KR20170080433A - Methods of Reading-out Data from Synapses of Neuromorphic Device - Google Patents

Methods of Reading-out Data from Synapses of Neuromorphic Device Download PDF

Info

Publication number
KR20170080433A
KR20170080433A KR1020160127527A KR20160127527A KR20170080433A KR 20170080433 A KR20170080433 A KR 20170080433A KR 1020160127527 A KR1020160127527 A KR 1020160127527A KR 20160127527 A KR20160127527 A KR 20160127527A KR 20170080433 A KR20170080433 A KR 20170080433A
Authority
KR
South Korea
Prior art keywords
voltage
synaptic
transistor
electrode
post
Prior art date
Application number
KR1020160127527A
Other languages
Korean (ko)
Other versions
KR102668199B1 (en
Inventor
이형동
Original Assignee
에스케이하이닉스 주식회사
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 에스케이하이닉스 주식회사 filed Critical 에스케이하이닉스 주식회사
Priority to US15/388,677 priority Critical patent/US11037052B2/en
Publication of KR20170080433A publication Critical patent/KR20170080433A/en
Application granted granted Critical
Publication of KR102668199B1 publication Critical patent/KR102668199B1/en

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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/049Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

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)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Semiconductor Memories (AREA)
  • Non-Volatile Memory (AREA)

Abstract

게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스로부터 데이터를 독출하는 방법이 설명된다. 상기 데이터 독출 방법은 상기 트랜지스터의 상기 게이트 전극에 독출 전압을 인가하고, 상기 트랜지스터의 상기 제1 전극에 프리-시냅틱 전압을 인가하고, 및 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함한다. 상기 독출 전압은 상기 트랜지스터의 문턱 전압보다 낮을 수 있다.A method of reading data from a synapse that includes a variable resistor having a gate electrode, a transistor having a first electrode, and a second electrode, and a first electrode coupled to a second electrode of the transistor is described. The data readout method comprising applying a read voltage to the gate electrode of the transistor, applying a pre-synaptic voltage to the first electrode of the transistor, and applying a post-synaptic voltage to the second electrode of the variable resistor . The read voltage may be lower than the threshold voltage of the transistor.

Description

뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법{Methods of Reading-out Data from Synapses of Neuromorphic Device}Methods for Reading Data from Synapses of Nyomorphic Devices {Methods of Reading-Out Data from Synapses of Neuromorphic Device}

본 발명은 뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법에 관한 것으로서, 특히 서브-문턱 전압 영역에서 데이터를 독출하는 방법에 관한 것이다.The present invention relates to a method of reading data from a synapse of a neuromorph element and more particularly to a method of reading data in a sub-threshold voltage region.

최근 인간의 뇌를 모방한 뉴로모픽 기술이 주목 받고 있다. 뉴로모픽 기술은 다수의 프리-시냅스 뉴런들, 다수의 포스트-시냅스 뉴런들, 및 다수의 시냅스들을 포함한다. 뉴로모픽 기술에 이용되는 뉴로모픽 소자는 학습된 상태에 따라 다양한 레벨, 크기, 또는 시간에 따른 펄스 또는 스파이크를 출력한다. 뉴로모픽 소자의 시냅스는 다단 레벨의 데이터를 저장할 수 있다. 예를 들어, 학습 수준에 따라 1과 0이 아니라, 그 중간 레벨들의 데이터를 저장하여 강한 학습 수준 또는 약한 학습 수준을 저장할 수 있다. 따라서, 시냅스로부터 데이터를 독출할 때, 출력 전류 값이 저항 변화에 따라 되도록 큰 차이를 갖는 것이 유리하다.Recently, NyomopliK technology, which mimics the human brain, is attracting attention. The neuromotor technology includes multiple pre-synaptic neurons, multiple post-synaptic neurons, and multiple synapses. The neuromorph elements used in the neuromotor technology output pulses or spikes at various levels, sizes, or times depending on the learned state. Synaptics of the neuromorphic device can store multi-level data. For example, depending on the level of learning, rather than 1 and 0, you can store data at intermediate levels to store strong or weak learning levels. Therefore, when reading data from a synapse, it is advantageous that the output current value has a large difference in accordance with the resistance change.

본 발명이 해결하고자 하는 과제는 뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법을 제공하는 것이다.A problem to be solved by the present invention is to provide a method for reading data from synapses of a neuromorphic device.

본 발명이 해결하고자 하는 과제는 서브-문턱 전압 영역에서 시냅스로부터 데이터를 독출하는 방법을 제공하는 것이다.A problem to be solved by the present invention is to provide a method of reading data from a synapse in a sub-threshold voltage range.

본 발명이 해결하고자 하는 과제는 독출 모드에서 흥분성 시냅스 및 억제성 시냅스를 구현하는 방법을 제공하는 것이다.The problem to be solved by the present invention is to provide a method of implementing excitatory synapses and inhibitory synapses in a read mode.

본 발명이 해결하고자 하는 다양한 과제들은 이상에서 언급한 과제들에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당 업자에게 명확하게 이해될 수 있을 것이다.The various problems to be solved by the present invention are not limited to the above-mentioned problems, and other problems not mentioned can be clearly understood by those skilled in the art from the following description.

본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법은 게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스를 준비하고, 상기 트랜지스터의 상기 게이트 전극에 독출 전압을 인가하고, 상기 트랜지스터의 상기 제1 전극에 프리-시냅틱 전압을 인가하고, 및 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함할 수 있다. 상기 독출 전압은 상기 트랜지스터의 문턱 전압보다 낮을 수 있다.A method for reading data from a synapse of a neuromorph element according to an embodiment of the present invention includes a transistor having a gate electrode, a first electrode, and a second electrode, and a transistor connected to the second electrode of the transistor, Preparing a synapse comprising a variable resistor having one electrode, applying a read voltage to the gate electrode of the transistor, applying a pre-synaptic voltage to the first electrode of the transistor, and applying a pre- And applying a post-synaptic voltage to the electrode. The read voltage may be lower than the threshold voltage of the transistor.

상기 포스트-시냅틱 전압은 0(zero)일 수 있다.The post-synaptic voltage may be zero.

상기 독출 전압과 상기 포스트-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작을 수 있다.The absolute value of the difference between the readout voltage and the post-synaptic voltage may be less than the threshold voltage.

상기 프리-시냅틱 전압은 양(+)의 전압일 수 있다.The pre-synaptic voltage may be a positive voltage.

상기 독출 전압은 양(+)의 전압일 수 있다.The readout voltage may be a positive voltage.

상기 프리-시냅틱 전압은 상기 독출 전압보다 높을 수 있다.The pre-synaptic voltage may be higher than the read voltage.

상기 독출 전압과 상기 프리-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작을 수 있다.The absolute value of the difference between the read voltage and the pre-synaptic voltage may be less than the threshold voltage.

상기 프리-시냅틱 전압은 음(-)의 전압일 수 있다.The pre-synaptic voltage may be a negative voltage.

상기 독출 전압은 음(-)의 전압일 수 있다.The readout voltage may be negative (-).

상기 프리-시냅틱 전압은 상기 독출 전압보다 낮을 수 있다.The pre-synaptic voltage may be lower than the read voltage.

본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법은 게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스를 준비하고, 게이팅 컨트롤러로부터 게이팅 라인을 통하여 상기 트랜지스터의 상기 게이트 전극에 상기 트랜지스터의 문턱 전압보다 낮은 양(+)의 독출 전압을 인가하고, 프리-시냅틱 뉴런으로부터 로우 라인을 통하여 상기 트랜지스터의 상기 제1 전극에 양(+)의 프리-시냅틱 전압을 인가하고, 및 포스트-시냅틱 뉴런으로부터 컬럼 라인을 통하여 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함할 수 있다.A method for reading data from a synapse of a neuromorph element according to an embodiment of the present invention includes a transistor having a gate electrode, a first electrode, and a second electrode, and a transistor connected to the second electrode of the transistor, (+) Read voltage lower than the threshold voltage of the transistor to the gate electrode of the transistor through a gating line from a gating controller, and applying a pre-synaptic neuron Applying a positive (+) pre-synaptic voltage to the first electrode of the transistor from the post-synaptic neuron through a low line, and applying a post-synaptic voltage to the second electrode of the variable resistor from the post- Lt; / RTI >

상기 독출 전압과 상기 포스트-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작을 수 있다.The absolute value of the difference between the readout voltage and the post-synaptic voltage may be less than the threshold voltage.

상기 포스트-시냅틱 전압은 0(zero)일 수 있다.The post-synaptic voltage may be zero.

상기 프리-시냅틱 전압과 상기 포스트-시냅틱 전압의 차이는 상기 문턱 전압보다 클 수 있다.The difference between the pre-synaptic voltage and the post-synaptic voltage may be greater than the threshold voltage.

본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스로부터 데이터를 독출하는 방법은 게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스를 준비하고, 게이팅 컨트롤러로부터 게이팅 라인을 통하여 상기 트랜지스터의 상기 게이트 전극에 상기 트랜지스터의 문턱 전압보다 낮은 독출 전압을 인가하고, 프리-시냅틱 뉴런으로부터 로우 라인을 통하여 상기 트랜지스터의 상기 제1 전극에 음(-)의 프리-시냅틱 전압을 인가하고, 및 포스트-시냅틱 뉴런으로부터 컬럼 라인을 통하여 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함할 수 있다.A method for reading data from a synapse of a neuromorph element according to an embodiment of the present invention includes a transistor having a gate electrode, a first electrode, and a second electrode, and a transistor connected to the second electrode of the transistor, The method comprising: providing a synapse comprising a variable resistor having one electrode, applying a read voltage lower than the threshold voltage of the transistor from the gating controller to the gate electrode of the transistor through a gating line, Applying a negative (-) pre-synaptic voltage to the first electrode of the transistor, and applying a post-synaptic voltage from the post-synaptic neuron to the second electrode of the variable resistor through a column line have.

상기 독출 전압과 상기 프리-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작을 수 있다.The absolute value of the difference between the read voltage and the pre-synaptic voltage may be less than the threshold voltage.

상기 독출 전압은 양(+)의 전압일 수 있다.The readout voltage may be a positive voltage.

상기 독출 전압은 음(-)의 전압일 수 있다.The readout voltage may be negative (-).

상기 포스트-시냅틱 전압은 0(zero)일 수 있다.The post-synaptic voltage may be zero.

상기 프리-시냅틱 전압과 상기 포스트-시냅틱 전압의 차이는 상기 문턱 전압보다 클 수 있다.The difference between the pre-synaptic voltage and the post-synaptic voltage may be greater than the threshold voltage.

기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. The details of other embodiments are included in the detailed description and drawings.

본 발명의 기술적 사상에 의하면 멤리스터의 저항 차이에 의해 독출되는 전류의 차이가 크므로 데이터 센싱 마진이 개선될 수 있다.According to the technical idea of the present invention, the difference in the current read out due to the resistance difference of the memristor is large, so that the data sensing margin can be improved.

본 발명의 기술적 사상에 의하면 멤리스터의 저항 차이에 의해 독출되는 전류의 차이가 크므로 정확한 데이터를 독출할 수 있다.According to the technical idea of the present invention, accurate data can be read since the difference in the current read out due to the resistance difference of the memristor is large.

본 발명의 기술적 사상에 의하면 흥분성 시냅스 동작 및 억제성 시냅스 동작이 독립적으로 동시에 수행될 수 있다.According to the technical idea of the present invention, the excitatory synaptic action and the inhibitory synaptic action can be performed independently and concurrently.

기타 언급되지 않은 본 발명의 다양한 실시예들에 의한 효과들은 본문 내에서 언급될 것이다.The effects of various embodiments of the present invention not otherwise mentioned will be mentioned in the text.

