一种基于rram的新型神经网络电路的制作方法
【专利摘要】本发明提供一种神经网络电路，其特征在于，包括：若干个传感器、若干个第一层神经元支路以及第二层神经元支路。每个第一层神经元支路包括：若干个RRAM器件以及第一层神经元。所述传感器用于将图片的颜色转换为电压信号，并将此电压信号传输给所述RRAM器件；所述RRAM器件根据接收到的电压信号产生电流信号，并传输至所述第一层神经元；所述第一层神经元用于对接收到的电流信号进行求和，若神经元被激活，则向后级发射电压脉冲。第二层神经元支路包括权重RRAM器件以及第二层神经元，所述权重RRAM器件将所述第一层神经元与所述第二层神经元连接起来；所述第二层神经元用于汇总若干个所述第一层神经元的电流信号，然后通过运算产生最后的判断结果。
【专利说明】—种基于RRAM的新型神经网络电路
【技术领域】
[0001]本发明涉及半导体【技术领域】，具体涉及一种基于RRAM的新型神经网络电路。
【背景技术】
[0002]阻变式存储器RRAM在近些年吸引了广泛的关注。高速度(<5ns)、低操作电压(〈IV)，高存储密度、易于集成等优点，使得RRAM成为了下一代半导体存储器的强有力竞争者。RRAM器件一般具有金属一绝缘体一金属的结构，即在两层金属电极之间加入一层具有阻变特性的介质薄膜材料，这些阻变材料一般是金属氧化物，常见的有TiO2, HfO2, ZrO2,W03，Ta2O5等等。通过外加电压，可以对器件的阻值在低阻和高阻之间转换。利用基于阻变存储器(RRAM)阵列构成的类似于大脑神经网络的电路，可以做到极低的功耗和较好的模糊识别功能。是未来图像识别、声音识别等领域的一个重要发展方向。
[0003]现有的基于RRAM的图像识别电路的工作原理大致如下所述:电路结构大致分为三部分，第一部分为传感器结构。将图片的颜色信号转变为电压信号(电压大小不同，或者脉冲长短不同)，该电压用来对后级的RRAM阵列进行操作。第二部分为多个RRAM阵列。这些阵列中的RRAM器件接收前级的电压信号，并且产生电流信号，传递到后一级。利用多个RRAM阵列的原因是在使用中，每个阵列中的RRAM器件都会有不同的阻值分布，不同的阵列的阻值分布使得其对某种图片的反应强度最高。这些阵列中的器件对应到神经系统即为数量庞大的突触。第三部分为末级的神经元模块，每个神经元与一个阵列中所有的RRAM器件相连接，对每个器件上面的电流求和。当电流和超过某个阈值，或者是多个神经元中的最大值时，该神经元被激活，也即对一个图片做出了对应的反应。
[0004]目前相关的工作中提到的基于RRAM的神经元电路虽然都是由多个RRAM阵列构成的，但是每个阵列都要接受来自整个图片所有像素点产生的电压。这种电路不够灵活，无法应对输入图像的形状变化。由于利用一个RRAM阵列来接收整个图片的信号，然后经过后级电路求和这一过程将图片的细节省略了，则使得现有电路无法处理“包含逻辑”、识别图像时无法区分主次。同时，相对于生物上的神经系统，目前的结构太过于简单，只有一级神经元，只能处理最简单的情况。
【发明内容】
[0005](一)解决的技术问题
[0006]针对现有技术的不足，本发明提供一种神经网络电路，能够在保证识别能力的基础上，尽可能保留图片的细节信息。
[0007](二)技术方案
[0008]为了实现以上目的，本发明通过以下技术方案予以实现:
[0009]一种神经网络电路，包括:若干个传感器、若干个第一层神经元支路和若干个第二层神经元支路；
[0010]每个第一层神经元支路包括:若干个第一阻变式存储器RRAM以及第一层神经元；[0011]所述传感器用于将像素点的颜色转换为电压信号，并将此电压信号传输给所述第一 RRAM ;所述第一 RRAM根据接收到的电压信号产生电流信号，并传输至所述第一层神经元；所述第一层神经元用于对接收到的电流信号进行求和，若第一神经元被激活，则发射电压脉冲至所述第二 RRAM ；
[0012]每个第二层神经元支路包括:若干个第二 RRAM以及第二层神经元；
[0013]所述第二 RRAM器件将所述第一层神经元与所述第二层神经元连接起来；所述第二层神经元用于汇总若干个所述第一层神经元激活后产生的电流信号。
