의 구성을 예시적으로 보여주는 블록도이다.
도 5는 도 4의 제 1 스위치의 예시적인 구성을 보여주는 회로도이다.
도 6은 본 발명의 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다.
도 7은 본 발명의 또 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다.
도 2는 도 1에 도시된 시냅스 회로들의 회로 모델을 예시적으로 보여주는 도면이다.
도 3은 본 발명의 일 실시 예에 따른 확장 가능한 뉴로모픽 회로를 보여주는 도면이다.
도 4는 도 3의 제 1 커넥팅 블록의 구성을 예시적으로 보여주는 블록도이다.
도 5는 도 4의 제 1 스위치의 예시적인 구성을 보여주는 회로도이다.
도 6은 본 발명의 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다.
도 7은 본 발명의 또 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
또한, 본 발명의 구성요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성 요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나, 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명의 실시 예에 따른 뉴로모픽 회로를 예시적으로 보여주는 블록도이다. 뉴로모픽 회로(100)는 제 1 뉴런 어레이(110), 시냅스 어레이(130), 제 2 뉴런 어레이(150), 페리 회로(170), 그리고 제어 로직(190)을 포함할 수 있다.
제 1 뉴런 어레이(110)는 스파이크 신호를 생성하여 시냅스 어레이(130)로 전달한다. 제 1 뉴런 어레이(110)는 입력 스파이크 신호들을 생성하는 축색 돌기(axon)들을 포함할 수 있다. 축색 돌기는 생물학적 신경망의 축색 돌기와 유사하게 다른 뉴런에 신호를 출력하는 기능을 수행할 수 있다. 예를 들어, 제 1 뉴런 어레이(110)의 축색 돌기들 각각은 외부로부터 입력된 데이터 또는 정보에 기초하여 입력 스파이크 신호를 생성할 수 있다. 입력 스파이크 신호는 짧은 시간 동안에 토글링하는 펄스 신호일 수 있다.
시냅스 어레이(130)는 제 1 뉴런 어레이(110)와 제 2 뉴런 어레이(150)를 연결할 수 있다. 시냅스 어레이(130)는 제 1 뉴런 어레이(110)의 축색 돌기들과 제 2 뉴런 어레이(150)의 뉴런들의 연결 여부 및 연결 강도를 결정하는 시냅스 회로들(131)을 포함할 수 있다. 시냅스 회로들(131)은 로우 배선(133)을 통해서 입력되는 스파이크 신호를 처리하고, 처리 결과를 칼럼 배선(135)을 통해서 출력할 수 있다. 시냅스 회로들(131)을 구성하기 위한 소자로는 플래시 메모리, RRAM, PRAM, FRAM, MRAM 등의 소자가 활용될 수 있다.
시냅스 회로들(131) 각각은 고유의 가중치를 가질 수 있다. 시냅스 회로들(131) 각각은 입력 스파이크 신호를 수신하고, 입력 스파이크 신호에 가중치를 적용할 수 있다. 가중치는 상술한 축색 돌기와 뉴런간의 상관 관계, 제 1 뉴런 어레이(110)의 축색 돌기들과 제 2 뉴런 어레이(150)의 뉴런들 간의 연결 강도, 입력 스파이크 신호에 대한 제 2 뉴런 어레이(150)의 상관 관계 등을 나타내는 수치화된 값일 수 있다. 시냅스 회로들(131) 각각은 입력 스파이크 신호에 따라 가중치를 제 2 뉴런 어레이(150)로 출력할 수 있다. 시냅스 회로들(131) 각각은 입력 스파이크 신호와 가중치에 기초하여 연산 신호를 생성하고 연산 신호를 제 2 뉴런 어레이(150)로 출력할 수 있다.
도 1을 참조하면, 시냅스 회로들(131)은 제 1 방향과 제 2 방향의 2차원 어레이(Array) 상에 배치되는 것으로 도시되었다. 입력 스파이크 신호들은 제 1 뉴런 어레이(110)에서 시냅스 어레이(130)를 향하는 제 1 방향으로 전송될 수 있다. 입력 스파이크 신호에 가중치가 적용된 연산 신호(즉, 연산 결과)는 시냅스 어레이(130)에서 제 2 뉴런 어레이(150)로 향하는 제 2 방향으로 전송될 수 있다. 예를 들어, 제 1 방향과 제 2 방향은 서로 수직할 수 있다. 다만, 도 1의 도시와 달리, 시냅스 회로들(131)은 3차원 어레이 상에 배치될 수도 있음은 잘 이해될 것이다.
제 2 뉴런 어레이(150)의 뉴런 회로들(151)은 시냅스 어레이(130)에서 입력 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 뉴런 회로들(151) 각각은 생물학적 신경망의 수상 돌기와 유사하게 다른 뉴런에서 출력된 신호를 수신하는 기능을 수행할 수 있다. 도 1을 참조하면, 뉴런 회로들(151) 각각은 시냅스 회로들(131)과 연결될 수 있고 그 시냅스 회로들(131)로부터 출력되는 연산 신호들을 수신할 수 있다.