도 1a 내지 1c는 본 발명의 기술적 사상의 다양한 실시예들에 의한 뉴로모픽 소자들을 개념적으로 도시한 블록다이아그램들이다.
도 2는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스를 상세하게 도시한 블록 다이아그램이다.
도 3a는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)를 학습시키는 것을 설명하는 개념적인 블록다이아그램이고, 및 도 3b는 학습 전압(V LN ), 프리-시냅틱 전압(V1), 및 포스트-시냅틱 전압(V2)을 개념적으로 도시한 그래프이다.
도 4a 및 5a는 본 발명의 기술적 사상의 실시예들에 의한 뉴로모픽 소자의 시냅스에 학습된 데이터 패턴을 독출하는 것을 설명하는 개념적인 블록다이아그램들이고, 및 도 4b 및 5b는 시냅스에 흐르는 전류를 개념적으로 보이는 그래프들이다.
도 6은 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스들에 학습된 데이터 패턴을 독출하는 것을 설명하는 개념적인 블록다이아그램이다.
도 7은 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스 어레이 시스템을 개념적으로 도시한 블록다이아그램이다.
도 8은 본 발명의 기술적 사상의 일 실시예에 따른 패턴 인식 시스템을 개념적으로 도시한 블록다이아그램이다.
Figs. 1A to 1C are block diagrams conceptually showing neuromorph elements according to various embodiments of the technical idea of the present invention.
2 is a block diagram illustrating in detail a synapse of a neuromorph element according to an embodiment of the present invention.
FIG. 3A is a conceptual block diagram illustrating learning of a synapse 30 of a neuromorph element according to an embodiment of the present invention, and FIG. 3B is a conceptual block diagram illustrating learning voltage V LN , pre- A voltage V1, and a post-synaptic voltage V2.
Figures 4a and 5a are conceptual block diagrams illustrating the reading of the learned data pattern at the synapses of a neuromorph element according to embodiments of the present invention and Figures 4b and 5b show conceptual block diagrams These are graphs that conceptually show current.
FIG. 6 is a conceptual block diagram illustrating the reading of learned data patterns in synapses of a neuromorph element according to an embodiment of the present invention.
7 is a block diagram conceptually illustrating a synaptic array system of a neuromorph element according to an embodiment of the present invention.
FIG. 8 is a block diagram conceptually showing a pattern recognition system according to an embodiment of the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예는 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention, and how to accomplish them, will become apparent by reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as being limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the concept of the invention to those skilled in the art. Is provided to fully convey the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims.

본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 ‘포함한다(comprises)’ 및/또는 ‘포함하는(comprising)’은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of illustrating embodiments and is not intended to be limiting of the present invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification. As used herein, the terms 'comprises' and / or 'comprising' mean that the stated element, step, operation and / or element does not imply the presence of one or more other elements, steps, operations and / Or additions.

하나의 소자(elements)가 다른 소자와 ‘접속된(connected to)’ 또는 ‘커플링된(coupled to)’ 이라고 지칭되는 것은, 다른 소자와 직접 연결 또는 커플링된 경우 또는 중간에 다른 소자를 개재한 경우를 모두 포함한다. 반면, 하나의 소자가 다른 소자와 ‘직접 접속된(directly connected to)’ 또는 ‘직접 커플링된(directly coupled to)’으로 지칭되는 것은 중간에 다른 소자를 개재하지 않은 것을 나타낸다. ‘및/또는’은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.It is to be understood that one element is referred to as being 'connected to' or 'coupled to' another element when it is directly coupled or coupled to another element, One case. On the other hand, when one element is referred to as being 'directly connected to' or 'directly coupled to' another element, it does not intervene another element in the middle. &Quot; and / or " include each and every one or more combinations of the mentioned items.

공간적으로 상대적인 용어인 ‘아래(below)’, ‘아래(beneath)’, ‘하부(lower)’, ‘위(above)’, ‘상부(upper)’ 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작 시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 ‘아래(below)’ 또는 ‘아래(beneath)’로 기술된 소자는 다른 소자의 ‘위(above)’에 놓여질 수 있다. Spatially relative terms such as 'below', 'beneath', 'lower', 'above' and 'upper' May be used to readily describe a device or a relationship of components to other devices or components. Spatially relative terms should be understood to include, in addition to the orientation shown in the drawings, terms that include different orientations of the device during use or operation. For example, when inverting an element shown in the figure, an element described as 'below' or 'beneath' of another element may be placed 'above' another element.

또한, 본 명세서에서 기술하는 실시 예들은 본 발명의 이상적인 예시도인 단면도 및/또는 평면도들을 참고하여 설명될 것이다. 도면들에 있어서, 막 및 영역들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다. 따라서, 제조 기술 및/또는 허용 오차 등에 의해 예시도의 형태가 변형될 수 있다. 따라서, 본 발명의 실시 예들은 도시된 특정 형태로 제한되는 것이 아니라 제조 공정에 따라 생성되는 형태의 변화도 포함하는 것이다. 예를 들면, 직각으로 도시된 영역은 라운드지거나 소정 곡률을 가지는 형태일 수 있다. 따라서, 도면에서 예시된 영역들은 개략적인 속성을 가지며, 도면에서 예시된 영역들의 모양은 소자의 영역의 특정 형태를 예시하기 위한 것이며 발명의 범주를 제한하기 위한 것이 아니다.In addition, the embodiments described herein will be described with reference to cross-sectional views and / or plan views, which are ideal illustrations of the present invention. In the drawings, the thicknesses of the films and regions are exaggerated for an effective description of the technical content. Thus, the shape of the illustrations may be modified by manufacturing techniques and / or tolerances. Accordingly, the embodiments of the present invention are not limited to the specific forms shown, but also include changes in the shapes that are generated according to the manufacturing process. For example, the area shown at right angles may be rounded or may have a shape with a certain curvature. Thus, the regions illustrated in the figures have schematic attributes, and the shapes of the regions illustrated in the figures are intended to illustrate specific types of regions of the elements and are not intended to limit the scope of the invention.

명세서 전문에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지칭한다. 따라서, 동일한 참조 부호 또는 유사한 참조 부호들은 해당 도면에서 언급 또는 설명되지 않았더라도, 다른 도면을 참조하여 설명될 수 있다. 또한, 참조 부호가 표시되지 않았더라도, 다른 도면들을 참조하여 설명될 수 있다.Like reference numerals refer to like elements throughout the specification. Accordingly, although the same reference numerals or similar reference numerals are not mentioned or described in the drawings, they may be described with reference to other drawings. Further, even if the reference numerals are not shown, they can be described with reference to other drawings.

본 명세서에서, 강화(potentiation), 셋(set), 및 학습(learning)이 동일하거나 유사한 용어로 사용되고, 및 억제(depressing), 리셋(reset), 및 초기화(initiation)가 동일하거나 유사한 의미로 사용될 것이다. 예를 들어, 시냅스들의 저항을 낮추는 동작이 강화, 셋, 또는 학습으로 설명될 것이고, 및 시냅스들의 저항을 높이는 동작이 억제, 리셋, 또는 초기화로 설명될 것이다. 또한, 시냅스들이 강화, 셋, 또는 학습되면 전도도가 증가하므로 점진적으로 높은 전압/전류가 출력될 수 있고, 및 시냅스들이 억제, 리셋, 또는 초기화되면 전도도가 감소하므로 점진적으로 낮은 전압/전류가 출력될 수 있다. 설명의 편의를 위하여, 데이터 패턴, 전기적 신호, 펄스, 스파이크, 및 파이어(fire)는 동일하거나, 유사하거나, 또는 호환되는 의미인 것으로 해석될 수 있다. 또한, 전압과 전류도 동일하거나 호환되는 의미인 것으로 해석될 수 있다.In this specification, the terms potentiation, set, and learning are used in the same or similar terms, and depressing, resetting, and initiation are used in the same or similar sense will be. For example, the action of lowering the resistance of the synapses will be described as enhancement, set, or learning, and the action of increasing the resistance of the synapses will be described as suppression, reset, or initialization. Also, when the synapses are enriched, set, or learned, the conductivity is increased, so that a progressively higher voltage / current can be output, and as the synapses are suppressed, reset, or initialized, . For ease of explanation, data patterns, electrical signals, pulses, spikes, and fire can be interpreted to be the same, similar, or compatible meanings. Also, voltage and current can be interpreted to be the same or compatible.

도 1a 내지 1c는 본 발명의 기술적 사상의 다양한 실시예들에 의한 뉴로모픽 소자들을 개념적으로 도시한 블록다이아그램들이다.Figs. 1A to 1C are block diagrams conceptually showing neuromorph elements according to various embodiments of the technical idea of the present invention.

도 1a를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자는 다수 개의 프리-시냅틱 뉴런들 (10_1~10_n), 로우 라인들 (15_1~15_n), 포스트-시냅틱 뉴런들 (20_1~20_n), 컬럼 라인들 (25_1~25_n), 시냅스들 (30_11~30_nn), 로우 게이팅 컨트롤러들 (41_1~41_n), 및 로우 게이팅 라인들 (46_1~46_n)을 포함할 수 있다. 로우 라인들 (15_1~15_n)과 로우 게이팅 라인들 (46_1~46_n)은 평행할 수 있다.1A, a neuromorph element according to an exemplary embodiment of the present invention includes a plurality of pre-synaptic neurons 10_1 to 10_n, row lines 15_1 to 15_n, and post-synaptic neurons 20_1 to 20_n, column lines 25_1 to 25_n, synapses 30_11 to 30_nn, row gating controllers 41_1 to 41_n, and row gating lines 46_1 to 46_n. The row lines 15_1 to 15_n and the row gating lines 46_1 to 46_n may be parallel.

프리-시냅틱 뉴런들 (10_1~10_n)은 학습 모드 (learning mode), 리셋 모드(reset mode), 또는 독출 모드 (reading mode) 에서 로우 라인들 (15_1~15_n)을 통하여 시냅스들 (30_11~30_nn)로 전기적 신호들을 전송할 수 있다.The pre-synaptic neurons 10_1 to 10_n are connected to the synapses 30_11 to 30_nn through the row lines 15_1 to 15_n in a learning mode, a reset mode, or a reading mode, Lt; / RTI >

포스트-시냅틱 뉴런들 (20_1~20_n)은 학습 모드 또는 리셋 모드에서 컬럼 라인들 (25_1~25_n)을 통하여 시냅스들 (30_1~30_n)로 전기적 펄스를 전송할 수 있고, 및 독출 모드에서 컬럼 라인들 (25_1~25_n)을 통하여 시냅스들 (30_1~30_n)로부터 전기적 신호들을 수신할 수 있다.The post-synaptic neurons 20_1 to 20_n can transmit electrical pulses to the synapses 30_1 to 30_n through the column lines 25_1 to 25_n in the learning mode or the reset mode, 25_1 through 25_n) from the synapses 30_1 through 30_n.

로우 라인들 (15_1~15_n)은 각각 프리-시냅틱 뉴런들 (10_1~10_n) 중 하나로부터 로우 방향으로 연장하여 다수 개의 시냅스들 (30_1~30_n)과 전기적으로 연결될 수 있다.The row lines 15_1 to 15_n may extend in a row direction from one of the pre-synaptic neurons 10_1 to 10_n and be electrically connected to the plurality of synapses 30_1 to 30_n, respectively.

컬럼 라인들 (25_1~25_n)은 각각 포스트-시냅틱 뉴런들 (20_1~20_n) 중 하나로부터 컬럼 방향으로 연장하여 다수 개의 시냅스들 (30_1~30_n)과 전기적으로 연결될 수 있다. The column lines 25_1 to 25_n may extend in the column direction from one of the post-synaptic neurons 20_1 to 20_n, respectively, and may be electrically connected to the plurality of synapses 30_1 to 30_n.