[0014]其中，一个传感器对应于一个像素点，同时一个传感器对应于一个RRAM器件。
[0015]其中，所述第一 RRAM的阻值与接收到传感器的电压信号的大小呈反比。
[0016]其中，所述第一层神经元，包括:CM0S神经元、反馈电路。
[0017]其中，所述反馈电路用于改变所述第一层神经元对应的第一 RRAM的阻值。
[0018]其中，所述第二层神经元为CMOS神经元。
[0019](三)有益效果
[0020]本发明至少具有如下的有益效果:
[0021]1、由于采用了分块的结构，即将图片分成几个部分分别进行识别，则单个的小的RRAM阵列负责图片的一部分,如电路结构中的每一条第一层神经兀支路负责图片的一部分，这样通过多个小单元或多条支路的并行工作，就可以在一个较短的工作周期内对一幅大的图片进行处理。这种并行工作的方式提高了工作效率。
[0022]2、采用分层的结构，和现有的技术不同，本发明的电路结构中有两层神经元电路，可以将每个小块的信息再次进行处理，这样电路就能处理更为复杂的逻辑关系。
[0023]3、可以解决现有技术无法进行“包含逻辑”识别的缺点，如图1所示，我们假设白色部分为有效信息，现有技术的电路在训练过程中，对白色的部分进行SET (将高阻转变为低阻)操作，对黑色部分进行RESET (将低阻转变为高阻)操作，那么和白色相对应的RRAM器件的阻值应该SET到一个比较小的值，其电流较大，但对于(a)图来说，其白色部分完全包含与(b)图的白色部分，根据神经元被激活的条件，导致了在识别(a)时对应(b)的神经元被激活。但本发明采用了分块的方式，即将图片分成几个部分分别进行识别，可以将细节部分的信号保存下来，然后再进行判断，而不是单纯的求和。
【专利附图】
【附图说明】
[0024]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0025]图1是“包含逻辑”问题的示意图；
[0026]图2是基于本发明一个实施例的RRAM的神经网络电路的整体结构示意图；
[0027]图3是本发明一个具体实施例中基于RRAM的神经网络电路的电路原理图。
【具体实施方式】
[0028]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0029]图2为基于本发明一个实施例的RRAM的神经网络电路的整体结构示意图，该电路包括:传感器201、RRAM阵列202、第一层神经元203、第二 RRAM204和第二层神经元205。其中，RRAM阵列由若干个RRAM器件组成。
[0030]对电路进行训练时，将需要识别的图片分为4块分别进行图像识别，传感器201接收图片像素的信号，产生电压脉冲，电压脉冲传输至RRAM阵列202中的RRAM器件，并产生电流信号，由于加在每个RRAM器件202上的电压大小有所不同，因此产生的电流大小也不同，每个RRAM阵列202所产生的电流信号汇总至第一层神经元203，若汇总到第一层神经元203的电流和超过某个阈值或为多个神经元中的最大值，则第一层神经元203被激活，并同时和其所对应的RRAM阵列202进行反馈，这里的反馈是指对阵列中的RRAM器件的阻值进行SET或RESET操作，适当的次数后(每张图片20次左右)，RRAM阵列202中的RRAM器件的阻值会形成与图片对应的一个分布，另外，还具备对与其相连的后级的第二 RRAM204的阻值进行调整的功能，这样就使得不同的第一层神经元203经过权重RRAM器件204的电流大小不同，最后汇总在第二层神经元205中，通过运算产生最后的判断结果，其中，每个第一层神经元203都与第二层神经元204连接。
[0031]为了进一步说明上述实施例，图3为基于上述实施例的电路原理图。如图3所不，该电路包括传感器301、第一 RRAM302、第一层神经元303，第二 RRAM304以及第二层神经元305。
