[发明专利]具有3D NAND的矢量矩阵乘法

说明书

一种针对模拟神经网络(ANN)执行矢量矩阵乘法(VMM)的装置。该装置包括串联的NAND闪存单元列，其中每个NAND闪存单元包括控制栅极；位线，该位线连接到NAND闪存单元列，其中从NAND闪存单元汲取的电流流向位线；积分器，该积分器连接到位线；以及控制器，控制器具有编程指令以通过设置每个NAND闪存单元的控制栅极的电压来控制NAND闪存单元列。

技术领域

本公开整体涉及神经网络领域，更具体地讲，涉及使用在神经网络中配置的3DNAND闪存技术的矢量矩阵乘法(VMM)。

背景技术

随着技术的进步，正在开发各种机器学习方法。一种常用的机器学习方法涉及神经网络。神经网络建模为连接神经元的集合，其中一层中神经元的输出用作另一层中神经元的输入。一个层中的神经元可完全连接到另一层中的神经元。例如，第一层中的每个神经元可与第二层中的每个神经元具有成对连接。当今神经网络的一个常见应用是图像识别。这里，神经网络通过分析已被标记为对象(例如，狗)的示例图像来学会识别包含对象的图像。

发明内容

本发明的一个实施方案涉及使用模拟神经网络(ANN)来执行矢量矩阵乘法(VMM)的装置。该实施方案的装置包括具有多个控制栅极的多个3D NAND闪存单元块。多个块被布置成堆叠，并且其中堆叠表示ANN的层，并且多个块中的每个3D NAND闪存单元的电阻表示ANN中的权重。该装置还包括具有第一字线的多个字线，第一字线电连接到第一块中的3DNAND闪存单元的多个控制栅极。该装置还包括电连接到第一块的3D NAND闪存单元的第一位线和具有编程指令以接收由ANN处理的输入的控制器。控制器在读取操作期间，经由第一字线将读取电压施加到第一块中的3D NAND闪存单元的控制栅极，使得第一电流流向第一位线。控制器在读取操作期间，经由除第一字线之外的多个字线也将通过电压施加到除第一块之外的多个块中的3D NAND闪存单元的控制栅极，使得第二电流流向第一位线。

另一个实施方案涉及使用包括多个控制栅极的多个3D NAND闪存单元块来对ANN执行VMM的装置。多个块被布置成多个堆叠，并且每个堆叠表示ANN的层，并且多个块中的每个3D NAND闪存单元的电阻表示ANN中的权重。该装置还包括具有第一字线的多个字线，第一字线电连接到相同块中的3D NAND闪存单元的多个控制栅极。该装置还包括多个位线，多个位线包括第一位线，第一位线电连接到第一堆叠中的第一3D NAND闪存单元块和第二堆叠中的第二3D NAND闪存单元块。该装置具有控制器，该控制器具有被编程指令以接收待由ANN处理的输入。控制器在读取操作期间，选择第一字线并取消选择与第一堆叠相连接的除第一字线之外的多个字线。控制器经由第一字线将读取电压施加到第一块中的3D NAND闪存单元的控制栅极，使得第一电流流向第一位线。此外，控制器经由除第一字线之外的多个字线将通过电压施加到其他块中的3D NAND闪存单元的控制栅极，使得第二电流流向第一位线。

另一个实施方案涉及针对模拟神经网络(ANN)执行VMM的装置。该装置包括串联的NAND闪存单元列，其中每个NAND闪存单元包括控制栅极；位线，该位线连接到NAND闪存单元列，其中从NAND闪存单元汲取的电流流向位线；积分器，该积分器连接到位线；以及控制器，控制器具有编程指令以通过设置每个NAND闪存单元的控制栅极的电压来控制NAND闪存单元列。

前述发明内容仅是例示性的，并不旨在以任何方式进行限制。除了以上描述的例示性方面、实施方案和特征之外，通过参考附图和具体实施方式，另外的方面、实施方案和特征将变得显而易见。

附图说明

图1是根据示例性实施方案的由3D NAND闪存单元列和当前积分器的框图。

图2是根据示例性实施方案的连接到两列3D NAND闪存单元和积分器的控制器的框图。

图3A和图3B示出了根据示例性实施方案的3D NAND闪存单元的I_d-V_g曲线的曲线图。