[发明专利]存储装置和操作该存储装置的方法

说明书

提供了存储装置和操作该存储装置的方法。所述存储装置包括具有多个存储器单元的非易失性存储器装置以及存储控制器。每个存储器单元被设置为多个存储器单元状态中的一个存储单元状态，其中，所述多个存储器单元状态的不同的多个子集与多个数据集中的一个数据集相关联。存储控制器访问存储在所述多个存储器单元中的处于第一状态的一个存储器单元中的数据，对所述数据执行乘法器‑累加器(MAC)运算，并且将所述一个存储单元设置为与MAC运算的结果对应的第二状态以执行就地更新。

本专利申请要求于2019年12月26日在韩国知识产权局提交的第10-2019-0174861号韩国专利申请的优先权的权益，该韩国专利申请的公开通过引用全部包含于此。

技术领域

本公开涉及一种存储装置，更具体地，涉及一种操作包括非易失性存储器的存储装置的方法。

背景技术

神经网络系统是受生物神经网络启发的计算系统。这样的系统通过考虑样本来学习执行任务。系统的神经网络可以包括多个节点，多个节点通过使用特定权重对输入数据执行计算并随后将结果作为输入传递到节点中的一个或多个来学习推断数据。神经网络的结构、权重、神经网络的输出、用于训练神经网络的训练特征和输入到神经网络的数据特征可以被存储在神经网络系统的存储装置中。一些存储的数据(诸如，权重)可以在学习期间被更新或者经由传感器通过外部刺激更新。数据更新可以使用卷积运算(诸如，乘法器-累加器(MAC)运算)来执行。具有交叉点结构的神经形态(neuromorphic)存储器装置可以被包括在神经网络系统内。

神经形态存储器可以按逐单元原则被编程。然而，由神经形态存储器执行的读取操作不是非常有效率。

发明内容

本公开的至少一个示例性实施例提供了一种操作能够按逐存储器单元原则访问的非易失性存储器的方法。

本公开的至少一个示例性实施例还提供了一种操作能够执行乘法器-累加器(MAC)运算的非易失性存储器的方法。

根据本公开的示例性实施例，提供了一种存储装置，所述存储装置包括：非易失性存储器装置，具有多个存储器单元；以及存储控制器，被配置为访问非易失性存储器装置。每个存储器单元被设置为多个存储器单元状态中的一个存储单元状态，其中，所述多个存储器单元状态的不同的多个子集与多个数据集中的一个数据集相关联。存储控制器访问存储在所述多个存储器单元中的处于第一状态的一个存储器单元中的数据，对所述数据执行乘法器-累加器(MAC)运算，并且将所述一个存储单元设置为与运算的结果对应的第二状态以执行就地更新。

根据本公开的示例性实施例，提供了一种操作包括非易失性存储器的存储装置的方法。所述方法包括：接收操作命令；根据操作命令对非易失性存储器的映射到第一状态的存储器单元的值执行操作，以生成结果；确定映射到所述操作的结果的第二状态；以及将存储器单元设置为第二状态，以用所述结果覆写值，其中，非易失性存储器包括多个存储器单元，每个存储器单元被设置为多个存储器单元状态中的一个存储器单元状态，其中，所述多个存储器单元状态的不同的多个子集与包括多个数据集的多个数据集中的一个数据集相关联，并且所述多个数据集中的每个数据集包括分别线性地映射到所述多个子集中的一个子集的多个值。

根据本公开的示例性实施例，提供了一种神经网络装置，所述神经网络装置包括：存储器，包括多个非易失性存储器单；非易失性存储器装置，被配置为存储计算机程序；以及处理器。每个存储器单元被设置为多个存储器单元状态中的一个存储器单元状态，其中，所述多个存储器单元状态的不同的多个子集与多个数据集中的一个数据集相关联。存储器存储数据。处理器被配置为通过经由运行所述程序来驱动神经网络而对数据执行操作。处理器对存储在所述多个非易失性存储器单元中的一个非易失性存储器单元中且映射到第一状态的数据执行操作以生成结果，并且将所述一个非易失性存储器单元设置为映射到操作的结果的第二状态。

附图说明

通过下面结合附图进行的对实施例的描述，发明构思将变得清楚和更容易理解，在附图中：