로우 게이팅 컨트롤러들 (41_1~41_n)는 로우 게이팅 라인들 (46_1~46_n)을 통하여 시냅스들 (30_1~30_n)로 게이팅 신호를 제공할 수 있다.The low gating controllers 41_1 to 41_n may provide the gating signals to the synapses 30_1 to 30_n through the low gating lines 46_1 to 46_n.

로우 게이팅 라인들 (46_1~46_n)은 각각 로우 게이팅 컨트롤러들 (41_1~41_n) 중 하나로부터 로우 방향으로 연장하여 다수 개의 시냅스들 (30_1~30_n)과 전기적으로 연결될 수 있다. The low gating lines 46_1 to 46_n may extend in the low direction from one of the row gating controllers 41_1 to 41_n and be electrically connected to the plurality of synapses 30_1 to 30_n.

시냅스들 (30_1~30_n)은 로우 라인들 (15_1~15_n)과 컬럼 라인들 (25_1~25_n)의 교차점들에 배치될 수 있다. 동일한 로우 라인 (15_1~15_n)을 공유하는 시냅스들 (30_11~30_nn)은 동일한 로우 게이팅 라인 (46_1~46_n)을 공유할 수 있다. The synapses 30_1 to 30_n may be disposed at the intersections of the row lines 15_1 to 15_n and the column lines 25_1 to 25_n. The synapses 30_11 to 30_nn sharing the same row line 15_1 to 15_n may share the same row gating line 46_1 to 46_n.

도 1b를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자는 다수 개의 프리-시냅틱 뉴런들 (10_1~10_n), 로우 라인들 (15_1~15_n), 포스트-시냅틱 뉴런들 (20_1~20_n), 컬럼 라인들 (25_1~25_n), 시냅스들 (30_11~30_nn), 컬럼 게이팅 컨트롤러들 (42_1~42_n), 및 컬럼 게이팅 라인들 (47_1~47_n)을 포함할 수 있다. 컬럼 게이팅 컨트롤러들 (42_1~42_n)은 컬럼 게이팅 라인들 (47_1~47_n)을 통하여 시냅스들 (30_11~30_nn)로 게이팅 신호를 제공할 수 있다. 컬럼 게이팅 라인들 (47_1~47_n)은 각각 컬럼 게이팅 컨트롤러들 (42_1~42_n) 중 하나로부터 컬럼 방향으로 연장하여 다수 개의 시냅스들 (30_11~30_nn)과 전기적으로 연결될 수 있다. 동일한 컬럼 라인 (25_1~25_n)을 공유하는 시냅스들 (30_11~30_nn)은 동일한 컬럼 게이팅 라인 (47_1~47_n)을 공유할 수 있다. 1B, a neuromorph element according to an exemplary embodiment of the present invention includes a plurality of pre-synaptic neurons 10_1 to 10_n, row lines 15_1 to 15_n, post-synaptic neurons The column gating controllers 42_1 to 42_n and the column gating lines 47_1 to 47_n may be included in the memory cell array 20-1 to 20_n, the column lines 25_1 to 25_n, the synapses 30_11 to 30_nn, and the column gating controllers 42_1 to 42_n. The column gating controllers 42_1 to 42_n may provide gating signals to the synapses 30_11 to 30_nn via the column gating lines 47_1 to 47_n. The column gating lines 47_1 to 47_n may extend in the column direction from one of the column gating controllers 42_1 to 42_n and be electrically connected to the plurality of synapses 30_11 to 30_nn, respectively. The synapses 30_11 to 30_nn sharing the same column lines 25_1 to 25_n may share the same column gating lines 47_1 to 47_n.

도 1c를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자는 다수 개의 프리-시냅틱 뉴런들 (10_1~10_n), 로우 라인들 (15_1~15_n), 포스트-시냅틱 뉴런들 (20_1~20_n), 컬럼 라인들 (25_1~25_n), 시냅스들 (30_11~30_nn), 로우 게이팅 컨트롤러들 (41_1~41_n), 컬럼 게이팅 컨트롤러들 (42_1~42_n), 로우 게이팅 라인들 (46_1~46_n), 및 컬럼 게이팅 라인들 (47_1~47_n)을 포함할 수 있다. 로우 게이팅 컨트롤러들 (41_1~41_n)은 로우 게이팅 라인들 (46_1~46_n)을 통하여 시냅스들 (30_11~30_nn)로 게이팅 신호를 제공할 수 있고, 및 컬럼 게이팅 컨트롤러들 (42_1~42_n)은 컬럼 게이팅 라인들 (47_1~47_n)을 통하여 시냅스들 (30_11~30_nn)로 게이팅 신호를 제공할 수 있다. 동일한 로우 라인 (15_1~15_n)을 공유하는 시냅스들 (30_11~30_nn)은 동일한 로우 게이팅 라인 (46_1~46_n)을 공유할 수 있고, 및 동일한 컬럼 라인 (25_1~25_n)을 공유하는 시냅스들 (30_11~30_nn)은 동일한 컬럼 게이팅 라인 (47_1~47_n)을 공유할 수 있다. 즉, 시냅스들 (30_11~30_nn)은 각각 하나의 로우 라인 (15_1~15_n), 하나의 컬럼 라인 (25_1~25_n), 하나의 로우 게이팅 라인 (46_1~46_n), 및 하나의 컬럼 게이팅 라인 (47_1~47_n)과 전기적으로 연결될 수 있다. 1C, a neuromorph element according to an embodiment of the technical idea of the present invention includes a plurality of pre-synaptic neurons 10_1 to 10_n, row lines 15_1 to 15_n, post-synaptic neurons The column gating controllers 42_1 to 42_n, the row gating lines 46_1 to 46_n, the column gates 25_1 to 25_n, the column lines 25_1 to 25_n, the synapses 30_11 to 30_nn, the row gating controllers 41_1 to 41_n, ), And column gating lines 47_1 to 47_n. The row gating controllers 41_1 to 41_n may provide gating signals to the synapses 30_11 to 30_nn via the row gating lines 46_1 to 46_n and the column gating controllers 42_1 to 42_n may provide gating signals to the column gating And can provide a gating signal to the synapses 30_11 to 30_nn through the lines 47_1 to 47_n. Synapses 30_11 to 30_nn sharing the same row lines 15_1 to 15_n may share the same row gating lines 46_1 to 46_n and synapses 30_11 to 30_nn sharing the same column lines 25_1 to 25_n, To 30_nn may share the same column gating lines 47_1 to 47_n. That is, each of the synapses 30_11 to 30_nn includes one row line 15_1 to 15_n, one column line 25_1 to 25_n, one row gating line 46_1 to 46_n, and one column gating line 47_1 To 47_n, respectively.

도 2는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스를 상세하게 도시한 블록 다이아그램이다. 2 is a block diagram illustrating in detail a synapse of a neuromorph element according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)는 트랜지스터(31) 및 멤리스터(35)를 포함할 수 있고, 및 포스트-시냅틱 뉴런(20)는 적분기(21) 및 비교기(25)를 포함할 수 있다. 멤리스터(35)는 가변 저항기를 포함할 수 있다. 2, a synapse 30 of a neuromorph element according to an embodiment of the present invention may include a transistor 31 and a memristor 35, and a post-synaptic neuron 20 ) May include an integrator 21 and a comparator 25. The memristor 35 may include a variable resistor.

시냅스(30)의 트랜지스터(31)의 게이트 전극(G)은 게이팅 라인(45)을 통하여 게이팅 컨트롤러(40)와 전기적으로 연결될 수 있고, 트랜지스터(31)의 제1 전극(E1)은 로우 라인(15)을 통하여 프리-시냅틱 뉴런(10)과 전기적으로 연결될 수 있고, 및 트랜지스터(31)의 제2 전극(E2)은 멤리스터(35)의 제1 노드(N1)과 전기적으로 연결될 수 있다. 멤리스터(35)의 제2 노드(N2)는 컬럼 라인(25)을 통하여 포스트-시냅틱 뉴런(20)과 전기적으로 연결될 수 있다.The gate electrode G of the transistor 31 of the synapse 30 may be electrically connected to the gating controller 40 through the gating line 45 and the first electrode E1 of the transistor 31 may be electrically connected to the low- And the second electrode E2 of the transistor 31 may be electrically connected to the first node N1 of the memristor 35. The pre-synaptic neuron 10 may be electrically connected to the first node N1 of the memristor 35 via the first node N1. The second node N2 of the memristor 35 may be electrically connected to the post-synaptic neuron 20 via the column line 25. [

포스트-시냅틱 뉴런(20)의 적분기(21)의 입력 단자는 컬럼 라인(25)을 통하여 멤리스터(35)의 제2 노드(N2)과 전기적으로 연결될 수 있고, 및 비교기(25)의 입력 단자는 적분기(21)의 출력 단자와 전기적으로 연결될 수 있다.The input terminal of the integrator 21 of the post-synaptic neuron 20 can be electrically connected to the second node N2 of the memristor 35 via the column line 25, May be electrically connected to the output terminal of the integrator 21.

트랜지스터(31)의 제1 전극(E1) 및 제2 전극(E2)은 전류의 방향에 따라 소스 전극 또는 드레인 전극으로 회로적으로 해석될 수 있다. 따라서, 이하에서, 제1 전극(E1) 및 제2 전극(E2)은 트랜지스터(31)의 회로적 동작에 따라 각각, 소스 전극 또는 드레인 전극으로 명명, 설명될 것이다. The first electrode E1 and the second electrode E2 of the transistor 31 can be circuitly analyzed as a source electrode or a drain electrode depending on the direction of the current. Therefore, in the following, the first electrode E1 and the second electrode E2 will be referred to as a source electrode or a drain electrode, respectively, according to the circuit operation of the transistor 31. [

도 3a는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)를 학습시키는 것을 설명하는 개념적인 블록다이아그램이고, 및 도 3b는 학습 전압(V LN ), 프리-시냅틱 전압(V1), 및 포스트-시냅틱 전압(V2)을 개념적으로 도시한 그래프이다. FIG. 3A is a conceptual block diagram illustrating learning of a synapse 30 of a neuromorph element according to an embodiment of the present invention, and FIG. 3B is a conceptual block diagram illustrating learning voltage V LN , pre- A voltage V1, and a post-synaptic voltage V2.

도 3a 및 3b를 참조하면, 상기 뉴로모픽 소자의 시냅스(30)를 학습시키는 방법은 시냅스(30)의 트랜지스터(31)의 게이트 전극(G)에 학습 게이트 전압(VLN, learning gate voltage)을 인가하고, 트랜지스터(31)의 제1 전극(E1)에 학습 프리-시냅틱 전압(V1, learning pre-synaptic voltage)을 인가할 수 있고, 및 멤리스터(35)의 제2 노드(N2)에 학습 포스트-시냅틱 전압(V2, learning post-synaptic voltage)을 인가하는 것을 포함할 수 있다. 학습 게이트 전압(VLN)은 트랜지스터(31)의 문턱 전압(Vth)보다 높을 수 있다. (VLN > Vth) 학습 프리-시냅틱 전압(V1)은 양(+)의 전압인 다수 개의 펄스들을 포함할 수 있다. 학습 포스트-시냅틱 전압(V2)은 음(-)의 전압인 다수 개의 펄스들을 포함할 수 있다. 따라서, 트랜지스터(31)가 턴-온 되기 위한 게이트-소스 전압(Vgs), 즉 트랜지스터(31)의 게이트 전극(G)과 제2 전극(E2) 간의 전압은 트랜지스터(31)의 문턱 전압(Vth)보다 충분히 크고, 따라서 트랜지스터(31)가 충분히 턴-온 될 수 있다. 3A and 3B, a method of learning the synapse 30 of the neuromorph element is performed by applying a learning gate voltage (V LN ) to the gate electrode G of the transistor 31 of the synapse 30, And can apply a learning pre-synaptic voltage (V1) to the first electrode E1 of the transistor 31 and apply a learning pre-synaptic voltage V1 to the second node N2 of the memristor 35 And applying a learning post-synaptic voltage (V2). The learning gate voltage V LN may be higher than the threshold voltage Vth of the transistor 31. (V LN > Vth) The learning pre-synaptic voltage V1 may comprise a plurality of pulses which are positive voltages. The learning post-synaptic voltage V2 may comprise a plurality of pulses which are negative (-) voltages. Therefore, the gate-source voltage Vgs for turning on the transistor 31, that is, the voltage between the gate electrode G and the second electrode E2 of the transistor 31 is lower than the threshold voltage Vth of the transistor 31 ), And therefore the transistor 31 can be sufficiently turned on.

