一种面向神经网络应用的基于薄膜晶体管的模拟运算电路

本发明涉及神经网络边缘计算的电路技术，尤其涉及一种面向神经网络应用的基于薄膜晶体管的模拟运算电路。

背景技术：

1、人工神经网络作为目前在信息领域中热门的研究内容，除了对于神经网络本身架构的研究外，还有其他非常多的研究方向。其中一个方向就是神经网络硬件加速器。神经网络硬件加速器的出现是为了减少神经网络的运算量，降低运算功耗，提高边缘计算的能力。实现神经网络硬件加速器有两大主要路径，分别为将输入信号转化为数字信号再进行运算，或者是在电路层面对输入的信号进行乘法运算。第一种运算方案主要是基于fpga或asic，其优点为方案较为成熟，线性度较高，但是存在资源利用率较低，额外计算量较大。

技术实现思路

1、本发明目的在于提供一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，以解决上述现有技术存在的问题。

2、本发明中所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，包括：两个结构相同的权重加权求和模块，以及一个求和激活模块；

3、每个权重求和模块均包括多个结构相同且并联设置的乘积单元；所述乘积单元用于将输入的电压与对应权重相乘后再以电流形式输出；

4、所述求和激活模块将权重求和模块的输入量求和后作为控制第七tft的顶栅极电压，所述第七tft的底栅极电压控制第七tft的阈值电压以调节激活函数的零点，第七tft与地之间串接第三电阻用于以电流形式输出；同时控制第七tft底栅极电压以控制relu激活函数。

5、所述求和激活模块设有两个对称的输入端：一个输入端连接其中一个权重求和模块，作为正权重求和输入；另一个输入端连接连接另一个权重求和模块，作为负权重求和输入。

6、所述求和激活模块设包括三个tft和三个电阻；

7、第五tft栅极连接正权重求和模块的输出端，第五tft漏极串接第四电阻后连接vcc，第五tft源极连接第四tft漏极；

8、第六tft栅极连接负权重求和模块的输出端，第六tft漏极串接第五电阻后连接vcc，第六tft源极连接第四tft漏极；

9、第四tft栅极外接偏置电压vbias，第四tft源极接地；

10、第七tft顶栅极连接第六tft漏极，第七tft漏极连接vcc，第七tft源极通过第三电阻接地，第七tft底栅极外接控制电压vzero。

11、若干所述乘积单元的信号输出端共点后作为所在权重加权求和模块的信号输出端；正权重加权求和模块的信号输出端分别第一电阻外接vcc以及连接所述第五tft栅极；负权重加权求和模块的信号输出端分别第二电阻外接vcc以及连接所述第六tft栅极。

12、所述乘积单元包括三个tft和一个电容：

13、第一tft源极外接控制电压vweight，第一tft漏极连接第一电容上极板，第一tft栅极外接选择电压vsel；

14、第一电容下极板接地；

15、第二tft漏极连接第三tft源极，第三tft源极接地，第二tft栅极连接第一电容上极板；

16、第三tft漏极为乘积单元的信号输出端，第三tft源极连接第二tft漏极，第三tft顶栅极连接输入信号vsignal，第三tft底栅极外接控制电压vbg。

17、本发明中所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其优点在于，可以直接对信号进行运算，减少运算量。而薄膜晶体管相对于cmos的优势在于更大的流片大面积，衬底具有可柔性以及特有的双栅阈值电压调制结构。整体电路适用于低功耗，高资源利用率的神经网络硬件加速器设计方案，以及适合用于边缘计算中靠近用户端或者数据收集端进行运算。在电路层面实现正负权重的求和以及relu激活函数。

技术特征：

1.一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其特征在于，包括：两个结构相同的权重加权求和模块，以及一个求和激活模块；

2.根据权利要求1所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其特征在于，所述求和激活模块设有两个对称的输入端：一个输入端连接其中一个权重求和模块，作为正权重求和输入；另一个输入端连接连接另一个权重求和模块，作为负权重求和输入。

3.根据权利要求2所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其特征在于，所述求和激活模块设包括三个tft和三个电阻；

4.根据权利要求3所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其特征在于，若干所述乘积单元的信号输出端共点后作为所在权重加权求和模块的信号输出端；正权重加权求和模块的信号输出端分别第一电阻(r1)外接vcc以及连接所述第五tft(t5)栅极；负权重加权求和模块的信号输出端分别第二电阻(r2)外接vcc以及连接所述第六tft(t6)栅极。

5.根据权利要求4所述一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，其特征在于，所述乘积单元包括三个tft和一个电容：

技术总结
本发明公开一种面向神经网络应用的基于薄膜晶体管的模拟运算电路，涉及神经网络边缘计算，针对现有技术中额外计算量较大等问题提出本方案。每个权重求和模块均包括多个结构相同且并联设置的乘积单元；乘积单元用于将输入的电压与对应权重相乘后再以电流形式输出；求和激活模块将权重求和模块的输入量求和后作为控制第七TFT的顶栅极电压，第七TFT的底栅极电压控制第七TFT的阈值电压以调节激活函数的零点，第七TFT与地之间串接第三电阻用于以电流形式输出；同时控制第七TFT底栅极电压以控制ReLU激活函数。优点在于，可以直接对信号进行运算，减少运算量。而薄膜晶体管相对于CMOS的优势在于更大的流片大面积，衬底具有可柔性以及特有的双栅阈值电压调制结构。

技术研发人员：王凯,林建乐
受保护的技术使用者：中山大学
技术研发日：
技术公布日：2024/3/12