뉴런 회로들(151) 각각에서 제 2 방향을 따라 배치되는 시냅스 회로들(131)의 연산 신호들이 누적될 수 있다. 다만, 뉴런 회로들(151) 각각과 연결되는 시냅스 회로들(131)의 개수, 배치 등은 도 1에서 도시된 것으로 한정되지 않는다. 뉴런 회로들(151) 각각은 시냅스 회로들(131)의 연산 신호들이 누적된 합계 신호와 임계 신호(즉, 기준 신호)를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다(즉, 뉴런의 발화(fire)). 제 2 뉴런 어레이(150)의 출력 스파이크 신호들은 제 1 뉴런 어레이(110)로 다시 제공되거나, 뉴로모픽 회로(100)의 외부로 출력되거나, 또는 뉴로모픽 회로(100)의 다른 구성 요소로 출력될 수 있다.
페리 회로(170)는 뉴로모픽 회로(100)의 제반 아날로그 동작을 제어할 수 있다. 페리 회로(170)는 특히, 제 1 및 제 2 뉴런 어레이(110, 150)와 시냅스 어레이(130)의 동작 조건을 제공하고 제어할 수 있다.
제어 로직(190)은 뉴로모픽 회로(100)의 동작 시퀀스를 제어할 수 있다. 제어 로직(190)은 제 1 및 제 2 뉴런 어레이(110, 150)와 시냅스 어레이(130)의 스파이크 신호의 전달이나 처리, 업데이트 등을 제어할 수 있다.
이상에서는 본 발명의 뉴로모픽 회로(100)의 기본적인 구성이 간략히 설명되었다. 하드웨어적으로 뉴로모픽 회로(100)를 구성하는데 있어서, 상대적으로 큰 사이즈의 시냅스 어레이(130)가 요구될 수 있다. 또는, 히든 레이어(Hidden Layer)의 수가 증가하거나 프루닝(Pruning)이나 드랍아웃(Droupout) 방식의 동작이 요구될 수도 있다. 이러한 특성을 제공하기 위해서는 시냅스 어레이(130)의 확장 방법이 요구된다.
도 2는 도 1에 도시된 시냅스 회로들의 회로 모델을 예시적으로 보여주는 도면이다. 도 2를 참조하면, 시냅스 회로(131)는 AND 게이트(132), 전류 소스(134), 그리고 스위치(SW, 136)를 포함할 수 있다. 시냅스 회로(131)의 AND 게이트(132)는 제 1 뉴런 어레이(110)의 뉴런 회로로부터 생성된 입력 스파이크 신호(Si)를 입력받을 수 있다. 입력 스파이크 신호(Si)는 곱셈 연산에서 곱해지는 수인 피승수일 수 있다. 한편, 가중치(W)도 시냅스 회로(131)의 AND 게이트(132)에 입력될 수 있다. 예를 들어, 가중치(W)는 곱셈 연산에서 곱하는 수인 승수일 수 있다. 가중치(W)는 외부로부터 입력되거나, 시냅스 회로(131) 내부에 저장되거나, 또는 시냅스 어레이(130)에 포함되는 저장 소자에 저장될 수 있다.
시냅스 회로(131)는 복수의 곱 연산들을 수행할 수 있다. 시냅스 회로(131)는 승수(Si)와 피승수(W)에 대한 곱셈 연산을 수행할 수 있다. 여기서, 곱연산의 결과는 전류 'I'로 나타날 수 있다.
스위치(136)는 AND 게이트(132)에 의해 수행된 연산 결과에 따라 스위칭-온 되거나 스위칭-오프될 수 있다. 예를 들어, AND 게이트에 의해 수행된 연산 결과가 논리 '1'이면, 스위치(136)는 스위칭-온 될 것이며, AND 게이트에 의해 수행된 연산 결과가 논리 '0'이면, 스위치(136)는 스위칭-오프 될 것이다. 스위치(136)가 스위칭-온 됨으로써, 전류원(CS)에 의해 생성된 전류는 시냅스 회로(131)의 칼럼 배선으로 흐르게 될 것이다.
전류원(134)은 칼럼 배선의 용량(미도시)에 충전되는 전하에 의한 전압 레벨이 선형적으로 증가하도록 구성될 수 있다. 일반적으로, 커패시터와 같은 저장 소자가 충전될 때, 커패시터 양단의 전압 레벨은 비선형적으로 증가한다. 따라서, 칼럼 배선의 선형성이 보장되지 않는다면, 복수의 시냅스 회로들의 출력의 합 연산에 어려움이 발생한다.
상술한 모델의 시냅스 회로(131)는 위해 예컨대, 가변 저항 소자를 포함할 수 있다. 가변 저항 소자는 양단에 인가되는 전압 또는 전류에 따라 서로 다른 저항 상태 사이에서 스위칭할 수 있는 소자로서, 복수의 저항 상태를 가질 수 있는 다양한 물질 예컨대, 전이 금속 산화물, 페로브스카이트(perovskite)계 물질 등과 같은 금속 산화물, 칼코게나이드(chalcogenide)계 물질 등과 같은 상변화 물질, 강유전 물질, 강자성 물질 등을 포함하는 단일막 구조 또는 다중막 구조를 가질 수 있다. 가변 저항 소자 및/또는 시냅스 회로(131)가 고저항 상태에서 저저항 상태로 변하는 동작을 셋(set) 동작이라 하고, 저저항 상태에서 고저항 상태로 변하는 동작을 리셋(reset) 동작이라 할 수 있다.