학습 프리-시냅틱 전압(V1)과 학습 포스트-시냅틱 전압(V2)의 차이는 시냅스(30)의 멤리스터(35)의 저항을 낮추거나 높일 수 있을 정도로 충분히 클 수 있다. 예를 들어, 학습 프리-시냅틱 전압(V1)과 학습 포스트-시냅틱 전압(V2)의 차이는 셋 전압(Vset) 또는 리셋 전압(Vreset) 보다 클 수 있다. 셋 전압(Vset) 및 리셋 전압(Vreset)은 시냅스(30)의 멤리스터(35)의 저항을 낮추거나 높일 수 있는 전압이다. The difference between the learning pre-synaptic voltage V1 and the learning post-synaptic voltage V2 may be large enough to lower or raise the resistance of the memristor 35 of the synapse 30. For example, the difference between the learning pre-synaptic voltage V1 and the learning post-synaptic voltage V2 may be greater than the set voltage Vset or the reset voltage Vreset. The set voltage Vset and the reset voltage Vreset are voltages at which the resistance of the memristor 35 of the synapse 30 can be lowered or increased.

본 발명의 기술적 사상의 확장된 실시예들에서, 학습 포스트-시냅틱 전압(V2)은 0(zero) 또는 양(+)의 전압일 수도 있다. 그러나, 이 경우에도 트랜지스터(31)의 게이트-소스 전압(Vgs)은 문턱 전압(Vth)보다 충분히 높을 수 있다. In the expanded embodiments of the inventive concept, the learning post-synaptic voltage V2 may be a voltage of zero or positive. In this case, however, the gate-source voltage Vgs of the transistor 31 may be sufficiently higher than the threshold voltage Vth.

학습 모드에서, 시냅스(30)의 멤리스터(35)를 통과한 전기적 신호가 포스트-시냅틱 뉴런(20)의 적분기(21)에서 적분되어 비교기(25)의 참조 전압(reference voltage)보다 높은 전압을 갖게 되면 비교기(25)로부터 전기적 신호가 출력될 수 있다. 즉, 포스트-시냅틱 뉴런(20)이 파이어(fire)될 수 있다. 포스트-시냅틱 뉴런(20)이 파이어되면 학습 모드가 종료될 수 있다.The electrical signal passing through the memristor 35 of the synapse 30 is integrated in the integrator 21 of the post-synaptic neuron 20 to generate a voltage higher than the reference voltage of the comparator 25 An electrical signal can be output from the comparator 25. That is, the post-synaptic neuron 20 may be fired. The learning mode may end when the post-synaptic neuron 20 is fired.

도 4a는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)에 학습된 (즉, 저장된) 데이터 패턴을 독출하는 것을 설명하는 개념적인 블록다이아그램이고, 및 도 4b는 시냅스(30)에 흐르는 전류를 개념적으로 보이는 그래프이다. 예를 들어, 흥분성 시냅스(excitatory synapse), 즉 독출 모드에서 시냅스(30)로부터 포스트-시냅틱 뉴런(20)으로 흐르는 전류가 증가하는 상태가 설명된다. 전류가 흐르는 방향은 화살표를 참조할 수 있다.4A is a conceptual block diagram illustrating the reading of a learned (i.e., stored) data pattern in a synapse 30 of a neuromorph element according to one embodiment of the present invention, and FIG. 4B Is a graph that conceptually shows the current flowing through the synapse 30. For example, an excitatory synapse, i.e., a state in which the current flowing from the synapse 30 to the post-synaptic neuron 20 increases in the read mode is described. The direction in which the current flows can be referred to by an arrow.

도 4a를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)에 학습된 (즉, 저장된) 데이터 패턴을 독출하는 방법은 먼저, 게이팅 컨트롤러(40)로부터 게이팅 라인(46)을 통하여 시냅스(30)의 트랜지스터(31)의 게이트 전극(G)에 독출 전압(Vrd)을 인가하고, 프리-시냅틱 뉴런(10)으로부터 로우 라인(15)을 통하여 트랜지스터(31)의 제1 전극(E1)에 프리-시냅틱 전압(Va)을 인가하고, 및 포스트-시냅틱 뉴런(20)으로부터 컬럼 라인(25)을 통하여 멤리스터(35)의 제2 노드(N2)에 포스트-시냅틱 전압(Vb)을 인가하는 것을 포함할 수 있다. Referring to FIG. 4A, a method of reading a learned (i.e., stored) data pattern in a synapse 30 of a neuromorph element according to an embodiment of the present invention will first be described by referring to the gating controller 40 A readout voltage Vrd is applied to the gate electrode G of the transistor 31 of the synapse 30 through the gating line 46 and the read voltage Vrd is applied from the pre- ) To the second node N2 of the memristor 35 through the column line 25 from the post-synaptic neuron 20 and applying a pre-synaptic voltage Va to the first electrode El of the memristor 35, - applying the synaptic voltage Vb.

포스트-시냅틱 전압(Vb)이 실질적으로 0(zero)인 것으로 가정된다. 따라서, 포스트-시냅틱 뉴런(20)은 멤리스터(35)의 제2 노드(N2)에 아무 전압도 인가하지 않을 수 있다. 독출 전압(Vrd)은 트랜지스터(31)의 문턱 전압(Vth) 보다 낮고(lower) 포스트-시냅틱 전압(Vb)보다 높은 양(+)의 전압을 가질 수 있다. 프리-시냅틱 전압(Va)은 독출 전압(Vrd)보다 높은 양(+)의 전압을 가질 수 있다. 따라서, 포스트-시냅틱 전압(Vb)은 독출 전압(Vrd) 및 프리-시냅틱 전압(Va) 보다 낮을(lower) 수 있다. 본 발명의 기술적 사상을 이해하기 쉽도록 설명하기 위하여, 포스트-시냅틱 전압(Vb)이 멤리스터(35)의 제2 노드(N2)와 트랜지스터(31)의 제2 전극(E2)에 동일하게 인가되는 것으로 가정, 설명된다.It is assumed that the post-synaptic voltage Vb is substantially zero. Thus, the post-synaptic neuron 20 may not apply any voltage to the second node N2 of the memristor 35. [ The readout voltage Vrd may be lower than the threshold voltage Vth of the transistor 31 and have a positive voltage higher than the post-synaptic voltage Vb. The pre-synaptic voltage Va may have a positive voltage higher than the read voltage Vrd. Thus, the post-synaptic voltage Vb may be lower than the read voltage Vrd and the pre-synaptic voltage Va. The post-synaptic voltage Vb is applied to the second node N2 of the memristor 35 and the second electrode E2 of the transistor 31 in the same manner .

독출 전압(Vrd)과 포스트-시냅틱 전압(Vb)의 차이, 즉 트랜지스터(31)의 게이트-소스 전압(Vgs)이 트랜지스터(31)의 문턱 전압(Vth) 보다 작으므로(small or less), 트랜지스터(31)는 턴-오프 상태일 수 있다. (│Vgs│ < Vth) 그러나, 프리-시냅틱 전압(Va)과 포스트-시냅틱 전압(Vb)의 차이, 즉 트랜지스터(31)의 드레인-소스 전압(Vds)이 트랜지스터(31)의 문턱 전압(Vth)보다 높으므로 트랜지스터 전류(Ids)가 트랜지스터(31)의 제1 전극(E1)으로부터 제2 전극(E2)으로 흐를 수 있다. 즉, 컬럼 라인(25)을 통하여 포스트-시냅틱 뉴런(20)으로 공급되는 전류가 증가할 수 있다. (흥분성 시냅스 상태)The difference between the read voltage Vrd and the post-synaptic voltage Vb, i.e. the gate-source voltage Vgs of the transistor 31 is smaller or less than the threshold voltage Vth of the transistor 31, (31) may be in a turn-off state. (Vgs | <Vth) However, the difference between the pre-synaptic voltage Va and the post-synaptic voltage Vb, that is, the drain-source voltage Vds of the transistor 31 is the threshold voltage Vth of the transistor 31 The transistor current Ids can flow from the first electrode E1 of the transistor 31 to the second electrode E2. That is, the current supplied to the post-synaptic neuron 20 through the column line 25 may increase. (Excitatory synaptic state)

예를 들어, 트랜지스터(31)의 문턱 전압(Vth)이 0.7V 이고, 독출 전압(Vrd)이 0.5V 이고, 프리-시냅틱 전압(Va)이 1V 이고, 및 포스트-시냅틱 전압(Vb)이 실질적으로 0(zero)인 경우, 게이트-소스 전압(Vgs)은 0.5V 이므로 트랜지스터(31)가 턴-오프 상태이고, 및 프리-시냅틱 전압(Va)과 포스트-시냅틱 전압(Vb)의 전위 차(1V)에 의해 트랜지스터(31)의 제1 전극(E1)으로부터 제2 전극(E2)으로 작은(small) 트랜지스터 전류(Ids)가 흐를 수 있다.For example, when the threshold voltage Vth of the transistor 31 is 0.7 V, the read voltage Vrd is 0.5 V, the pre-synaptic voltage Va is 1 V, and the post-synaptic voltage Vb is substantially The gate-source voltage Vgs is 0.5 V and the transistor 31 is in the turn-off state and the potential difference between the pre-synaptic voltage Va and the post-synaptic voltage Vb A small transistor current Ids can flow from the first electrode E1 to the second electrode E2 of the transistor 31 by a voltage of 1V.

트랜지스터 전류(Ids)는 도 4b에 도시된 그래프에 보여진다. 상세하게, 독출 전압(Vrd)와 포스트-시냅틱 전압(Vb)의 차이, 즉 트랜지스터(31)의 게이트-소스 전압(Vgs)의 차이의 변화에 따른 트랜지스터 전류(Ids)의 변화가 보여진다. 세로 축은 로그 스케일(log scale)이다. 실질적으로 포스트-시냅틱 전압(Vb)이 0(zero)이므로, 게이트-소스 전압(Vgs)과 게이트 전압(Vg)는 실질적으로 동일할 수 있다. (Vrd - Vb = Vgs = Vg)The transistor current Ids is shown in the graph shown in FIG. 4B. In detail, a change in the transistor current Ids with a change in the difference between the readout voltage Vrd and the post-synaptic voltage Vb, that is, the difference between the gate-source voltage Vgs of the transistor 31 is shown. The vertical axis is the log scale. Since the post-synaptic voltage Vb is substantially zero, the gate-source voltage Vgs and the gate voltage Vg may be substantially the same. (Vrd - Vb = Vgs = Vg)

도 4b를 참조하면, 독출 전압(Vrd), 즉 게이트-소스 전압(Vgs)이 트랜지스터(31)의 문턱 전압(Vth)보다 낮은(lower) 구간에서, 멤리스터(35)의 저항 상태에 따라 트랜지스터 전류(Ids)가 큰 차이를 보인다. 실험적으로, 독출 전압(Vrd), 즉 게이트-소스 전압(Vgs)이 트랜지스터(31)의 문턱 전압(Vth)보다 낮은(lower) 구간에서, 트랜지스터 전류(Ids)는 게이트-소스 전압(Vgs)에 지수 함수적으로 변화한다. 4B, in accordance with the resistance state of the memristor 35, the read voltage Vrd, that is, the gate-source voltage Vgs is lower than the threshold voltage Vth of the transistor 31, The current Ids shows a large difference. Experimentally, the transistor current Ids is applied to the gate-source voltage Vgs at the readout voltage Vrd, i.e., the gate-source voltage Vgs is lower than the threshold voltage Vth of the transistor 31 It changes exponentially.

