[发明专利]执行向量-矩阵乘法的计算电路和包括其的半导体器件

说明书

本发明提供一种执行向量‑矩阵乘法的计算电路和包括该计算电路其的半导体器件。计算电路包括：计算单元阵列，被配置为提供分别与矩阵的多个元素相对应的多个物理值；向量输入电路，被配置为向计算单元阵列提供与输入向量相对应的多个输入电压；以及向量输出电路，被配置为根据所述多个输入电压和多个有效电容来输出多个输出电压，每个输出电压对应于所述输入向量与所述矩阵的列向量之间的点积。

相关申请的交叉引用

本申请要求于2019年6月28日提交的申请号为10-2019-0077865的韩国专利申请的优先权，其全部内容通过引用合并于此。

技术领域

各个实施例大体上可以涉及用于执行向量-矩阵乘法的计算电路以及包括该计算电路的半导体器件。

背景技术

神经网络广泛用于人工智能应用中，例如图像识别和自动驾驶汽车中使用的技术。

图1是示出神经网络的结构的框图。

神经网络包括输入层、输出层以及在输入层与输出层之间的一个或更多个内层。

在图1中，在输入层和输出层之间有第一内层和第二内层。

输出层、输入层和内层中的每一个包括一个或更多个神经元。相邻的层中包含的神经元通过突触以各种方式耦接。例如，突触从给定层中的神经元指向下一层中的神经元。替代地或附加地，突触从前一层中的神经元指向给定层中的神经元。

每个神经元储存一个值。输入层中所包括的神经元的值根据输入信号、例如要识别的图像来确定。被包含在内层和输出层中的神经元的值基于对应的先前层中所包含的神经元和突触。例如，每个内层中的神经元的值基于在神经网络中的前一层中的神经元的值。

每个突触具有权重。每个突触的权重基于神经网络的训练操作。

图2是示出用于确定第二内层中的神经元的值的计算操作的框图。

第一内层的神经元由具有4个元素的向量[x₁ x₂ x₃ x₄]表示，第二内层的神经元由具有3个元素的向量[h₁ h₂ h₃]表示，并且第一内层与第二内层之间的突触用具有4个行和3个列的矩阵表示，其中将第二内层的第一元素耦接到第一内层的第一元素的突触具有权重W₁₁，将第二内层的第二元素耦接到第一内层的第一元素的突触具有权重W₂₁，将第二内层的第二元素偶接到第一内层的第四元素的突触具有权重W₂₄，并且将第二内层的第三元素耦接到第一内层的第四元素的突触具有权重W₃₄，等等。因此，第二内层h₁的第一元素将具有等于x₁·W₁₁+x₂·W₁₂+x₃·W₁₃+x₄·W₁₄的值，第二内层h₂的第二元素将具有等于x₁·W₂₁+x₂·W₂₂+x₃·W₂₃+x₄·W₂₄的值，第二内层h3的第三元素将具有等于x₁·W₃₁+x₂·W₃₂+x₃·W₃₃+x₄·W₃₄的值。

如上所述，在神经网络运算中，频繁执行向量与矩阵之间的乘法运算，并且能够有效执行所述运算的计算电路的重要性正在增加。

发明内容