단, 시냅스 회로(131)는, 플래시 메모리, RRAM, PRAM, FRAM, MRAM 등의 메모리 장치에 이용되는 가변 저항 소자와 달리, 셋 동작과 리셋 동작에서 급격한(abrupt) 저항 변화가 없고, 입력되는 전기적 펄스의 개수에 따라 전도도가 점진적으로 변화하는 아날로그 거동(analog behavior)을 보이는 등, 메모리에서의 가변 저항 소자와 구별되는 여러 가지 특성을 갖도록 구현될 수 있다. 이는 메모리에서 가변 저항 소자에 요구되는 특성과 인공 신경망 장치의 코어에서 시냅스 회로(131)에 요구되는 특성이 서로 상이하기 때문이다.
도 3은 본 발명의 일 실시 예에 따른 확장 가능한 뉴로모픽 회로를 보여주는 도면이다. 도 3을 참조하면, 뉴로모픽 회로(200)는 제 1 및 제 2 뉴런 어레이(210, 215), 제 1 내지 제 4 시냅스 어레이(230, 232, 234, 236), 제 3 및 제 4 뉴런 어레이(250, 255), 페리 회로(270), 그리고 제어 로직(290)을 포함한다. 특히, 뉴로모픽 회로(200)는 이웃하는 시냅스 어레이들(230, 232, 234, 236)을 연결하는 커넥팅 블록들(220, 222, 224, 226)을 포함한다.
제 1 및 제 2 뉴런 어레이(210, 215)는 스파이크 신호를 생성하여 시냅스 어레이들(230, 234)로 전달한다. 제 1 및 제 2 뉴런 어레이(210, 215)의 축색 돌기들은 외부로부터 입력된 데이터 또는 정보에 기초하여 스파이크 신호를 생성할 수 있다. 제 1 뉴런 어레이(210)와 제 2 뉴런 어레이(215)에 의해서 입력 스파이크 신호를 전달하는 행들의 수를 증가시킬 수 있다. 예를 들면, 제 1 뉴런 어레이(210)와 제 2 뉴런 어레이(215)가 각각 4개의 뉴런 회로들을 포함하는 경우, 제 1 및 제 2 뉴런 어레이(210, 215)의 배열에 의해 스파이크 신호를 생성하기 위한 뉴런은 8개로 확장될 수 있다.
제 3 및 제 4 뉴런 어레이(250, 255)는 제 3 및 제 4 시냅스 어레이(234, 236)에서 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 제 3 및 제 4 뉴런 어레이(250, 255)에 포함되는 뉴런들은 제 3 및 제 4 시냅스 어레이(234, 236)의 시냅스들의 연산 신호들이 누적된 합계 신호와 임계 신호(즉, 기준 신호)를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다. 제 3 및 제 4 뉴런 어레이(250, 255)는 출력 스파이크 신호들을 제 1 및 제 2 뉴런 어레이(210, 215)로 다시 제공하거나, 뉴로모픽 회로(200)의 외부로 출력할 수 있다. 제 3 뉴런 어레이(250)와 제 4 뉴런 어레이(255)에 의해서 스파이크 신호를 수신하는 열들의 수를 증가시킬 수 있다. 예를 들면, 제 3 뉴런 어레이(250)와 제 4 뉴런 어레이(255)가 각각 4개의 뉴런 회로들을 포함하는 경우, 8개 열의 뉴런 회로들로 확장될 수 있다.
시냅스 어레이들(230, 232, 234, 236)은 제 1 및 제 2 뉴런 어레이(210, 215)와 제 3 및 제 4 뉴런 어레이(250, 255)를 연결할 수 있다. 제 1 뉴런 어레이(210)와 제 3 뉴런 어레이(250)는 제 1 및 제 3 시냅스 어레이(230, 234)에 의해서 연결될 수 있다. 제 1 시냅스 어레이(230)와 제 3 시냅스 어레이(234)는 제 1 커넥팅 블록(220)에 의해서 연결된다. 따라서, 제 1 시냅스 어레이(230)와 제 3 시냅스 어레이(250)는 하나의 시냅스 어레이로 동작할 수 있다. 제 1 뉴런 어레이(210)와 제 4 뉴런 어레이(255)는 3개의 시냅스 어레이들(230, 232, 236)에 의해서 연결될 수 있다. 3개의 시냅스 어레이들(230, 232, 236)은 제 2 커넥팅 블록(222)과 제 3 커넥팅 블록(224)에 의해서 연결된다.