Figure pat00001
Figure pat00001

(I D_ subth : 게이트-소스 전압이 트랜지스터의 문턱 전압보다 낮은 구간에서 트랜지스터 전류) (I D_ subth: gate-source voltage of the transistor at a lower current region than the threshold voltage of the transistor)

예를 들어, 게이트-소스 전압(Vgs)이 트랜지스터(31)의 문턱 전압(Vth)보다 낮은(lower) 구간에서, 트랜지스터 전류(Ids)의 변화율은 실험적으로 약 1.0E3 이상이다. 본 실시예에서, 멤리스터(35)의 저항 변화가 작기 때문에 트랜지스터(31)이 게이트-소스 전압(Vgs)의 변화가 작게 발생하더라도 트랜지스터 전류(Ids)는 급격하게 변화할 수 있다. For example, at a period when the gate-source voltage Vgs is lower than the threshold voltage Vth of the transistor 31, the rate of change of the transistor current Ids is experimentally about 1.0E3 or more. In this embodiment, since the resistance change of the memristor 35 is small, the transistor current Ids can be abruptly changed even if the change in the gate-source voltage Vgs is small.

상세하게, 포스트-시냅틱 전압(Vb)을 0(zero)으로 가정하면, 독출 전압(Vrd)이 트랜지스터(31)의 문턱 전압(Vth)보다 낮은(lower) 경우, 트랜지스터 전류(Ids)는 멤리스터(35)의 저항 상태에 따라 큰 차이를 보일 수 있다. 예를 들어, 멤리스터(35)가 낮은(lower) 저항 상태인 경우의 트랜지스터 전류(Ids_LR)는 멤리스터(35)가 높은 저항 상태인 경우의 트랜지스터 전류(Ids_HR)는 보다 적어도 수 백 배 이상으로 높을 수 있다. 즉, 멤리스터(35)의 학습 상태들에 의한 전류 차이가 매우 크다. 따라서, 문턱 전압(Vth) 보다 낮은(lower) 독출 전압(Vrd), 즉 게이트 전압(Vg)을 이용하면, 시냅스(30)에 저장된 데이터 패턴이 용이하게 인식(recognize)될 수 있다. 즉, 시냅스(30)가 학습되었는지 아닌지가 용이하게 판단될 수 있다.Specifically, assuming that the post-synaptic voltage Vb is zero, when the readout voltage Vrd is lower (lower) than the threshold voltage Vth of the transistor 31, A large difference may be seen depending on the resistance state of the resistor 35. [ For example, the transistor current Ids_LR when the memristor 35 is in the lower resistance state is at least several hundred times larger than the transistor current Ids_HR when the memristor 35 is in the high resistance state Can be high. That is, the current difference due to the learning states of the memristor 35 is very large. Therefore, by using the read voltage Vrd lower than the threshold voltage Vth, that is, the gate voltage Vg, the data pattern stored in the synapse 30 can be easily recognized. That is, whether or not the synapse 30 has been learned can be easily determined.

도 5a는 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)에 학습된 (즉, 저장된) 데이터 패턴을 독출하는 것을 설명하는 개념적인 블록다이아그램이고, 및 도 5b는 시냅스(30)에 흐르는 전류를 개념적으로 보이는 그래프이다. 예를 들어, 억제성 시냅스(inhibitory synapse), 즉 독출 모드에서 시냅스(30)로부터 포스트-시냅틱 뉴런(20)으로 흐르는 전류가 감소하는 상태가 설명된다. 전류가 공급되는 방향은 화살표를 참조할 수 있다.5A is a conceptual block diagram illustrating the reading of a learned (i.e., stored) data pattern in a synapse 30 of a neuromorph element according to one embodiment of the present invention, and FIG. 5B Is a graph that conceptually shows the current flowing through the synapse 30. For example, inhibitory synapse, a state in which the current flowing from the synapse 30 to the post-synaptic neuron 20 in a readout mode is reduced, is illustrated. The direction in which the current is supplied may refer to arrows.

도 5a를 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스(30)에 학습된 (즉, 저장된) 데이터 패턴을 독출하는 방법은 먼저, 게이팅 컨트롤러(40)로부터 게이팅 라인(45)을 통하여 시냅스(30)의 트랜지스터(31)의 게이트 전극(G)에 독출 전압(Vrd)을 인가하고, 프리-시냅틱 뉴런(10)으로부터 로우 라인(15)을 통하여 트랜지스터(31)의 제1 전극(E1)에 프리-시냅틱 전압(Va)을 인가하고, 및 포스트-시냅틱 뉴런(20)으로부터 컬럼 라인(25)을 통하여 멤리스터(35)의 제2 노드(N2)에 포스트-시냅틱 전압(Vb)을 인가하는 것을 포함할 수 있다. Referring to FIG. 5A, a method of reading a learned (i.e., stored) data pattern in a synapse 30 of a neuromorph element according to an embodiment of the present invention is first described by referring to the gating controller 40 The read voltage Vrd is applied to the gate electrode G of the transistor 31 of the synapse 30 through the gating line 45 and the read voltage Vrd is applied to the transistor 31 through the low line 15 from the pre- ) To the second node N2 of the memristor 35 through the column line 25 from the post-synaptic neuron 20 and applying a pre-synaptic voltage Va to the first electrode El of the memristor 35, - applying the synaptic voltage Vb.

포스트-시냅틱 전압(Vb)이 실질적으로 0(zero)인 것으로 가정된다. 프리-시냅틱 전압(Va)은 독출 전압(Vrd) 및 포스트-시냅틱 전압(Vb)보다 낮은(lower) 전압, 예를 들어 음(-)의 전압을 가질 수 있다. 독출 전압(Vrd)은 트랜지스터(31)의 문턱 전압(Vth)의 보다 낮은(lower) 양(+)의 전압 또는 음(-)의 전압을 가질 수 있다. 예를 들어, 독출 전압(Vrd)이 음(-)의 전압일지라도, 프리-시냅틱 전압(Va)이 더 낮으므로(lower), 트랜지스터(31)의 게이트 전극(G)과 제1 전극(E1)의 전압 차, 즉 게이트-소스 전압(Vgs)는 양(+)의 전압일 수 있다. 독출 전압(Vrd)과 프리-시냅틱 전압(Va)의 차이, 즉 트랜지스터(31)의 게이트-소스 전압(Vgs)의 절대 값은 트랜지스터(31)의 문턱 전압(Vth)보다 작을(small or less) 수 있다. (│Vgs│ < Vth) 따라서, 트랜지스터(31)는 턴-오프 상태일 수 있다. 그러나, 포스트-시냅틱 전압(Vb)과 프리-시냅틱 전압(Va)의 차이, 즉 드레인-소스 전압(Vds)의 절대 값이 문턱 전압(Vth)보다 크므로 트랜지스터 전류(Ids)가 트랜지스터(31)의 제2 전극(E2)으로부터 제1 전극(E1)으로 흐를 수 있다. 즉, 컬럼 라인(25)을 통하여 포스트-시냅틱 뉴런(20)으로 공급되는 전류가 감소할 수 있다. (억제성 시냅스 상태)It is assumed that the post-synaptic voltage Vb is substantially zero. The pre-synaptic voltage Va may have a lower voltage, e. G., Negative, than the read voltage Vrd and the post-synaptic voltage Vb. The readout voltage Vrd may have a lower positive voltage or a negative voltage of the threshold voltage Vth of the transistor 31. [ The gate electrode G and the first electrode E1 of the transistor 31 are connected to each other because the pre-synaptic voltage Va is lower, for example, even if the readout voltage Vrd is a negative voltage. The gate-source voltage Vgs may be a positive voltage. The absolute value of the difference between the read voltage Vrd and the pre-synaptic voltage Va or the gate-source voltage Vgs of the transistor 31 is smaller or less than the threshold voltage Vth of the transistor 31, . (| Vgs | <Vth) Therefore, the transistor 31 may be in a turn-off state. However, since the difference between the post-synaptic voltage Vb and the pre-synaptic voltage Va, that is, the absolute value of the drain-source voltage Vds is greater than the threshold voltage Vth, To the first electrode E1 from the second electrode E2. That is, the current supplied to the post-synaptic neuron 20 through the column line 25 can be reduced. (Inhibitory synapse state)

예를 들어, 트랜지스터(31)의 문턱 전압(Vth)이 0.7V 이고, 독출 전압(Vrd)이 0.5V 이고, 프리-시냅틱 전압(Va)이 -1.0V 이고, 및 포스트-시냅틱 전압(Vb)이 실질적으로 0(zero)인 경우, 게이트-소스 전압(Vgs)의 절대 값은 0.5V 이므로 트랜지스터(31)가 턴-오프 상태이고, 및 포스트-시냅틱 전압(Vb)과 프리-시냅틱 전압(Va)의 전위 차(1.0V)에 의해 트랜지스터(31)의 제2 전극(E2)으로부터 제1 전극(E1)으로 작은(small) 트랜지스터 전류(Ids)가 흐를 수 있다. 확장된 실시예에서, 예를 들어, 트랜지스터(31)의 문턱 전압(Vth)이 0.7V 이고, 독출 전압(Vrd)이 -0.5V 이고, 프리-시냅틱 전압(Va)이 -1.0V 이고, 및 포스트-시냅틱 전압(Vb)이 실질적으로 0(zero)인 경우, 게이트-소스 전압(Vgs)의 절대 값은 0.5V 이므로 트랜지스터(31)가 턴-오프 상태이고, 및 포스트-시냅틱 전압(Vb)과 프리-시냅틱 전압(Va)의 전위 차(1.0V)에 의해 트랜지스터(31)의 제2 전극(E2)으로부터 제1 전극(E1)으로 작은(small) 트랜지스터 전류(Ids)가 흐를 수 있다. 본 발명의 기술적 사상의 다양한 실시예들에서, 게이트-소스 전압(Vgs)의 절대 값이 문턱 전압(Vth)보다 작은(small or less) 영역에서 (│Vgs│ < Vth), 본 발명의 기술적 사상이 구현될 수 있다. For example, when the threshold voltage Vth of the transistor 31 is 0.7 V, the read voltage Vrd is 0.5 V, the pre-synaptic voltage Va is -1.0 V, and the post- The absolute value of the gate-source voltage Vgs is 0.5 V so that the transistor 31 is in the turn-off state and the post-synaptic voltage Vb and the pre-synaptic voltage Va (Va) are substantially zero A small transistor current Ids can flow from the second electrode E2 of the transistor 31 to the first electrode E1 by the potential difference of 1.0 V. In an expanded embodiment, for example, when the threshold voltage Vth of the transistor 31 is 0.7 V, the readout voltage Vrd is -0.5 V, the pre-synaptic voltage Va is -1.0 V, and When the post-synaptic voltage Vb is substantially zero, since the absolute value of the gate-source voltage Vgs is 0.5V, the transistor 31 is in the turn-off state and the post- A small transistor current Ids can flow from the second electrode E2 of the transistor 31 to the first electrode E1 by a potential difference (1.0 V) of the pre-synaptic voltage Va. In various embodiments of the technical aspects of the present invention, in the region where the absolute value of the gate-source voltage Vgs is smaller or less than the threshold voltage Vth (| Vgs | <Vth) Can be implemented.

