[发明专利]一种多路复用多值阻变结构及其形成的神经网络

说明书

本发明公开了一种多路复用多值阻变结构，包括阻变存储器单元和MOS选择单元，阻变存储器单元包括M个阻变存储器子单元，MOS选择单元包括N个并联的复用MOS管；阻变存储器子单元包括阻变存储器和控制MOS管，阻变存储器的一端连接该阻变存储器子单元对应的控制信号，另一端连接所述控制MOS管的漏极，控制MOS管的栅极连接该阻变存储器子单元对应的选择信号，且M个控制MOS管的源极与N个复用MOS管的漏极共同连接至同一节点；N个复用MOS管的源极共同连接至输出端口，每个复用MOS管的栅极连接对应的导通信号。本发明利用了简化的MOS选择单元来实现多值的模拟量输出，减少了灵敏放大器和数字‑模拟转换器等电路模块，节省了电路面积。

技术领域

本发明涉及阻变存储器，具体涉及一种多路复用多值阻变结构及其形成的神经网络。

背景技术

近年来，阻变存储器(RRAM)等新型存储器的发展成为存储器领域的一个新的推动力。阻变存储器因为功耗低，速度快，面积小的特点，在未来具备非常广阔的应用前景。除了传统的存储领域外，在人工智能领域的神经网络系统架构中，也可以起到重要的作用。阻变存储器现在已经存在研究，将单元往多值存储的方向发展，即一个单元通过不同的电阻大小，完成多比特数据的存储。

多值存储器的这种阻变的模拟特性，由于可以输出模拟量变化的电流值，在类脑神经网络系统中，是一种可以作为类脑神经突触的理想器件。目前，多值存储器还没有成熟的制备结果，所以现阶段可以采用多个单值的RRAM单元来模拟这种多值特性，如图1所示。

但是这类结构应用在神经网络中，会存在以下一些缺点。首先，每一个单值RRAM单元都需要配置一个灵敏放大器(SA)作为数据读出，其次，需要有数字-模拟转换器(DAC)将单值数据数字信号数据转化成一个具有多值特性的模拟量。这些额外的电路结构会提高整个神经网络系统在面积和功耗上的开销，即便平均到单个RRAM上，开销也会比较大。因此，设计一种可以将RRAM的电阻特性通过一些简单的附加电路结构，直接转化成具有多值模拟性质的电学量，从而节省面积和功耗，在现有的技术条件下是一件具有现实意义的事情。

发明内容

本发明的目的是提供一种多路复用多值阻变结构及其形成的神经网络，利用了简化的MOS选择单元来实现多值的模拟量输出，进而实现电路模块复用，减少了灵敏放大器和数字-模拟转换器等电路模块，节省了电路面积。

为了实现上述目的，本发明采用如下技术方案：一种多路复用多值阻变结构，包括阻变存储器单元和MOS选择单元，所述阻变存储器单元包括M个阻变存储器子单元，所述MOS选择单元包括N个并联的复用MOS管；其中，M和N均为大于1的整数；

所述阻变存储器子单元包括阻变存储器和控制MOS管，其中，所述阻变存储器的一端连接该阻变存储器子单元对应的控制信号，另一端连接所述控制MOS管的漏极，所述控制MOS管的栅极连接该阻变存储器子单元对应的选择信号，且M个控制MOS管的源极与所述N个复用MOS管的漏极共同连接至同一节点，所述N个复用MOS管的源极共同连接至输出端口，每个复用MOS管的栅极连接对应的导通信号。

进一步地，所述N个复用MOS管在导通时，对应的电导值不同。

进一步地，所述N个复用MOS管在导通时，对应的电导值分别为G_T，2G_T，2²G_T至2^N-1G_T，通过控制所述导通信号，使得所述MOS选择单元可以产生2^N-1个不同的电导值，其中，G_T大于零。

进一步地，所述N个复用MOS管中的电导值满足：其中，R_on表示所述阻变存储器处于低阻状态时的电阻值，R_off表示所述阻变存储器处于高阻状态时的电阻值。