동일한 방식으로, 제 2 뉴런 어레이(215)와 제 3 뉴런 어레이(250)는 제 3 시냅스 어레이(234)에 의해서 연결될 수 있다. 더불어, 제 2 뉴런 어레이(215)와 제 4 뉴런 어레이(255)는 2개의 시냅스 어레이들(234, 236)을 통해서 연결된다. 제 4 커넥팅 블록(226)은 2개의 시냅스 어레이들(234, 236)을 연결한다.
제 1 내지 제 4 커넥팅 블록(220, 222, 224, 226)은 시냅스 어레이들(230, 232, 234, 236)을 제 1 방향 또는 제 2 방향으로 연결할 수 있다. 제 1 커넥팅 블록(220)은 제 1 시냅스 어레이(230)와 제 3 시냅스 어레이(234)를 연결하여 하나의 시냅스 어레이로 동작하도록 한다. 제 2 커넥팅 블록(222)은 제 1 시냅스 어레이(230)와 제 2 시냅스 어레이(232)를 연결한다. 제 3 커넥팅 블록(224)은 제 2 시냅스 어레이(232)와 제 4 시냅스 어레이(236)를 연결할 수 있다. 제 4 커넥팅 블록(226)은 제 3 시냅스 어레이(234)와 제 4 시냅스 어레이(236)를 연결하여 하나의 시냅스 어레이로 동작하도록 한다.
시냅스 어레이들 간 이상적인 연결을 위해 제 1 내지 제 4 커넥팅 블록(220, 222, 224, 226)은 상보적 패스 트랜지스터 로직(Complementary Pass Transistor Logic: 이하, CPTL)을 포함할 수 있다. 상보적 패스 트랜지스터 로직(CPTL)은 시냅스 어레이들을 신호의 소실이나 감쇄, 또는 왜곡이 없이 연결할 수 있다. 하지만, 시냅스 어레이들을 하드와이어 방식으로 연결하기 위한 커넥팅 블록의 구성은 상보적 패스 트랜지스터 로직(CPTL)에만 국한되지 않음은 잘 이해될 것이다.
상술한 방식으로 각각의 시냅스 어레이들 4×4 사이즈로 동일한 것으로 가정하면, 제 1 내지 제 4 커넥팅 블록(220, 222, 224, 226)을 사용하면, 16×16 사이즈의 시냅스 어레이가 구성될 수 있다. 4×4 사이즈의 4개의 시냅스 어레이들(230, 232, 234, 236)이 제 1 내지 제 4 커넥팅 블록들(220, 222, 224, 226)에 의해서 마치 하나의 16×16 사이즈의 시냅스 어레이로 사용될 수 있다. 더불어, 4×8, 4×16과 같이 시냅스 어레이의 형태와 사이즈는 커넥팅 블록의 연결에 따라 다양한 형태로 확장 가능하다. 더불어, 2차원 확장이 아닌 3차원으로도 시냅스 어레이들을 확장할 수도 있을 것이다.
도 4는 도 3의 제 1 커넥팅 블록의 구성을 예시적으로 보여주는 블록도이다. 도 4를 참조하면, 제 1 커넥팅 블록(220)은 제 1 시냅스 어레이(230)의 칼럼 배선들(S1_1~Sj_1, j는 자연수)과 제 3 시냅스 어레이(234)의 칼럼 배선들(S1_3~Sj_3)을 하드와이어(Hardwire) 방식으로 연결할 수 있다. 제 1 커넥팅 블록(220)은 스위칭 제어 신호들(SC1~SCj)에 의해서 제어되는 복수의 스위치들(SW1~SWj)을 포함할 수 있다. 스위칭 제어 신호들(SC1~SCj)은 예를 들면, 제어 로직(290)으로부터 제공될 수 있다.
제 1 스위치(SW1)는 제 1 스위칭 제어 신호(SC1)에 의해서 제 1 시냅스 어레이(230)의 칼럼 배선(S1_1)과 제 3 시냅스 어레이(234)의 칼럼 배선(S1_3)을 연결하거나 차단할 수 있다. 만일, 신호가 칼럼 배선(S1_1)으로부터 칼럼 배선(S1_3) 방향으로 흐르는 경우, 제 1 스위치(SW1)는 문턱 전압에 의한 문제없이 칼럼 배선(S1_1)의 신호 레벨과 동일한 신호 레벨을 칼럼 배선(S1_3)으로 전달할 수 있다.
제 2 스위치(SW2)를 위시한 스위치들 모두(SW2~SWj)는 스위칭 제어 신호들(SC2~SCj)에 의해서 제 1 시냅스 어레이(230)의 칼럼 배선들(S2_1~Sj_1)과 제 3 시냅스 어레이(234)의 칼럼 배선들(S2_3~Sj_3)을 연결하거나 차단할 수 있다. 앞서 간략히 설명된 바와 같이 스위치들(SW1~SWj) 각각은 바람직하게는 상보적 패스 트랜지스터 로직(CPTL)으로 구현될 수 있다.
도 5는 도 4의 제 1 스위치의 예시적인 구성을 보여주는 회로도이다. 도 5를 참조하면, 제 1 스위치(SW1)는 상보적 패스 트랜지스터 로직(CPTL)으로 구성될 수 있다.