트랜지스터 전류(Ids)는 도 5b에 도시된 그래프에 보여진다. 상세하게, 독출 전압(Vrd)와 포스트-시냅틱 전압(Vb)의 차이, 즉 트랜지스터(31)의 게이트-소스 전압(Vgs)의 차이의 변화에 따른 트랜지스터 전류(Ids)의 변화가 보여진다. 실질적으로 포스트-시냅틱 전압(Vb)이 0(zero)이므로, 게이트-소스 전압(Vgs)은 음(-)의 전압일 수 있다. The transistor current Ids is shown in the graph shown in FIG. 5B. In detail, a change in the transistor current Ids with a change in the difference between the readout voltage Vrd and the post-synaptic voltage Vb, that is, the difference between the gate-source voltage Vgs of the transistor 31 is shown. Since the post-synaptic voltage Vb is substantially zero, the gate-source voltage Vgs may be a negative voltage.

도 5b를 참조하면, 독출 전압(Vrd), 즉 게이트-소스 전압(Vgs)이 트랜지스터(31)의 문턱 전압(Vth)보다 높은 음(-)의 구간에서, 멤리스터(35)의 저항 상태에 따라 트랜지스터 전류(Ids)가 큰 차이를 보인다. 게이트-소스 전압(Vgs)은 독출 전압(Vrd)과 프리-시냅틱 전압(Va)의 차이이므로 음(-)의 값이고, 트랜지스터 전류(Ids)는 제2 전극(E2)으로부터 제1 전극(E1)으로 흐르므로 음(-)의 값인 것으로 도시되었다. Referring to FIG. 5B, in the period of negative (-) when the readout voltage Vrd, that is, the gate-source voltage Vgs is higher than the threshold voltage Vth of the transistor 31, The transistor current Ids shows a large difference. The gate-source voltage Vgs is a negative value since it is the difference between the read voltage Vrd and the pre-synaptic voltage Va. The transistor current Ids is supplied from the second electrode E2 to the first electrode E1 ), It is shown to be a negative value.

상세하게, 트랜지스터 전류(Ids)는 멤리스터(35)의 저항 상태에 따라 큰 차이를 보일 수 있다. 예를 들어, 멤리스터(35)가 낮은 저항 상태인 경우의 트랜지스터 전류(Ids_LR)는 멤리스터(35)가 높은 저항 상태인 경우의 트랜지스터 전류(Ids_HR)는 보다 적어도 수 백 배 이하로 낮을 수 있다.In detail, the transistor current Ids may show a large difference depending on the resistance state of the MEMSR 35. For example, the transistor current Ids_LR when the memristor 35 is in the low resistance state may be at least several hundred times lower than the transistor current Ids_HR when the memristor 35 is in the high resistance state .

따라서, 문턱 전압(Vth) 보다 낮은(lower) 독출 전압(Vrd), 즉 게이트 전압(Vg)을 이용하면, 시냅스(30)에 저장된 데이터 패턴이 용이하게 인식(recognize)될 수 있다. 즉, 시냅스(30)가 학습되었는지 아닌지가 용이하게 판단될 수 있다.Therefore, by using the read voltage Vrd lower than the threshold voltage Vth, that is, the gate voltage Vg, the data pattern stored in the synapse 30 can be easily recognized. That is, whether or not the synapse 30 has been learned can be easily determined.

도 6은 본 발명의 기술적 사상의 일 실시예에 의한 뉴로모픽 소자의 시냅스들 (30a, 30b)에 학습된 (즉, 저장된) 데이터 패턴을 독출하는 것을 설명하는 개념적인 블록다이아그램이다. 예를 들어, 흥분성 시냅스(30a) 및 억제성 시냅스(30b)가 동시에 수행되는 것을 설명하는 블록다이아그램이다. 도 6을 참조하면, 제1 시냅스 시스템(S1)은 흥분성 시냅스 동작을 수행할 수 있고, 및 제2 시냅스 시스템(S2)은 억제성 시냅스 동작을 동시에 수행할 수 있다. FIG. 6 is a conceptual block diagram illustrating the reading of learned (i.e., stored) data patterns in synapses 30a and 30b of a neuromorph element according to an embodiment of the present invention. For example, it is a block diagram illustrating that excitatory synapse 30a and inhibitory synapse 30b are performed simultaneously. Referring to Fig. 6, the first synapse system S1 can perform an excitatory synapse operation, and the second synapse system S2 can simultaneously perform inhibitory synapse operation.

상세하게, 제1 시냅스 시스템(S1)에서, 제1 시냅스(30a)의 제1 트랜지스터(31a)의 게이트 전극(G)에 제1 독출 전압(Vrd1)이 인가되고, 제1 프리-시냅틱 뉴런(10a)으로부터 제1 로우 라인(15a)을 통하여 제1 시냅스(30a)의 제1 트랜지스터(31a)의 제1 전극(E1)에 제1 프리-시냅틱 전압(Va1)이 인가되고, 및 포스트-시냅틱 뉴런(20)으로부터 컬럼 라인(25)을 통하여 제1 시냅스(30a)의 제1 멤리스터(35a)의 제2 노드(N2) 또는 제1 트랜지스터(31a)의 제2 전극(E2)에 제1 포스트-시냅틱 전압(Vb1)이 인가될 수 있다. 동시에, 제2 시냅스 시스템(S2)에서, 제2 시냅스(30b)의 제2 트랜지스터(31b)의 게이트 전극(G)에 제2 독출 전압(Vrd2)이 인가되고, 제2 프리-시냅틱 뉴런(10b)으로부터 제2 로우 라인(15b)을 통하여 제2 시냅스(30b)의 제2 트랜지스터(31b)의 제1 전극(E1)에 제2 프리-시냅틱 전압(Va2)이 인가되고, 및 포스트-시냅틱 뉴런(20)으로부터 컬럼 라인(25)을 통하여 제2 시냅스(30b)의 제2 멤리스터(35b)의 제2 노드(N2) 또는 제2 트랜지스터(31b)의 제2 전극(E2)에 포스트-시냅틱 전압(Vb2)이 인가될 수 있다.Specifically, in the first synapse system S1, the first read voltage Vrd1 is applied to the gate electrode G of the first transistor 31a of the first synapse 30a, and the first pre-synapse neuron A first pre-synaptic voltage Va1 is applied to the first electrode E1 of the first transistor 31a of the first synapse 30a through the first row line 15a from the first pre- The second node N2 of the first memristor 35a of the first synapse 30a or the second electrode N2 of the first transistor 31a of the first synapse 30a from the neuron 20 through the column line 25, A post-synaptic voltage Vb1 may be applied. At the same time, in the second synapse system S2, the second read voltage Vrd2 is applied to the gate electrode G of the second transistor 31b of the second synapse 30b, and the second pre-synaptic neuron 10b A second pre-synaptic voltage Va2 is applied to the first electrode E1 of the second transistor 31b of the second synapse 30b through the second row line 15b from the second pre- A second node N2 of the second memristor 35b of the second synapse 30b or a second electrode E2 of the second transistor 31b is connected to the post- The voltage Vb2 may be applied.

제1 독출 전압(Vrd1)은 제1 트랜지스터(31a)의 문턱 전압(Vth)보다 낮은(lower) 양(+)의 전압일 수 있다. 따라서, 제1 트랜지스터(31a)는 턴-오프 상태일 수 있다. 제2 독출 전압(Vrd2)는 제2 트랜지스터(31b)의 문턱 전압(Vth)보다 낮은(lower) 양(+)의 전압이거나, 문턱 전압(Vth)보다 작은(small or less) 절대 값을 갖는 음(-)의 전압일 수 있다. 본 발명의 기술적 사상의 확장된 실시예에서, 제2 독출 전압(Vrd2)은 실질적으로 0(zero)일 수도 있다. 따라서, 제2 트랜지스터(31b)도 턴-오프 상태일 수 있다. 또한, 본 발명의 기술적 사상의 확장된 실시예에서, 제1 독출 전압(Vrd1)과 제2 독출 전압(Vrd2)은 실질적으로 동일할 수 있다.The first read voltage Vrd1 may be a positive voltage lower than the threshold voltage Vth of the first transistor 31a. Accordingly, the first transistor 31a may be in a turn-off state. The second read voltage Vrd2 may be either a positive voltage lower than the threshold voltage Vth of the second transistor 31b or a positive or negative voltage having an absolute value smaller than or less than the threshold voltage Vth. (-). &Lt; / RTI &gt; In an expanded embodiment of the inventive concept, the second read voltage Vrd2 may be substantially zero. Thus, the second transistor 31b may also be in a turn-off state. Further, in the expanded embodiment of the technical idea of the present invention, the first read voltage Vrd1 and the second read voltage Vrd2 may be substantially the same.

제1 트랜지스터(31a)의 제1 전극(E1)에 인가된 제1 프리-시냅틱 전압(Va1)은 제1 독출 전압(Vrd1) 및 제1 트랜지스터(31a)의 문턱 전압(Vth) 보다 높은 양(+)의 전압일 수 있다. 제2 트랜지스터(31b)의 제1 전극(E1)에 인사된 제2 프리-시냅틱 전압(Va2)은 제2 독출 전압(Vrd2) 및 제2 트랜지스터(31b)의 문턱 전압(Vth) 보다 낮을(lower) 수 있다. 예를 들어, 제2 프리-시냅틱 전압(Va2)은 음(-)의 전압일 수 있다. The first pre-synaptic voltage Va1 applied to the first electrode E1 of the first transistor 31a is higher than the first readout voltage Vrdl and the threshold voltage Vth of the first transistor 31a + &Lt; / RTI &gt; The second pre-synaptic voltage Va2 that is greeted to the first electrode E1 of the second transistor 31b is lower than the second read voltage Vrd2 and the threshold voltage Vth of the second transistor 31b ). For example, the second pre-synaptic voltage Va2 may be a negative voltage.

제1 트랜지스터(31a)에서, 제1 독출 전압(Vrd1)과 제1 포스트-시냅틱 전압(Vb1)의 차이, 즉 게이트-소스 전압(Vgs)의 절대 값(│Vgs│)은 제1 트랜지스터(31a)의 문턱 전압(Vth)보다 작을(small or less) 수 있다. (│Vgs│ < Vth) 또한, 제2 트랜지스터(31b)에서, 제2 독출 전압(Vrd2)과 제2 프리-시냅틱 전압(Va2)의 차이, 즉 게이트-소스 전압(Vgs)의 절대 값(│Vgs│)은 제2 트랜지스터(31b)의 문턱 전압(Vth)보다 낮을(lower) 수 있다.In the first transistor 31a, the difference between the first read voltage Vrd1 and the first post-synaptic voltage Vb1, that is, the absolute value of the gate-source voltage Vgs (| Vgs |), May be smaller or less than the threshold voltage (Vth) (Vgs | <Vth) In the second transistor 31b, the difference between the second read voltage Vrd2 and the second pre-synaptic voltage Va2, that is, the absolute value of the gate-source voltage Vgs Vgs | may be lower than the threshold voltage Vth of the second transistor 31b.

본 발명의 다양한 실시예들에서, 각 트랜지스터들 (30, 30a, 30b)의 문턱 전압들(Vth)은 다양하게 조절될 수 있다. 예를 들어, 진성 실리콘 트랜지스터의 문턱 전압은 약 0.67V로 알려져 있으나, 웰 영역, 소스/드레인 영역, 채널 스탑 영역 등의 이온 임플란트 양을 조절하여 문턱 전압(Vth)은 높아질 수도 있고 낮아질(lower) 수도 있다. In various embodiments of the present invention, the threshold voltages (Vth) of each of the transistors 30, 30a, 30b can be varied. For example, the threshold voltage of an intrinsic silicon transistor is known to be about 0.67 V, but the threshold voltage Vth may be increased or decreased by adjusting the amount of ion implantation in the well region, the source / drain region, the channel stop region, It is possible.

