[发明专利]基于低功耗神经网络近数据处理MRAM的混合存储系统

说明书

本发明公开了一种基于低功耗神经网络近数据处理MRAM的混合存储系统，所述混合存储系统使用神经网络缓存，采用低功耗近数据处理磁性随机存储器闪存混合存储控制器架构；神经网络缓存包括一个共用的低功耗近数据处理磁性随机存储器和多个人工智能数据处理器；低功耗近数据处理磁性随机存储器闪存混合存储控制器利用低功耗近数据处理磁性随机存储器神经网络缓存来取代存储设备中的易失缓存；多个神经网络缓存通过高带宽总线彼此相连，并连接低功耗近数据处理磁性随机存储器闪存混合存储控制器内的闪存控制器。实现了实现更高的数据处理速度与信息处理能力。

技术领域

本发明属于一种闪存架构设计，具体涉及一种基于低功耗神经网络近数据处理磁性随机存储器（Magnetic Random Access Memory，MRAM）的混合存储系统。

背景技术

大数据时代，数十亿计的终端设备与网络相连，从终端获取数据传送至中央计算节点处理数据。参见图2，物联网时代，终端设备和数据量持续迅猛增长，在控制/数据中央处理节点需要更大存储容量和更强处理能力，在传输和分析这些数据时需要大容量，并消耗巨额能量。而大多数的数据在当前条件下并无价值，或者是在未能得到及时处理的情况下没有价值，绝大多数数据如果没有找到行之有效的处理方法，那么将其运输到控制中心将没有意义。

巨大数量的数据迅速增长超越了现有的基础设施和网络能力，导致大量有价值的数据只能存储在终端设备上，而无法送到用户应用端进行分析。

对于远程设备而言，通常需要设备结构紧凑节能高效，以便适应长期工作。因此亟需一种新的存储设备，它能够处理，传输，分析，利用和分享数据。参见图1，目前终端存储设备通常采用动态随机存储器DRAM和非动态随机存储器DRAMless储存数据，并不能构建出兼具节能效率和网络处理效率的设备，以应对数十亿终端设备所获取数据的储存和分析工作。

而磁性随机存储器和闪存混合存储数据处理技术，以及人工智能神经网络缓存在分享和分析这数十亿终端设备上获取的大数据提供了新的解决途径。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于低功耗神经网络近数据处理MRAM的混合存储系统，实现更高的数据处理速度与信息处理能力。

为实现上述技术目的，本发明采取的技术方案为：

基于低功耗神经网络近数据处理MRAM的混合存储系统，所述混合存储系统使用神经网络缓存（NNC），采用低功耗近数据处理磁性随机存储器（MRAM）闪存混合存储控制器架构；

所述神经网络缓存（NNC）包括一个共用的低功耗近数据处理磁性随机存储器（MRAM）和多个人工智能数据处理器；

所述低功耗近数据处理磁性随机存储器（MRAM）闪存混合存储控制器利用低功耗近数据处理磁性随机存储器（MRAM）神经网络缓存来取代存储设备中的易失缓存；

多个神经网络缓存（NNC）通过高带宽总线彼此相连，并连接低功耗近数据处理磁性随机存储器（MRAM）闪存混合存储控制器内的闪存控制器。

优选的，上述低功耗近数据处理磁性随机存储器（MRAM）的输入层也是低功耗近数据处理磁性随机存储器（MRAM）闪存混合存储控制器的数据缓存。

优选的，上述共用的低功耗近数据处理磁性随机存储器（MRAM）中还包含多个隐含层和一个输出层，用来储存经神经网络缓存（NNC）单元内人工智能数据处理器处理的数据。

优选的，上述每一个低功耗近数据处理磁性随机存储器（MRAM）单元都与现场可编程熔断器和MUX相连接，输入层内部连接隐含层以及输出层，可以在混合控制器初始化进程中配置，或通过网络在计算节点进行配置。

系统组成：