상보적 패스 트랜지스터 로직(CPTL)으로 구성되는 제 1 스위치(SW1)는 인버터(INV)와 PMOS 트랜지스터(PM), NMOS 트랜지스터(NM)를 포함한다. 제 1 스위칭 제어 신호(SC1)에 의해서 PMOS 트랜지스터(PM)와 NMOS 트랜지스터(NM)가 동시에 턴온 또는 턴오프된다. PMOS 트랜지스터(PM)와 NMOS 트랜지스터(NM)의 문턱 전압 보완 관계에 의해서 제 1 스위치(SW1)는 칼럼 배선(S1_1)의 신호 레벨을 칼럼 배선(S1_3)에 레벨 변화없이 전달할 수 있다.
도 6은 본 발명의 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다. 도 6을 참조하면, 뉴로모픽 회로(300)는 뉴런 어레이들(310, 315, 350, 355, 360, 365), 제 1 내지 제 4 시냅스 어레이(330, 332, 334, 336), 페리 회로(370), 그리고 제어 로직(390)을 포함한다. 특히, 뉴로모픽 회로(300)는 시냅스 어레이들을 연결하는 제 2 및 제 4 커넥팅 블록(322, 326)과, 뉴런 어레이와 시냅스 어레이를 연결하는 제 1 및 제 3 커넥팅 블록(320, 324)을 포함한다.
제 1 및 제 2 뉴런 어레이(310, 315)는 스파이크 신호를 생성하여 시냅스 어레이들(330, 334)로 전달한다. 제 1 및 제 2 뉴런 어레이(310, 315)의 축색 돌기들은 외부로부터 입력된 데이터 또는 정보에 기초하여 스파이크 신호를 생성할 수 있다. 제 1 뉴런 어레이(310)와 제 2 뉴런 어레이(315)에 의해서 스파이크 신호를 전달하는 행들의 수를 증가시킬 수 있다. 예를 들면, 제 1 뉴런 어레이(310)와 제 2 뉴런 어레이(315)가 각각 4개의 뉴런 회로들을 포함하는 경우, 제 1 및 제 2 뉴런 어레이(310, 315)의 배열에 의해 스파이크 신호를 생성하기 위한 뉴런은 8개로 확장될 수 있다.
제 3 및 제 4 뉴런 어레이(350, 355)는 제 3 및 제 4 시냅스 어레이(334, 336)에서 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 제 3 및 제 4 뉴런 어레이(350, 355)에 포함되는 뉴런들은 제 3 및 제 4 시냅스 어레이(334, 336)의 시냅스들의 연산 신호들이 누적된 합계 신호와 임계 신호(즉, 기준 신호)를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다. 제 3 뉴런 어레이(350)와 제 4 뉴런 어레이(355)에 의해서 스파이크 신호를 수신하는 열들의 수를 증가시킬 수 있다. 예를 들면, 제 3 뉴런 어레이(350)와 제 4 뉴런 어레이(355)가 각각 4개의 뉴런 회로들을 포함하는 경우, 8개 열의 뉴런 회로들로 확장될 수 있다.
제 5 및 제 6 뉴런 어레이(360, 365)는 제 1 및 제 2 시냅스 어레이(330, 332)에서 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 제 5 및 제 6 뉴런 어레이(360, 365)에 포함되는 뉴런들은 제 1 및 제 2 시냅스 어레이(330, 332)의 시냅스들의 연산 신호들이 누적된 합계 신호와 임계 신호(즉, 기준 신호)를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다. 제 5 뉴런 어레이(360)는 제 1 커넥팅 블록(320)에 의해서 제 3 시냅스 어레이(334)와 연결된다. 제 6 뉴런 어레이(365)는 제 3 커넥팅 블록(324)에 의해서 제 4 시냅스 어레이(336)와 연결된다.
시냅스 어레이들(330, 332, 334, 336)은 제 1 및 제 2 뉴런 어레이(310, 315)와 제 3 및 제 4 뉴런 어레이(350, 355) 사이에 위치한다. 제 1 시냅스 어레이(330)와 제 2 시냅스 어레이(332)는 제 2 커넥팅 블록(322)에 의해서 연결된다. 제 3 시냅스 어레이(334)와 제 4 시냅스 어레이(336)는 제 4 커넥팅 블록(326)에 의해서 연결된다.
제 1 커넥팅 블록(320)은 제 5 뉴런 어레이(360)와 제 3 시냅스 어레이(334)를 연결한다. 제 3 커넥팅 블록(324)은 제 6 뉴런 어레이(365)와 제 4 시냅스 어레이(336)를 연결한다. 그리고 제 2 커넥팅 블록(322)은 제 1 시냅스 어레이(330)와 제 2 시냅스 어레이(332)를 연결한다. 제 4 커넥팅 블록(326)은 제 3 시냅스 어레이(334)와 제 4 시냅스 어레이(336)를 연결한다.
