[发明专利]电压控制装置

说明书

提供了一种自动设置极限工作电压的电压控制装置。提供了一种电压控制装置，包括第一神经网络、第二神经网络、推理结果判定单元和电压确定单元。推理结果判定单元具有将推理结果判定单元中保留的正确值数据与第一神经网络的推理结果数据进行比较并获得确定结果数据的功能。电压确定单元具有如下功能，基于确定结果数据：如果正确值数据和推理结果数据匹配，则输出低于供应给第一神经网络和第二神经网络的电压的电压信号；如果正确值数据与推理结果数据不匹配，则输出高于供应给第一神经网络和第二神经网络的电压的电压信号。

技术领域

本技术涉及电压控制装置。

背景技术

近年来，使用深度神经网络(DNN)的学习(深度学习)受到关注。用于学习的数据被存储在诸如神经网络的静态随机存取存储器(SRAM)的半导体存储元件中。在神经网络的学习中，半导体存储元件可以被存取数万次，因此大部分消耗的功率被半导体存储元件消耗。因此，需要减少这种功耗。

为了降低功耗，降低供应给神经网络的电源电压是有效的。在非专利文献1中，学习神经网络在到学习神经网络的SRAM的电源电压低，并且容易发生SRAM的错误的环境下学习。当该电源电压变为预定值或以下时，学习神经网络的错误率(Error Rate)增加。因此，非专利文献1的作者设置了错误率的阈值、可接受的错误率以及保持该可接受的错误率的最低电源电压(极限工作电压)。然后，限制工作电压为0.5V以下，正常电压为0.8V。在非专利文献1中描述了上述内容。

引文列表

非专利文献

非专利文献1：Lita Y,Boris M，“用于节能、保护隐私的卷积神经网络的近似SRAM(Approximate SRAM for Energy-Efficient,Privacy-Preserving ConvolutionalNeural Networks)”，IEEE,2017IEEE Computer Society Annual Symposium on VLSI(2017):689-694

发明内容

本发明要解决的问题

在非专利文献1中，使用了学习神经网络和推理神经网络。将学习神经网络学习得到的系数数据等存储在推理神经网络的SRAM中，并且由推理神经网络进行推理。因此，期望在学习时获得的极限工作电压也可以在推理时施加。

然而，学习时的过程、电压和温度(PVT)条件与推理时的PVT条件可能不同。因此，存在在学习时获得的极限工作电压不能原样施加到推理神经网络的问题。

因此，本技术的主要目的是通过提供自动设置极限工作电压的电压控制装置来降低功耗。

问题的解决方案

本技术提供了一种电压控制装置，包括第一神经网络、第二神经网络、推理结果判定单元和电压确定单元，其中第一神经网络具有基于已学习的信息进行推理的功能，第二神经网络具有基于未学习的信息进行推理的功能，推理结果判定单元具有将推理结果判定单元持有的正确答案值数据与第一神经网络的推理结果数据进行比较以获得确定结果数据的功能，并且电压确定单元具有如下功能，基于确定结果数据，在正确答案值数据和推理结果数据匹配的情况下输出低于供应给第一神经网络和第二神经网络的电压的电压信号，并且在正确答案值数据和推理结果数据不匹配的情况下输出高于供应给第一神经网络和第二神经网络的电压的电压信号。

第一神经网络可以是第二神经网络的部分组件或全部组件的副本。

第一神经网络可以包括第二神经网络的部分组件。

第一神经网络和第二神经网络中的每一个可以至少包括存储单元和多个处理元件。