[发明专利]神经元模拟电路及神经网络装置有效

专利信息
申请号: 202011575150.7 申请日: 2020-12-28
公开(公告)号: CN112598124B 公开(公告)日: 2022-12-20
发明(设计)人: 李辛毅;吴华强;钱鹤;伍冬 申请(专利权)人: 清华大学
主分类号: G06N3/063 分类号: G06N3/063
代理公司: 北京市柳沈律师事务所 11105 代理人: 彭久云;王薇
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 神经元 模拟 电路 神经网络 装置
【说明书】:

一种神经元模拟电路及神经网络装置。该神经元模拟电路包括运算放大器、第一电阻性器件和第二电阻性器件,该运算放大器包括第一输入端、第二输入端和输出端,该第一电阻性器件连接在该运算放大器的第一输入端或第二输入端与该运算放大器的输出端之间;该第二电阻性器件连接在该运算放大器的输出端和该神经元模拟电路的输出端之间;该第二电阻性器件包括阈值开关型忆阻器,该阈值开关型忆阻器的第一端与该神经元模拟电路的输出端电连接;该第一电阻性器件和该第二电阻性器件中至少之一包括动态忆阻器。该神经元模拟电路具有较强的仿生能力。

技术领域

本公开的实施例涉及一种神经元模拟电路及神经网络装置。

背景技术

当前信息爆炸的时代,计算单元和存储单元分离的冯诺依曼计算架构由于需要在计算单元和存储单元之间来回搬运数据,在进行大数据运算的时候,数据读取速度和运算速度的不匹配造成的“存储墙”问题日益严重。受生物神经网络启发,计算单元和存储单元融合的类脑计算被认为是解决“存储墙”问题的最有效途径之一。

生物神经网络和当前的人工计算系统除了信息处理架构上的不同之外,底层的计算单元也具有本质的不同。生物神经网络中的基本计算单元,神经元和突触包含了非常丰富的离子动态过程。而当先人工信息系统的基石,晶体管的工作机制则仅仅是依靠电子(空穴)的输运。引入具有新物理机制的新原理器件能够丰富人工计算系统的信息处理机制,赋予人工信息处理模块更加丰富的动态过程,进而构建出能够和生物神经网络信息处理能力相匹敌的更加高效智能的人工计算系统。

发明内容

本公开至少一实施例提供一种神经元模拟电路,包括运算放大器、第一电阻性器件和第二电阻性器件。所述运算放大器包括第一输入端、第二输入端和输出端,所述第一电阻性器件连接在所述运算放大器的第一输入端或第二输入端与所述运算放大器的输出端之间;所述第二电阻性器件连接在所述运算放大器的输出端和所述神经元模拟电路的输出端之间;所述第二电阻性器件包括阈值开关型忆阻器,所述阈值开关型忆阻器的第一端与所述神经元模拟电路的输出端电连接;所述第一电阻性器件和所述第二电阻性器件中至少之一包括动态忆阻器。

在一些示例中,所述第一电阻性器件包括所述动态忆阻器,所述动态忆阻器的第一端与所述运算放大器的第一输入端或第二输入端电连接,所述动态忆阻器的第二端与所述运算放大器的输出端电连接。

在一些示例中,所述神经元模拟电路还包括第一电阻,所述第一电阻连接在所述神经元模拟电路的输出端和第一电压端之间。

在一些示例中,所述第二电阻性器件包括所述动态忆阻器,所述动态忆阻器与所述阈值开关型忆阻器串联或并联。

在一些示例中,在所述动态忆阻器与所述阈值开关型忆阻器串联的情形,所述动态忆阻器的第一端与所述运算放大器的输出端电连接,所述动态忆阻器的第二端与所述阈值开关性忆阻器的第二端电连接。

在一些示例中,在所述动态忆阻器与所述阈值开关型忆阻器并联的情形,所述动态忆阻器的第一端与所述阈值开关型忆阻器的第一端电连接;所述动态忆阻器的第二端与所述阈值开关型忆阻器的第二端电连接,并与所述运算放大器的输出端电连接。

在一些示例中,所述第一电阻性器件包括第二电阻,所述第二电阻的一端与所述运算放大器的第一输入端或第二输入端电连接,另一端与所述运算放大器的输出端电连接。

在一些示例中,所述第一电阻性器件包括第一动态忆阻器,所述第一动态忆阻器的第一端与所述运算放大器的第一输入端或第二输入端电连接,所述第一动态忆阻器的第二端与所述运算放大器的输出端电连接;所述第二电阻性器件包括第二动态忆阻器,所述第二动态忆阻器与所述阈值开关型忆阻器串联或并联。

本公开至少一实施例还提供一种神经网络装置,包括至少一个神经元单元,所述至少一个神经元单元包括以上任一实施例提供的神经元模拟电路。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011575150.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top