[发明专利]深度学习人工神经网络中的模拟神经存储器的编程的精确调谐

权利要求书

1.一种对所选择的非易失性存储器单元进行编程以存储N个可能值中的一个可能值的方法，其中N是大于2的整数，所述所选择的非易失性存储器单元包括浮栅，所述方法包括：

执行粗略编程过程，包括：

选择M个不同电流值中的一个电流值作为第一阈值电流值，其中MN；

向所述浮栅添加电荷；并且

重复所述添加步骤，直到在验证操作期间通过所述所选择的非易失性存储器单元的电流小于或等于所述第一阈值电流值；以及

执行精确编程过程，直到在验证操作期间通过所述所选择的非易失性存储器单元的电流小于或等于第二阈值电流值。

2.根据权利要求1所述的方法，所述方法还包括：

执行第二精确编程过程，直到在验证操作期间通过所述所选择的非易失性存储器单元的电流小于或等于第三阈值电流值。

3.根据权利要求1所述的方法，其中所述精确编程过程包括向所述所选择的非易失性存储器单元的控制栅施加量值递增的电压脉冲。

4.根据权利要求1所述的方法，其中所述精确编程过程包括向所述所选择的非易失性存储器单元的控制栅施加持续时间递增的电压脉冲。

5.根据权利要求2所述的方法，其中所述第二精确编程过程包括向所述所选择的非易失性存储器单元的控制栅施加量值递增的电压脉冲。

6.根据权利要求2所述的方法，其中所述第二精确编程过程包括向所述所选择的非易失性存储器单元的控制栅施加持续时间递增的电压脉冲。

7.根据权利要求1所述的方法，其中所述所选择的非易失性存储器单元为分裂栅闪存存储器单元。

8.根据权利要求1所述的方法，其中所述所选择的非易失性存储器单元在模拟存储器深度神经网络中的矢量-矩阵乘法阵列中。

9.根据权利要求1所述的方法，所述方法还包括：

在执行所述粗略编程过程之前：

将所述所选择的非易失性存储器单元编程至“0”状态；以及

将所述所选择的非易失性存储器单元擦除至弱擦除电平。

10.根据权利要求1所述的方法，所述方法还包括：

在执行所述粗略编程过程之前：

将所述所选择的非易失性存储器单元擦除至“1”状态；以及

将所述所选择的非易失性存储器单元编程至弱编程电平。

11.根据权利要求1所述的方法，所述方法还包括：

对所述所选择的非易失性存储器单元执行读取操作；

使用积分型模数转换器对在所述读取操作期间由所述所选择的非易失性存储器单元消耗的所述电流进行积分以生成数字位。

12.根据权利要求1所述的方法，所述方法还包括：

对所述所选择的非易失性存储器单元执行读取操作；

使用Σ-Δ型模数转换器将在所述读取操作期间由所述所选择的非易失性存储器单元消耗的所述电流转换为数字位。

13.一种对所选择的非易失性存储器单元进行编程以存储N个可能值中的一个可能值的方法，其中N是大于2的整数，所述所选择的非易失性存储器单元包括浮栅和控制栅，所述方法包括：

执行粗略编程过程，包括：

基于所述所选择的非易失性存储器单元的所述控制栅的电压变化和所述所选择的非易失性存储器单元消耗的电流的变化来确定斜率值；

基于所述斜率值确定下一个编程电压值；

从所述所选择的非易失性存储器单元的所述浮栅添加电荷量，直到在验证操作期间通过所述所选择的非易失性存储器单元的电流小于或等于第一阈值电流值；以及

执行精确编程过程，直到在验证操作期间通过所述所选择的非易失性存储器单元的电流小于或等于第二阈值电流值。