[发明专利]存储器单元、存储器单元系统和制造存储器单元的方法有效
申请号: | 201780064786.5 | 申请日: | 2017-10-25 |
公开(公告)号: | CN109844772B | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 安田岳雄;细川浩二;石井正俊 | 申请(专利权)人: | 三星电子株式会社 |
主分类号: | G11C11/54 | 分类号: | G11C11/54;G11C11/4096;G06N3/04;G06N3/063;G06N3/08;G11C13/00;G11C7/10 |
代理公司: | 北京铭硕知识产权代理有限公司 11286 | 代理人: | 张川绪;尹淑梅 |
地址: | 韩国京畿*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 存储器 单元 系统 制造 方法 | ||
一种存储器单元结构,包括:包含多个单元组件的突触存储器单元,所述多个单元组件中的每一个包括至少一个单位单元;多个写入线,被配置为将突触状态写入该突触存储器单元,所述多个写入线中的每一个用于通过将第二组预定数量的状态写入到所述多个单元组件的相应单元组件中包括的单位单元而将第一组预定数量的状态写入所述相应单元组件,所述第一组依赖于所述第二组和包括在所述相应单元组件中的至少一个单位单元的数量;读取线,被配置为从突触存储器单元读取突触状态,所述读取线被用于同时从所述多个单元组件的全体读取所述第一组预定数量的状态之一。
技术领域
本发明涉及存储器单元结构。
背景技术
近来,已经知道关于存储器单元结构的各种技术。神经形态系统的硬件实现包括突触存储器以及神经元操作块和轴突连接网络。
已知有利用突触存储器的离线学习系统。在该模式下不更新突触存储器数据,因为仅在离线学习操作模式下激活存储器写操作。
另一方面,也已知有在线学习系统。突触存储器的性能决定了系统的性能。突触存储器单元分为两类,模拟突触单元类型和数字突触单元类型。
两种类型都有其缺点。如果克服这些缺点,突触单元将更加方便使用并被精确地控制。
因此,本领域需要解决上述问题。
发明内容
从第一方面看,本发明提供了一种存储器单元结构,包括:包含多个单元组件的突触存储器单元,所述多个单元组件中的每一个包括至少一个单位单元(unit cell);多个写入线,被配置为将突触状态写入该突触存储器单元,所述多个写入线中的每一个被配置为通过将第二组预定数量的状态写入到所述多个单元组件的相应单元组件中包括的至少一个单位单元的全体而将第一组预定数量的状态写入所述多个单元组件的所述相应单元组件,所述第一组依赖于所述第二组和包括在所述相应单元组件中的至少一个单位单元的数量;读取线,被配置为从该突触存储器单元读取该突触状态,所述读取线还被配置为同时从所述多个单元组件的全体读取所述第一组预定数量的状态。
从另一方面来看,本发明提供了一种存储器单元系统,包括:包含多个单元组件的突触存储器单元,所述多个单元组件中的每一个包括至少一个单位单元;多个写驱动器,被配置为将突触状态写入该突触存储器单元,所述多个写入线中的每一个被配置为通过将第二组预定数量的状态写入到所述多个单元组件的相应单元组件中包括的至少一个单位单元的全体而将第一组预定数量的状态写入所述多个单元组件的所述相应单元组件,所述第一组依赖于所述第二组和包括在所述相应单元组件中的至少一个单位单元的数量;以及读驱动器,被配置为从该突触存储器单元读取该突触状态,所述读驱动器进一步被配置为同时从所述多个单元组件的全体读取所述第一组预定数量的状态。
从另一方面来看,本发明提供了一种制造存储器单元结构的方法,该方法包括:准备多个单位单元;构成多个单元组件,所述多个单元组件中的每一个包括所述多个单位单元的至少一个;构成包含所述多个单元组件的突触存储器单元;设置被配置为将突触状态写入所述突触存储器单元的多个写入线,所述多个写入线中的每一个被配置为通过将第二组预定数量的状态写入到所述多个单元组件的相应单元组件中包括的至少一个单位单元的全体而将第一组预定数量的状态写入所述多个单元组件的所述相应单元组件,所述第一组依赖于所述第二组和包括在所述相应单元组件中的至少一个单位单元的数量;以及设置被配置为从所述突触存储器单元读取突触状态的读取线,所述读取线进一步被配置为同时从所述多个单元组件的全体读取所述第一组预定数量的状态。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子株式会社,未经三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780064786.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:用于机器人代理的控制策略
- 下一篇:使用卷积神经网络处理序列