[发明专利]存储器设备和用于基于使用频率改变编程状态间距的方法

说明书

本发明公开了一种存储器设备，该存储器设备包括多个存储器单元和控制器。该控制器被配置为将存储器单元中的每个存储器单元编程为多个编程状态中的一个编程状态，以及使用到存储器单元的施加电压的读取操作来读取存储器单元。在读取操作期间，编程状态中的相邻编程状态之间的间距基于多个存储器单元中的编程状态的使用频率而改变。

本申请是申请日为2019年8月29日、申请号为201980090606.X、名为“存储器设备和用于基于使用频率改变编程状态间距的方法”的申请的分案申请。

相关专利申请

本申请要求2019年4月11日提交的美国申请第16/382,060号的权益，该美国申请要求2019年1月29日提交的美国临时申请第62/798,417号的优先权。

技术领域

本发明涉及神经网络。

背景技术

人工神经网络模拟生物神经网络(动物的中枢神经系统，特别是大脑)，这些人工神经网络用于估计或近似可取决于大量输入并且通常已知的功能。人工神经网络通常包括互相交换消息的互连“神经元”层。图1示出了人工神经网络，其中圆圈表示输入或神经元的层。连接部(称为突触)用箭头表示，并且具有可以根据经验进行调整的数值权重。这使得神经网络适应于输入并且能够学习。通常，神经网络包括多个输入的层。通常存在神经元的一个或多个中间层，以及提供神经网络的输出的神经元的输出层。处于每一级别的神经元分别地或共同地根据从突触所接收的数据作出决定。

在开发用于高性能信息处理的人工神经网络方面的主要挑战中的一个挑战是缺乏足够的硬件技术。实际上，实际神经网络依赖于大量的突触，从而实现神经元之间的高连通性，即非常高的计算并行性。原则上，此类复杂性可通过数字超级计算机或专用图形处理单元集群来实现。然而，相比于生物网络，这些方法除了高成本之外，能量效率也很普通，生物网络主要由于其执行低精度的模拟计算而消耗更少的能量。CMOS模拟电路已被用于人工神经网络，但由于给定大量的神经元和突触，大多数CMOS实现的突触都过于庞大。

发明内容

先前提到的问题和需要通过包括多个存储器单元和控制器的存储器设备得到解决。控制器被配置为将存储器单元中的每个存储器单元编程为多个编程状态中的一个编程状态，使用到存储器单元的施加电压的读取操作来读取存储器单元，其中在读取操作期间，编程状态中的相邻编程状态之间的间距基于多个存储器单元中的编程状态的使用频率而改变。

神经网络设备包括第一多个突触，该第一多个突触被配置为接收第一多个输入并从其生成第一多个输出。第一多个突触包括多个存储器单元和控制器。控制器被配置为将存储器单元中的每个存储器单元编程为多个编程状态中的一个编程状态，使用到存储器单元的施加电压的读取操作来读取存储器单元，其中在读取操作期间，编程状态中的相邻编程状态之间的间距基于多个存储器单元中的编程状态的使用频率而改变。多个存储器单元被配置为基于第一多个输入和多个编程状态来生成第一多个输出。第一多个神经元被配置为接收第一多个输出。

一种对存储器单元进行编程的方法，该方法包括：将多个存储器单元中的每个存储器单元编程为多个编程状态中的一个编程状态；使用到存储器单元的施加电压的读取操作来读取存储器单元；确定多个存储器单元中的编程状态中的每个编程状态的使用频率；以及对于编程状态中的每个编程状态，基于编程状态的所确定的使用频率，在读取操作期间设置编程状态中的一个编程状态与相邻编程状态之间的间距。