[发明专利]矩阵与向量的乘法运算方法及装置

说明书

本申请实施例公开了一种矩阵与向量的乘法运算方法及装置，包括：对三维相变存储阵列模块中的相变存储层执行写入操作以改变相变存储层的电导值，电导值与矩阵中的元素值相对应；三维相变存储阵列模块包括多条沿第一方向延伸的第一导电线、多条沿第二方向延伸的第二导电线以及多个呈阵列排布的存储单元；存储单元包括在第三方向上堆叠分布的选通层和相变存储层；选通层用于控制相变存储层与第一导电线和第二导电线之间的导电连接；相变存储层用于基于第一导电线和第二导电线之间的电压差发生相变而获得电导值；在第一导电线上施加输入电压，输入电压与向量中的元素值相对应；测量第二导电线上的输出电流，获得乘法运算的结果。

技术领域

本发明涉及数据运算技术领域，尤其涉及一种矩阵与向量的乘法运算方法及装置。

背景技术

随着工艺的进步，传统的基于中央处理器(CPU)的计算机系统中，单位面积上的晶体管数目越来越多，单位时间里能完成的计算也越来越多，但这同时出现的问题是单位面积的功耗越来越大，大功耗产生的热引起的速度减小也越来越严重。人工智能神经网络则可以解决上述问题。

人工智能神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。目前，在人工智能领域已经出现了基于存储器进行运算的技术，这一技术与传统的计算单元和存储单元分离的技术不同，无需信息处理过程数据在存储单元与计算单元来回传输，从而不用受到数据传输带宽的限制，能耗更低。

然而，在卷积神经网络广泛应用的背景下，人工智能对数据运算能力、运算速率、准确性以及稳定性等因素的要求不断提高，一种更为先进的运算架构的提出十分必要。

发明内容

有鉴于此，本发明实施例为解决背景技术中存在的至少一个问题而提供一种矩阵与向量的乘法运算方法及装置。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种矩阵与向量的乘法运算方法，所述方法包括：

对三维相变存储阵列模块中的相变存储层执行写入操作以改变所述相变存储层的电导值，所述电导值与所述矩阵中的元素值相对应；其中，所述三维相变存储阵列模块包括多条沿第一方向延伸的第一导电线、多条沿第二方向延伸的第二导电线以及多个呈阵列排布的存储单元，所述第一方向与所述第二方向平行于同一平面且彼此相交，其中之一所述存储单元位于其中之一所述第一导电线和其中之一所述第二导电线的相交处；所述存储单元包括在第三方向上堆叠分布的选通层和所述相变存储层，所述第三方向垂直于所述第一方向和所述第二方向；所述选通层用于控制所述相变存储层与所述第一导电线和所述第二导电线之间的导电连接；所述相变存储层用于基于所述第一导电线和所述第二导电线之间的电压差发生相变而获得所述电导值；

在所述三维相变存储阵列模块的所述第一导电线上施加输入电压，所述输入电压与所述向量中的元素值相对应；

测量所述三维相变存储阵列模块的所述第二导电线上的输出电流，获得所述乘法运算的结果。

上述方案中，所述在所述三维相变存储阵列模块的所述第一导电线上施加输入电压时，所述三维相变存储阵列模块的所述第二导电线偏置于接地电位。

上述方案中，所述在所述三维相变存储阵列模块的所述第一导电线上施加输入电压之前，所述方法还包括：

基于所述第一导电线和所述第二导电线向所述存储单元施加开启电压；所述开启电压控制所述选通层开启所述相变存储层与所述第一导电线和所述第二导电线之间的导电连接，且所述开启电压不足以对所述相变存储层执行写入操作或擦除操作。

上述方案中，所述对三维相变存储阵列模块中的相变存储层执行写入操作，具体通过从写入状态的电流驱动编程实现。

上述方案中，所述对三维相变存储阵列模块中的相变存储层执行写入操作，具体通过从擦除状态的多脉冲驱动编程实现。