[0032]此电路包括若干个第一层神经元支路，以及一个第二层神经元305(实际应用中第二层神经元不止一个)。其中，每条第一层神经元支路包括若干个传感器301，若干个第一RRAM302, 一个第一层神经元，一个权重RRAM器件。当进行电路训练时，通过传感器301将图片的颜色转变为电压信号，电压信号传输至第一 RRAM302，并产生电流信号，第一 RRAM302的阻值与接收到传感器的电压信号的大小呈反比，按照这种规则调整RRAM阻值，使得以后在使用中，就可以产生最大的电流，即相当于一个最大的响应。由于加在每个第一 RRAM302上的电压大小有所不同，则第一 RRAM的阻值变的不同，因此产生的电流大小也不同，若干个第一 RRAM302所产生的电流信号汇总至第一层神经元303。如图3所示，第一层神经元303由CMOS神经元、反馈电路306以及阻值调整电路307组成，其中，所述CMOS神经元是现有技术，利用其中的阈值比较电路，使得当流入第一层神经元303的电流信号之和超过某个特定的阈值时，第一层神经元303被激活，则其中的反馈电路306对所对应的若干个RRAM器件302进行反馈，这里的反馈是指对阵列中的RRAM器件的阻值进行SET或RESET操作，适当的次数后(20次左右)，RRAM阵列中的若干个第一 RRAM302的阻值会形成与图片对应的一个分布；同时，其阻值调整电路对与其相连的后级的第二 RRAM304的阻值进行调整，这样就使得不同的第一层神经元303经过第二 RRAM304的电流大小不同，电路训练完毕。则在电路使用时，在输入端加入一幅图片，传感器301产生电压脉冲，第一 RRAM302中有电流流过，流入第一神经元303求和，相应的第一神经元303被激活，向后级发射电压脉冲，该电压脉冲在不同的第二 RRAM304上产生不同的电流，最后汇总至第二神经元305中。
[0033]由于采用了分块的结构，即将图片分成几个部分分别进行识别，则单个的小的RRAM阵列负责图片的一部分,如电路结构中的每一条第一层神经兀支路负责图片的一部分，这样通过多个小单元或多条支路的并行工作，就可以在一个较短的工作周期内对一幅大的图片进行处理。这种并行工作的方法提高了工作效率。
[0034]采用分层的结构，和现有的技术不同，本发明的电路结构中有两层神经元电路，可以将每个小块的信息再次进行处理，这样电路就能处理更为复杂的逻辑关系。
[0035]可以解决现有技术无法进行“包含逻辑”识别的缺点，本发明采用了分块的方式，即将图片分成几个部分分别进行识别，可以将细节部分的信号保存下来，然后再进行判断，而不是单纯的求和。
[0036]以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【权利要求】
1.一种基于RRAM的神经网络电路,其特征在于,包括:若干个传感器、若干个第一层神经元支路和若干个第二层神经元支路； 每个第一层神经元支路包括:若干个第一 RRAM以及第一层神经元； 所述传感器用于将像素点的颜色转换为电压信号，并将此电压信号传输给所述第一RRAM ;所述第一 RRAM根据接收到的电压信号产生电流信号，并传输至所述第一层神经元；所述第一层神经元用于对接收到的电流信号进行求和，若第一神经元被激活，则发射电压脉冲至所述第二 RRAM ； 每个第二层神经元支路包括:若干个第二 RRAM以及第二层神经元； 所述第二 RRAM器件将所述第一层神经元与所述第二层神经元连接起来；所述第二层神经元用于汇总若干个所述第一层神经元激活后产生的电流信号。
2.如权利要求1所述的电路，其特征在于， 一个传感器对应于一个像素点，同时一个传感器对应于一个RRAM器件。
3.如权利要求1所述的电路，其特征在于， 所述第一 RRAM的阻值与接收到传感器的电压信号的大小呈反比。
4.如权利要求1所述的电路，其特征在于， 所述第一层神经元，包括=CMOS神经元、反馈电路。
5.如权利要求6所述的电路，其特征在于， 所述反馈电路用于改变所述第一层神经元对应的第一 RRAM的阻值。
6.如权利要求1所述的电路，其特征在于， 所述第二层神经元为CMOS神经元。
【文档编号】G06N3/063GK103778468SQ201410021568
【公开日】2014年5月7日 申请日期:2014年1月16日 优先权日:2014年1月16日
【发明者】康晋锋, 龙云, 毕颖杰, 高滨, 陈冰, 刘晓彦, 刘力锋 申请人:北京大学