뉴런 어레이와 시냅스 어레이 사이 또는 시냅스 어레이들 사이에서 이상적인 연결을 위해 제 1 내지 제 4 커넥팅 블록(320, 322, 324, 326)은 상보적 패스 트랜지스터 로직(Complementary Pass Transistor Logic: 이하, CPTL)을 포함할 수 있다. 하지만, 시냅스 어레이들을 하드와이어 방식으로 연결하기 위한 커넥팅 블록의 구성은 상보적 패스 트랜지스터 로직(CPTL)에만 국한되지 않음은 잘 이해될 것이다.
시냅스 어레이들(330, 332, 334, 336) 각각이 4×4 사이즈인 것으로 가정하면, 제 1 내지 제 4 커넥팅 블록(320, 322, 324, 326)을 사용하면, 16×16 사이즈의 시냅스 어레이가 구성될 수 있다. 4×4 사이즈의 4개의 시냅스 어레이들(330, 332, 334, 336)이 제 1 내지 제 4 커넥팅 블록들(320, 322, 324, 326)에 의해서 16×16 사이즈의 시냅스 어레이로 사용될 수 있다. 특히, 제 5 및 제 6 뉴런 어레이(360, 365)의 추가에 의해서 뉴로모픽 회로(300)는 히든 레이어(Hidden layer)를 포함할 수 있다. 더불어, 제 1 내지 제 4 커넥팅 블록(320, 322, 324, 326)의 스위칭 제어 신호(SC)를 통해서 프루닝(Pruning)이나 드랍아웃(Dropout)과 같은 연산 효과를 제공할 수도 있다. 또한, 4×8, 4×16과 같이 시냅스 어레이의 형태와 사이즈는 커넥팅 블록의 연결에 따라 다양한 형태로 확장 가능하다.
페리 회로(370)는 뉴로모픽 회로(300)의 제반 아날로그 동작을 제어할 수 있다. 페리 회로(370)는 뉴런 어레이들(310, 315, 350, 355, 360, 365)와 시냅스 어레이들(330, 332, 334, 336)의 동작 조건이나 바이어스 조건을 제공 또는 제어할 수 있다.
제어 로직(390)은 외부의 제어 요청에 뉴로모픽 회로(300)의 동작 시퀀스를 제어할 수 있다. 제어 로직(390)은 뉴런 어레이들(310, 315, 350, 355, 360, 365)와 시냅스 어레이들(330, 332, 334, 336)의 스파이크 신호의 전달이나 처리, 업데이트 등을 제어할 수 있다. 특히, 제어 로직(390)은 제 1 내지 제 4 커넥팅 블록(320, 322, 324, 326)에 스위칭 제어 신호(SC)를 제공할 수 있다. 스위칭 제어 신호(SC)를 통해서 하드웨어로 구현되는 뉴로모픽 회로(300)에서 프루닝(Pruning)이나 드랍아웃(Dropout)과 같은 연산 효과를 제공할 수 있다.
도 7은 본 발명의 또 다른 실시 예에 따른 뉴로모픽 회로를 보여주는 도면이다. 도 7을 참조하면, 뉴로모픽 회로(400)는 뉴런 어레이들(410, 415, 450, 455, 460, 465, 480, 483, 485), 제 1 내지 제 4 시냅스 어레이(430, 432, 434, 436), 페리 회로(470), 그리고 제어 로직(490)을 포함한다. 제 5 및 제 6 뉴런 어레이(460, 465)는 시냅스 어레이 들(430, 432)의 제 2 방향으로 배열되는 칼럼 배선들에 연결된다. 하지만, 제 7 내지 제 9 뉴런 어레이(480, 483, 485)는 제 1 방향으로 코어를 확장하는데 사용될 수 있다.
제 1 및 제 2 뉴런 어레이(410, 415)는 스파이크 신호를 생성하여 시냅스 어레이들(430, 434)로 전달한다. 제 1 및 제 2 뉴런 어레이(410, 415)의 축색 돌기들은 외부로부터 입력된 데이터 또는 정보에 기초하여 스파이크 신호를 생성할 수 있다. 제 1 뉴런 어레이(410)와 제 2 뉴런 어레이(415)에 의해서 스파이크 신호를 전달하는 행들의 수를 증가시킬 수 있다.
제 3 및 제 4 뉴런 어레이(450, 455)는 제 3 및 제 4 시냅스 어레이(434, 436)에서 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 제 3 및 제 4 뉴런 어레이(450, 455)에 포함되는 뉴런들은 제 3 및 제 4 시냅스 어레이(434, 436)의 시냅스들의 연산 신호들이 누적된 합계 신호와 임계 신호(즉, 기준 신호)를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다. 제 3 뉴런 어레이(450)와 제 4 뉴런 어레이(455)에 의해서 스파이크 신호를 수신하는 열들의 수를 증가시킬 수 있다.