제2 트랜지스터(31b)의 제1 전극(E1)에 인가된 제2 프리-시냅틱 전압(Va2)은 음(-)의 전압일 수 있다.The second pre-synaptic voltage Va2 applied to the first electrode E1 of the second transistor 31b may be a negative voltage.

제1 및 제2 포스트-시냅틱 전압들(Va2, Vb2)은 동일할 수 있다. 예를 들어, 제1 및 제2 포스트-시냅틱 전압들(Va2, Vb2)은 실질적으로 0(zero)일 수 있다. The first and second post-synaptic voltages Va2, Vb2 may be the same. For example, the first and second post-synaptic voltages Va2, Vb2 may be substantially zero.

제1 시냅스 시스템(S1)에서, 제1 드레인-소스 전류(Ids1)가 제1 트랜지스터(31a)의 제1 전극(E1)으로부터 제2 전극(E2)으로 흐를 수 있다. In the first synapse system S1, the first drain-source current Ids1 may flow from the first electrode E1 of the first transistor 31a to the second electrode E2.

제2 시냅스 시스템(S2)에서, 제2 드레인-소스 전류(Ids2)가 제1 트랜지스터(31a)의 제2 전극(E2)으로부터 제1 전극(E1)으로 흐를 수 있다. In the second synapse system S2, a second drain-source current Ids2 may flow from the second electrode E2 of the first transistor 31a to the first electrode E1.

부가하여, 제1 시냅스 시스템(S1)의 동작은 도 4a 및 4b를 참조하여 더둑 상세하게 이해될 수 있고, 및 제2 시냅스 시스템(S2)의 동작은 도 5a 및 5b를 참조하여 더욱 상세하게 이해될 수 있을 것이다.In addition, the operation of the first synapse system S1 can be understood in detail with reference to Figs. 4A and 4B, and the operation of the second synapse system S2 can be understood in more detail with reference to Figs. 5A and 5B .

도 7은 본 발명의 기술적 사상의 일 실시예에 의한 어레이 시스템을 개념적으로 도시한 블록다이아그램이다. 도 7을 참조하면, 본 발명의 기술적 사상의 일 실시예에 의한 어레이 시스템은 다수 개의 시냅스 어레이들(SA1-SA3) 및 인터-어레이 시냅스(IS)를 포함할 수 있다. 다수 개의 시냅스 어레이들(SA1-SA3)은 직렬로 연결될 수 있다. 예를 들어, 제1 시냅스 어레이(SA1)의 출력이 제2 시냅스 어레이(SA2)의 입력으로 이용될 수 있고, 및 제2 시냅스 어레이(SA2)의 출력이 제3 시냅스 어레이(SA3)의 출력으로 이용될 수 있다. 인터-어레이 시냅스(IS)는 인터-어레이 트랜지스터(T) 및 인터-어레이 저항(R)을 포함할 수 있다. 7 is a block diagram conceptually illustrating an array system according to an embodiment of the technical concept of the present invention. Referring to FIG. 7, an array system according to an embodiment of the present invention may include a plurality of synapse arrays SA1 to SA3 and an inter-array synapse IS. A plurality of synapse arrays SA1-SA3 may be connected in series. For example, the output of the first synapse array SA1 may be used as the input of the second synapse array SA2, and the output of the second synapse array SA2 may be used as the output of the third synapse array SA3 Can be used. The inter-array synapse IS may comprise an inter-array transistor T and an inter-array resistor R.

인터-어레이 시냅스(IS)는 흥분성 시냅스 동작 또는 억제성 시냅스 동작을 수행할 수 있다. 예를 들어, 제3 시냅스 어레이(SA3)의 출력을 트랜지스터(T)의 게이트 전압, 즉 독출 전압(Vrd)으로 인가 받고, 및 외부로부터 인터-어레이 트랜지스터(T)의 전극에 드레인-소스 전압(Vds)를 인가함으로써, 인터-어레이 트랜지스터(T)는 제1 시냅스 어레이(Sa1)에 전류를 증가시킬 수도 있고 감소시킬 수도 있다. 즉, 학습된 데이터 패턴을 강화시킬 수도 있고, 억제시킬 수도 있다. 인터-어레이 시냅스(IS)의 상세한 동작은 도 4a 내지 5b를 참조하면 이해될 수 있을 것이다. The inter-array synapse (IS) may perform an excitatory synaptic action or an inhibitory synaptic action. For example, the output of the third synapse array SA3 is applied with the gate voltage of the transistor T, that is, the readout voltage Vrd, and the drain-source voltage Vout is applied to the electrode of the inter- Vds), the inter-array transistor T may increase or decrease the current in the first synapse array Sa1. That is, the learned data pattern may be enhanced or suppressed. The detailed operation of the inter-array synapse IS will be understood with reference to Figs. 4A to 5B.

도 8은 본 발명의 기술적 사상의 일 실시예에 따른 패턴 인식 시스템(900)을 개념적으로 도시한 블록다이아그램이다. 예를 들어, 상기 패턴 인식 시스템(900)은 음성 인식 시스템(speech recognition system), 영상 인식 시스템(imaging recognition system), 코드 인식 시스템(code recognition system), 신호 인식 시스템(signal recognition system), 또는 기타 다양한 패턴들을 인식하기 위한 시스템들 중 하나일 수 있다. FIG. 8 is a block diagram conceptually showing a pattern recognition system 900 according to an embodiment of the present invention. For example, the pattern recognition system 900 may include a speech recognition system, an imaging recognition system, a code recognition system, a signal recognition system, And may be one of systems for recognizing various patterns.

도 8을 참조하면, 본 발명의 기술적 사상의 일 실시예의 패턴 인식 시스템(900)은 중앙 처리 유닛(910), 메모리 유닛(920), 통신 제어 유닛(930), 네트워크(940), 출력 유닛(950), 입력 유닛(960), 아날로그-디지털 변환기(970), 뉴로모픽 유닛(980), 및/또는 버스(990)를 포함할 수 있다. 중앙 처리 유닛(910)은 뉴로모픽 유닛(980)의 학습을 위하여 다양한 신호를 생성 및 전달하고, 및 뉴로모픽 유닛(980)으로부터의 출력에 따라 음성, 영상 등과 같은 패턴을 인식하기 위한 다양한 처리 및 기능을 수행할 수 있다. 8, the pattern recognition system 900 of one embodiment of the technical concept of the present invention includes a central processing unit 910, a memory unit 920, a communication control unit 930, a network 940, an output unit 950, an input unit 960, an analog-to-digital converter 970, a novel Lomographic unit 980, and / or a bus 990. The central processing unit 910 generates and transmits a variety of signals for learning of the novel Lomographic unit 980 and generates various signals for recognizing patterns such as voice, Processing, and function.

상기 중앙 처리 유닛(910)은 메모리 유닛(920), 통신 제어 유닛(930), 출력 유닛(950), 아날로그-디지털 변환기(970) 및 뉴로모픽 유닛(980)과 버스(990)을 통하여 연결될 수 있다.The central processing unit 910 is connected to a memory unit 920, a communication control unit 930, an output unit 950, an analog-to-digital converter 970 and a novel Lomographic unit 980 via a bus 990 .

메모리 유닛(920)은 패턴 인식 시스템(900)에서 저장이 요구되는 다양한 정보를 저장할 수 있다. 메모리 유닛(920)은 디램(DRAM) 또는 에스램(SRAM) 같은 휘발성 메모리 소자, 피램(PRAM), 엠램(MRAM), 알이램(ReRAM), 또는 낸드 플래시 메모리(NAND flash memory) 같은 비휘발성 메모리, 또는 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 같은 다양한 기억 유닛들 중 적어도 하나를 포함할 수 있다.The memory unit 920 may store various information required to be stored in the pattern recognition system 900. The memory unit 920 may be a volatile memory device such as DRAM or SRAM, non-volatile memory such as PRAM, MRAM, ReRAM, or NAND flash memory. Memory, or various storage units such as a hard disk drive (HDD) or a solid state drive (SSD).

통신 제어 유닛(930)은 인식된 음성, 영상 등의 데이터를 네트워크(940)를 통하여 다른 시스템의 통신 제어 유닛으로 전송하거나 및/또는 수신할 수 있다.The communication control unit 930 can transmit and / or receive the recognized voice, video, and other data via the network 940 to the communication control unit of the other system.

출력 유닛(950)은 인식된 음성, 영상 등의 데이터를 다양한 방식으로 출력할 수 있다. 예컨대, 출력 유닛(950)은 스피커, 프린터, 모니터, 디스플레이 패널, 빔 프로젝터, 홀로그래머, 또는 기타 다양한 출력 장치를 포함할 수 있다.The output unit 950 can output the recognized voice, image, and other data in various manners. For example, the output unit 950 may include a speaker, a printer, a monitor, a display panel, a beam projector, a holographer, or various other output devices.

입력 유닛(960)은 마이크로폰, 카메라, 스캐너, 터치 패드, 키보드, 마우스, 마우스 펜, 또는 다양한 센서들 중 적어도 하나를 포함할 수 있다. The input unit 960 may include at least one of a microphone, a camera, a scanner, a touch pad, a keyboard, a mouse, a mouse pen, or various sensors.

아날로그-디지털 변환기(970)는 입력 장치(960)로부터 입력된 아날로그 데이터를 디지털 데이터로 변환할 수 있다. The analog-to-digital converter 970 can convert the analog data input from the input device 960 into digital data.

뉴로모픽 유닛(980)은 아날로그-디지털 변환기(970)로부터 출력된 데이터를 이용하여 학습(learning), 인식(recognition) 등을 수행할 수 있고, 인식된 패턴에 대응하는 데이터를 출력할 수 있다. 뉴로모픽 유닛(980)은 본 발명의 기술적 사상의 다양한 실시예들에 동작들을 수행할 수 있다.The neuromode unit 980 can perform learning, recognition, and the like using data output from the analog-to-digital converter 970, and can output data corresponding to the recognized pattern . The novelrom unit 980 may perform operations on various embodiments of the inventive concepts.

이상, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예에는 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood. It is therefore to be understood that the above-described embodiments are illustrative and not restrictive in every respect.

