KR20170080433A - Methods of Reading-out Data from Synapses of Neuromorphic Device - Google Patents
Methods of Reading-out Data from Synapses of Neuromorphic Device Download PDFInfo
- 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
Links
- 210000000225 synapse Anatomy 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001242 postsynaptic effect Effects 0.000 claims abstract description 75
- 230000003518 presynaptic effect Effects 0.000 claims abstract description 52
- 210000002569 neuron Anatomy 0.000 claims description 26
- 210000005215 presynaptic neuron Anatomy 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 19
- 230000000946 synaptic effect Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000002964 excitative effect Effects 0.000 description 7
- 230000002401 inhibitory effect Effects 0.000 description 7
- 238000003909 pattern recognition Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001095 motoneuron effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
(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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
입력 유닛(960)은 마이크로폰, 카메라, 스캐너, 터치 패드, 키보드, 마우스, 마우스 펜, 또는 다양한 센서들 중 적어도 하나를 포함할 수 있다. The
아날로그-디지털 변환기(970)는 입력 장치(960)로부터 입력된 아날로그 데이터를 디지털 데이터로 변환할 수 있다. The analog-to-
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
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 어레이10, 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:
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)
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.
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.
The method according to claim 1,
Wherein the post-synaptic voltage is zero.
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.
상기 프리-시냅틱 전압은 양(+)의 전압인 데이터 독출 방법.
The method of claim 3,
Wherein the pre-synaptic voltage is a positive voltage.
상기 독출 전압은 양(+)의 전압인 데이터 독출 방법.
5. The method of claim 4,
Wherein the read voltage is a positive voltage.
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.
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.
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.
상기 독출 전압은 음(-)의 전압인 데이터 독출 방법.
9. The method of claim 8,
And the read voltage is a negative voltage.
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.
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.
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.
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.
13. The method of claim 12,
Wherein the post-synaptic voltage is zero.
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.
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
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.
상기 독출 전압은 양(+)의 전압인 데이터 독출 방법.
17. The method of claim 16,
Wherein the read voltage is a positive voltage.
상기 독출 전압은 음(-)의 전압인 데이터 독출 방법.
17. The method of claim 16,
And the read voltage is a negative voltage.
상기 포스트-시냅틱 전압은 0(zero)인 데이터 독출 방법.17. The method of claim 16,
Wherein the post-synaptic voltage is zero.
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.
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)
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)
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 |
-
2016
- 2016-10-04 KR KR1020160127527A patent/KR102668199B1/en active IP Right Grant
Patent Citations (3)
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)
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)
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 |