제 5 및 제 6 뉴런 어레이(460, 465)는 제 1 및 제 2 시냅스 어레이(430, 432)에서 스파이크 신호들에 가중치들이 적용된 연산 신호들을 각각 수신할 수 있다. 제 5 및 제 6 뉴런 어레이(460, 465)에 포함되는 뉴런 회로들은 제 1 및 제 2 시냅스 어레이(430, 432)의 시냅스들의 연산 신호들이 누적된 합계 신호와 임계 신호를 비교하고 합계 신호가 임계 신호보다 크면 출력 스파이크 신호를 생성할 수 있다. 제 5 뉴런 어레이(460)는 제 1 커넥팅 블록(420)에 의해서 제 3 시냅스 어레이(434)와 연결된다. 제 6 뉴런 어레이(465)는 제 3 커넥팅 블록(424)에 의해서 제 4 시냅스 어레이(436)와 연결된다. 제 7 뉴런 어레이(480)는 제 1 시냅스 어레이(430)와 제 2 시냅스 어레이(432) 사이에서 하나의 스테이지를 형성할 수 있다. 제 7 뉴런 어레이(480)의 출력 스파이크 신호는 제 2 커넥팅 블록(422)에 의해서 제 2 시냅스 어레이(432)에 전달될 수 있다.
제 8 뉴런 어레이(485)는 제 2 시냅스 어레이(432)의 로우 배선에 연결된다. 그리고 제 9 뉴런 어레이(483)는 제 5 커넥팅 블록(428)에 의해서 제 4 시냅스 어레이(436)의 로우 배선과 연결될 수 있다.
제 1 내지 제 5 커넥팅 블록(420, 422, 424, 426, 428)은 뉴런 어레이와 시냅스 어레이를 연결하거나, 시냅스 어레이들을 연결할 수 있다. 뉴런 어레이와 시냅스 어레이 사이 또는 시냅스 어레이들 사이에서 이상적인 연결을 위해 제 1 내지 제 5 커넥팅 블록(420, 422, 424, 426, 428)은 상보적 패스 트랜지스터 로직(CPTL)을 포함할 수 있다. 하지만, 시냅스 어레이들을 하드와이어 방식으로 연결하기 위한 커넥팅 블록의 구성은 상보적 패스 트랜지스터 로직(CPTL)에만 국한되지 않음은 잘 이해될 것이다.
제 1 내지 제 5 커넥팅 블록(420, 422, 424, 426, 428)에 의해 각각의 시냅스 어레이들은 제 1 방향 또는 제 2 방향으로 확장될 수 있다. 제한된 사이즈의 시냅스 어레이들을 본 발명의 커넥팅 블록을 사용하면, 필요한 사이즈의 코어로 확장할 수 있다. 또한, 제 1 내지 제 5 커넥팅 블록(420, 422, 424, 426, 428)의 스위치 제어 신호(SC)의 제어를 통해서 뉴로모픽 회로(400)는 하드웨어적으로 프루닝(Pruning)이나 드랍아웃(Dropout)과 같은 연산 효과를 제공할 수 있다.
페리 회로(470)는 뉴로모픽 회로(400)의 제반 아날로그 동작을 제어할 수 있다. 페리 회로(470)는 뉴런 어레이들(410, 415, 450, 455, 460, 465, 480, 483, 485), 제 1 내지 제 4 시냅스 어레이(430, 432, 434, 436)의 동작 조건이나 바이어스 조건을 제공 또는 제어할 수 있다.
제어 로직(490)은 외부의 제어 요청에 뉴로모픽 회로(400)의 동작 시퀀스를 제어할 수 있다. 제어 로직(490)은 뉴런 어레이들(410, 415, 450, 455, 460, 465, 480, 483, 485), 제 1 내지 제 4 시냅스 어레이(430, 432, 434, 436)의 스파이크 신호의 전달이나 처리, 업데이트 등을 제어할 수 있다. 특히, 제어 로직(490)은 제 1 내지 제 5 커넥팅 블록(420, 422, 424, 426, 428)에 스위칭 제어 신호(SC)를 제공할 수 있다. 스위칭 제어 신호(SC)를 통해서 하드웨어로 구현되는 뉴로모픽 회로(400)에서 프루닝(Pruning)이나 드랍아웃(Dropout) 연산을 구현할 수 있다.
상술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.