10, 10a, 10b: 프리-시냅틱 뉴런
15, 15a, 15b: 로우 라인
20: 포스트-시냅틱 뉴런
21: 적분기 25: 비교기
25: 컬럼 라인
30, 30a, 30b: 시냅스
31, 31a, 31b: 트랜지스터 35, 35a, 35b: 멤리스터
40: 게이팅 컨트롤러
41: 로우 게이팅 컨트롤러 42: 컬럼 게이팅 컨트롤러
45: 게이팅 라인 46: 로우 게이팅 라인
47: 컬럼 게이팅 라인
Vrd: 독출 전압
Va, Va1, Va2: 프리-시냅틱 전압
Vb, Vb1, Vb2: 포스트-시냅틱 전압
Ids, Ids_LR, Ids_HR: 드레인 전류
IS: 인터-어레이 시냅스
T: 트랜지스터
R: 저항
SA1-SA3: 시냅스 어레이
10, 10a, 10b: pre-synaptic neurons
15, 15a, 15b:
20: Post-synaptic neuron
21: integrator 25: comparator
25: column line
30, 30a, 30b: Synapse
31, 31a, 31b: transistors 35, 35a, 35b:
40: Gating controller
41: low gating controller 42: column gating controller
45: Gating line 46: Low gating line
47: Column gating line
Vrd: Readout voltage
Va, Va1, Va2: pre-synaptic voltage
Vb, Vb1, Vb2: Post-Synaptic Voltage
Ids, Ids_LR, Ids_HR: drain current
IS: Inter-Array Synapse
T: transistor
R: Resistance
SA1-SA3: synapse array

Claims (20)

게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스로부터 데이터를 독출하는 방법에 있어서,
상기 트랜지스터의 상기 게이트 전극에 독출 전압을 인가하고,
상기 트랜지스터의 상기 제1 전극에 프리-시냅틱 전압을 인가하고, 및
상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함하고,
상기 독출 전압은 상기 트랜지스터의 문턱 전압보다 낮은 데이터 독출 방법.
A method for reading data from a synapse comprising a variable resistor having a gate electrode, a transistor having a first electrode, and a second electrode, and a first electrode coupled to a second electrode of the transistor,
Applying a read voltage to the gate electrode of the transistor,
Applying a pre-synaptic voltage to the first electrode of the transistor, and
And applying a post-synaptic voltage to the second electrode of the variable resistor,
Wherein the read voltage is lower than the threshold voltage of the transistor.
제1항에 있어서,
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.
The method according to claim 1,
Wherein the post-synaptic voltage is zero.
제1항에 있어서,
상기 독출 전압과 상기 포스트-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작은(small) 데이터 독출 방법.
The method according to claim 1,
Wherein an absolute value of a difference between the read voltage and the post-synaptic voltage is smaller than the threshold voltage.
제3항에 있어서,
상기 프리-시냅틱 전압은 양(+)의 전압인 데이터 독출 방법.
The method of claim 3,
Wherein the pre-synaptic voltage is a positive voltage.
제4항에 있어서,
상기 독출 전압은 양(+)의 전압인 데이터 독출 방법.
5. The method of claim 4,
Wherein the read voltage is a positive voltage.
제4항에 있어서,
상기 프리-시냅틱 전압은 상기 독출 전압보다 높은 데이터 독출 방법.
5. The method of claim 4,
Wherein the pre-synaptic voltage is higher than the read voltage.
제1항에 있어서,
상기 독출 전압과 상기 프리-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작은(small) 데이터 독출 방법.
The method according to claim 1,
Wherein an absolute value of a difference between the read voltage and the pre-synaptic voltage is smaller than the threshold voltage.
제7항에 있어서,
상기 프리-시냅틱 전압은 음(-)의 전압인 데이터 독출 방법.
8. The method of claim 7,
Wherein the pre-synaptic voltage is a negative voltage.
제8항에 있어서,
상기 독출 전압은 음(-)의 전압인 데이터 독출 방법.
9. The method of claim 8,
And the read voltage is a negative voltage.
제8항에 있어서,
상기 프리-시냅틱 전압은 상기 독출 전압보다 낮은 데이터 독출 방법.
9. The method of claim 8,
Wherein the pre-synaptic voltage is lower than the read voltage.
게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 상기 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스로부터 데이터를 독출하는 방법에 있어서,
게이팅 컨트롤러로부터 게이팅 라인을 통하여 상기 트랜지스터의 상기 게이트 전극에 상기 트랜지스터의 문턱 전압보다 낮은 양(+)의 독출 전압을 인가하고,
프리-시냅틱 뉴런으로부터 로우 라인을 통하여 상기 트랜지스터의 상기 제1 전극에 양(+)의 프리-시냅틱 전압을 인가하고, 및
포스트-시냅틱 뉴런으로부터 컬럼 라인을 통하여 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함하는 데이터 독출 방법.
CLAIMS 1. A method of reading data from a synapse comprising a variable resistor having a gate electrode, a transistor having a first electrode, and a second electrode, and a first electrode coupled to the second electrode of the transistor,
Applying a positive read voltage lower than a threshold voltage of the transistor to the gate electrode of the transistor through a gating line from the gating controller,
Applying a positive (+) pre-synaptic voltage from the pre-synaptic neuron to the first electrode of the transistor through a low line, and
Applying a post-synaptic voltage from a post-synaptic neuron to a second electrode of the variable resistor through a column line.
제11항에 있어서,
상기 독출 전압과 상기 포스트-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작은(small) 데이터 독출 방법.
12. The method of claim 11,
Wherein an absolute value of a difference between the read voltage and the post-synaptic voltage is smaller than the threshold voltage.
제12항에 있어서,
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.
13. The method of claim 12,
Wherein the post-synaptic voltage is zero.
제11항에 있어서,
상기 프리-시냅틱 전압과 상기 포스트-시냅틱 전압의 차이는 상기 문턱 전압보다 큰 데이터 독출 방법.
12. The method of claim 11,
Wherein the difference between the pre-synaptic voltage and the post-synaptic voltage is greater than the threshold voltage.
게이트 전극, 제1 전극, 및 제2 전극을 가진 트랜지스터, 및 상기 트랜지스터의 상기 제2 전극과 연결된 제1 전극을 갖는 가변 저항기를 포함하는 시냅스로부터 데이터를 독출하는 방법에 있어서,
게이팅 컨트롤러로부터 게이팅 라인을 통하여 상기 트랜지스터의 상기 게이트 전극에 상기 트랜지스터의 문턱 전압보다 낮은 독출 전압을 인가하고,
프리-시냅틱 뉴런으로부터 로우 라인을 통하여 상기 트랜지스터의 상기 제1 전극에 음(-)의 프리-시냅틱 전압을 인가하고, 및
포스트-시냅틱 뉴런으로부터 컬럼 라인을 통하여 상기 가변 저항기의 제2 전극에 포스트-시냅틱 전압을 인가하는 것을 포함하는 데이터 독출 방법
CLAIMS 1. A method of reading data from a synapse comprising a variable resistor having a gate electrode, a transistor having a first electrode, and a second electrode, and a first electrode coupled to the second electrode of the transistor,
Applying a read voltage lower than a threshold voltage of the transistor from the gating controller to the gate electrode of the transistor through a gating line,
Applying a negative (-) pre-synaptic voltage from the pre-synaptic neuron to the first electrode of the transistor through a low line, and
A data read method comprising applying a post-synaptic voltage from a post-synaptic neuron to a second electrode of the variable resistor through a column line
제15항에 있어서,
상기 독출 전압과 상기 프리-시냅틱 전압의 차이의 절대 값은 상기 문턱 전압보다 작은(small) 데이터 독출 방법.
16. The method of claim 15,
Wherein an absolute value of a difference between the read voltage and the pre-synaptic voltage is smaller than the threshold voltage.
제16항에 있어서,
상기 독출 전압은 양(+)의 전압인 데이터 독출 방법.
17. The method of claim 16,
Wherein the read voltage is a positive voltage.
제16항에 있어서,
상기 독출 전압은 음(-)의 전압인 데이터 독출 방법.
17. The method of claim 16,
And the read voltage is a negative voltage.
제16항에 있어서,
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.
17. The method of claim 16,
Wherein the post-synaptic voltage is zero.
제16항에 있어서,
상기 프리-시냅틱 전압과 상기 포스트-시냅틱 전압의 차이는 상기 문턱 전압보다 큰 데이터 독출 방법.
17. The method of claim 16,
Wherein the difference between the pre-synaptic voltage and the post-synaptic voltage is greater than the threshold voltage.
KR1020160127527A 2015-12-30 2016-10-04 Methods of Reading-out Data from Synapses of Neuromorphic Device KR102668199B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/388,677 US11037052B2 (en) 2015-12-30 2016-12-22 Method of reading data from synapses of a neuromorphic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201562273218P 2015-12-30 2015-12-30
US62/273,218 2015-12-30

Publications (2)

Publication Number Publication Date
KR20170080433A true KR20170080433A (en) 2017-07-10
KR102668199B1 KR102668199B1 (en) 2024-05-23

Family

ID=59356110

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160127527A KR102668199B1 (en) 2015-12-30 2016-10-04 Methods of Reading-out Data from Synapses of Neuromorphic Device

Country Status (1)

Country Link
KR (1) KR102668199B1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020153651A1 (en) * 2019-01-21 2020-07-30 한양대학교 산학협력단 Neural network simulator and neural network simulation learning system
KR102330851B1 (en) 2020-09-08 2021-11-24 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032688A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032687A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032689A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Neuromophic circuits
US12132110B2 (en) 2020-09-08 2024-10-29 Kookmin University Industry Academy Cooperation Foundation Synaptic transistor with long-term and short-term memory

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110119215A1 (en) * 2009-11-13 2011-05-19 International Business Machines Corporation Hardware analog-digital neural networks
US20140129498A1 (en) * 2011-06-30 2014-05-08 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for non-supervised learning in an artificial neural network based on memristive nanodevices, and artificial neural network implementing said method
US20140269101A1 (en) * 2012-01-13 2014-09-18 Micron Technology, Inc. Programming a memory cell to a voltage to indicate a data value and after a relaxation time programming the memory cell to a second voltage to indicate the data value

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110119215A1 (en) * 2009-11-13 2011-05-19 International Business Machines Corporation Hardware analog-digital neural networks
US20140129498A1 (en) * 2011-06-30 2014-05-08 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for non-supervised learning in an artificial neural network based on memristive nanodevices, and artificial neural network implementing said method
US20140269101A1 (en) * 2012-01-13 2014-09-18 Micron Technology, Inc. Programming a memory cell to a voltage to indicate a data value and after a relaxation time programming the memory cell to a second voltage to indicate the data value

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
D. Zhang 등. "Energy-efficient neuromorphic computation based on compound spin synapse with stochastic learning". 2015 IEEE International Symposium on Circuits and Systems* *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020153651A1 (en) * 2019-01-21 2020-07-30 한양대학교 산학협력단 Neural network simulator and neural network simulation learning system
KR102330851B1 (en) 2020-09-08 2021-11-24 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032688A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032687A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Synaptic transistor and method for manufacturing the same
KR20220032689A (en) 2020-09-08 2022-03-15 국민대학교산학협력단 Neuromophic circuits
US12132110B2 (en) 2020-09-08 2024-10-29 Kookmin University Industry Academy Cooperation Foundation Synaptic transistor with long-term and short-term memory

Also Published As

Publication number Publication date
KR102668199B1 (en) 2024-05-23

Similar Documents

Publication Publication Date Title
TWI673657B (en) Neural network circuits having non-volatile synapse arrays
KR102668199B1 (en) Methods of Reading-out Data from Synapses of Neuromorphic Device
US11443172B2 (en) Synapse array of neuromorphic device including synapses having ferro-electric field effect transistors and operation method of the same
US11341403B2 (en) Synapse system of a neuromorphic device including a ferroelectric transistor
US11157803B2 (en) Neuromorphic device including a synapse having a variable resistor and a transistor connected in parallel with each other
TWI751403B (en) Neural network circuits having non-volatile synapse arrays and neural chip
US20170061278A1 (en) Synapse and neuromorphic device including the same
US20200167638A1 (en) Circuit neuronal apte à mettre en oeuvre un apprentissage synaptique
KR102708509B1 (en) Neuromorphic Device and Methods of Adjusting Resistance Change Ratio of the Same
US20230113627A1 (en) Electronic device and method of operating the same
US10558910B2 (en) Neuromorphic device and method of adjusting a resistance change ratio thereof
US20180300619A1 (en) Synapse and a synapse array
KR102354286B1 (en) Synapse string and synapse string array for neural networks
US11017286B2 (en) Neuromorphic device including a synapse having a variable resistor and a transistor connected in parallel with each other
US11037052B2 (en) Method of reading data from synapses of a neuromorphic device
US20180287056A1 (en) Synapse and synapse array
CN115796252A (en) Weight writing method and device, electronic equipment and storage medium
KR20170117861A (en) Neural Network Systems
KR102671259B1 (en) Neuromorphic Device Having Inverting Circuits
US20170300810A1 (en) Neural network system
KR20170080425A (en) Neuromorphic Devices Including Post-synaptic Neurons Having at least one of Integrators, Amplifiers, or Sampling Devices
KR20240127865A (en) Binary neural network hardware apparatus

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right