Claims (5)
- 뉴로모픽 회로에 있어서:
스파이크 신호를 생성하는 복수의 뉴런 회로들을 포함하는 제 1 뉴런 어레이;
상기 제 1 뉴런 어레이로부터 전달되는 상기 스파이크 신호를 처리하여 출력하는 복수의 제 1 시냅스 회로들을 포함하는 제 1 시냅스 어레이;
상기 제 1 시냅스 어레이에 대해 제 1 방향에 형성되며 복수의 제 2 시냅스 회로들을 포함하는 제 2 시냅스 어레이;
상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이 사이에 위치하며, 제어 신호에 응답하여 상기 제 1 시냅스 어레이와 상기 제 2 시냅스 어레이를 연결하는 제 1 커넥팅 블록;
상기 제 1 시냅스 어레이에 대해 수직인 제 2 방향에 형성되는 제 3 시냅스 어레이;
상기 제 1 시냅스 어레이와 상기 제 3 시냅스 어레이를 연결하는 제 2 커넥팅 블록; 그리고
상기 제어 신호를 생성하는 제어 로직을 포함하는 뉴로모픽 회로. - 제 1 항에 있어서,
상기 제 1 커넥팅 블록은 상기 제어 신호에 응답하여 상기 제 1 시냅스 회로들의 입력 라인들 또는 출력 라인들의 신호를 레벨 변경없이 전달하는 복수의 스위치들을 포함하는 뉴로모픽 회로. - 제 2 항에 있어서,
상기 복수의 스위치들 각각은 상보적 패스 트랜지스터 로직(Complementary Pass Transistor Logic)을 포함하는 뉴로모픽 회로. - 제 1 항에 있어서,
상기 제 1 시냅스 어레이와 상기 제 1 커넥팅 블록 사이에 위치하는 제 2 뉴런 어레이; 그리고
상기 제 2 시냅스 어레이의 출력 라인들에 연결되고 출력 스파이크 신호를 생성하는 제 3 뉴런 어레이를 더 포함하는 뉴로모픽 회로. - 삭제
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200142592A KR102514931B1 (ko) | 2020-10-29 | 2020-10-29 | 확장 가능한 뉴로모픽 회로 |
US17/205,620 US20220138546A1 (en) | 2020-10-29 | 2021-03-18 | Expandable neuromorphic circuit |
CN202111255117.0A CN114429199A (zh) | 2020-10-29 | 2021-10-27 | 可扩展的仿神经电路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200142592A KR102514931B1 (ko) | 2020-10-29 | 2020-10-29 | 확장 가능한 뉴로모픽 회로 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220057386A KR20220057386A (ko) | 2022-05-09 |
KR102514931B1 true KR102514931B1 (ko) | 2023-03-29 |
Family
ID=81311874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200142592A KR102514931B1 (ko) | 2020-10-29 | 2020-10-29 | 확장 가능한 뉴로모픽 회로 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220138546A1 (ko) |
KR (1) | KR102514931B1 (ko) |
CN (1) | CN114429199A (ko) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210125049A1 (en) * | 2019-10-29 | 2021-04-29 | Taiwan Semiconductor Manufacturing Co., Ltd. | System for executing neural network |
JP6968941B1 (ja) * | 2020-07-08 | 2021-11-24 | 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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102114356B1 (ko) * | 2018-08-28 | 2020-05-22 | 이화여자대학교 산학협력단 | 3차원 크로스바 메모리 구조를 이용한 뉴로 모픽 소자 |
KR102618546B1 (ko) * | 2018-09-03 | 2023-12-27 | 삼성전자주식회사 | 2차원 어레이 기반 뉴로모픽 프로세서 및 그 동작 방법 |
-
2020
- 2020-10-29 KR KR1020200142592A patent/KR102514931B1/ko active IP Right Grant
-
2021
- 2021-03-18 US US17/205,620 patent/US20220138546A1/en active Pending
- 2021-10-27 CN CN202111255117.0A patent/CN114429199A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN114429199A (zh) | 2022-05-03 |
US20220138546A1 (en) | 2022-05-05 |
KR20220057386A (ko) | 2022-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thakur et al. | Large-scale neuromorphic spiking array processors: A quest to mimic the brain | |
JP7336819B2 (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 | |
US9779355B1 (en) | Back propagation gates and storage capacitor for neural networks | |
CN107924227B (zh) | 电阻处理单元 | |
US9466362B2 (en) | Resistive cross-point architecture for robust data representation with arbitrary precision | |
US9342780B2 (en) | Systems and methods for modeling binary synapses | |
US11157803B2 (en) | Neuromorphic device including a synapse having a variable resistor and a transistor connected in parallel with each other | |
US11531871B2 (en) | Stacked neuromorphic devices and neuromorphic computing systems | |
CN112005252B (zh) | 具有单独权重更新和干扰电路的电阻式处理单元架构 | |
US11620505B2 (en) | Neuromorphic package devices and neuromorphic computing systems | |
KR102514931B1 (ko) | 확장 가능한 뉴로모픽 회로 | |
KR102434119B1 (ko) | 시냅스 스트링 어레이를 이용한 신경망 | |
KR20190114212A (ko) | 이진값 기반 신경회로망을 위한 단일 컬럼 멤리스터 크로스바 및 cmos 활성화 함수 회로 | |
CN111194467A (zh) | 差分忆阻电路 | |
KR20210151737A (ko) | 신경망을 위한 시냅스 스트링 및 시냅스 스트링 어레이 | |
US11977970B2 (en) | Spintronic computing architecture and method | |
US20220027712A1 (en) | Neural mosaic logic unit | |
Indiveri et al. | Neuromorphic Networks of Spiking Neurons | |
AU2021296187B2 (en) | Suppressing undesired programming at half-selected devices in a crosspoint array of 3-terminal resistive memory | |
Rai et al. | Neuron Network with a Synapse of CMOS transistor and Anti-Parallel Memristors for Low power Implementations | |
Indiveri et al. | System-level integration in neuromorphic co-processors | |
CN114761973A (zh) | 电容性处理单元 | |
Indiveri et al. | 10.1 Neuromorphic vs. Conventional Use of VLSI Technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |