[發明專利]用于人工神經網絡的突觸器件和人工神經網絡

有效

• 申請號: 201410673774.0
• 申請日: 2014-11-21
• 公開（公告）號: CN104376362B
• 公開（公告）日: 2017-10-03
• 發明（設計）人: 康晉鋒;畢穎杰;龍云;高濱;陳冰;劉曉彥
• 申請（專利權）人: 北京大學
• 主分類號: G06N3/06
• 分類號: G06N3/06
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 呂雁葭

技術領域

本發明涉及用于人工神經網絡的突觸器件和人工神經網絡。

背景技術

人工神經網絡是一種模仿生物神經網絡的裝置，其應用機器學習算法，可以用于完成對各類信息如圖像、聲音的識別、分類等任務。一般而言，一個人工神經網絡可以包括多個神經元和用于將神經元彼此互連的突觸器件的陣列。作為示例，圖1示意性示出了神經元1和與之相連的兩個突觸(synapse)器件W1和W2。分別經由突觸器件W₁和W₂與神經元1相連的另外兩個神經元(未示出)對神經元1的激勵信號用X₁和X₂表示。神經元1例如可以用傳統的CMOS電路實現。突觸器件W₁和W₂例如可以由阻變器件(RRAM)實現。更具體地，突觸器件W₁和W₂例如可以由基于金屬氧化物的阻變器件(TMO-RRAM)實現。

在人工神經網絡完成某個特定任務之前，需要進行訓練，即通過重置(RESET)操作改變與一個神經元相連的突觸器件的RRAM的電阻值，使得它對某個特定類型的輸入敏感。圖2示意性示出了對與神經元1相連的一個突觸器件W_i進行訓練的電路示意圖。如圖所示，重置電壓V被施加到突觸器件W_i，以改變突觸器件W_i的RRAM的電阻值。然而，在低功耗工作區中，RRAM的電參數(例如電阻值)具有相當大的漲落。即使對于處于同一狀態的RRAM，在施加相同的重置電壓后，它們的電參數的變化也可能具有很大差異。這會影響人工神經網絡訓練的可靠性，從而降低人工神經網絡在工作時的正確率。

發明內容

為解決現有技術中的至少一個問題而提出本發明。

本發明的一個方面提供了一種用于人工神經網絡的突觸器件，所述人工神經網絡包括多個神經元，所述多個神經元之間通過突觸器件陣列相互連接，所述突觸器件陣列包括多個突觸器件，所述突觸器件包括：兩個、三個或更多個并聯連接的突觸單元。

可選地，每個突觸單元由阻變器件構成。

可選地，每個突觸單元包括串聯連接的阻變器件和整流器件。

可選地，所述整流器件是二極管；并且/或者所述阻變器件是基于金屬氧化物的阻變器件TMO-RRAM。

可選地，當整流器件是二極管時：所述二極管的參數是基于所述突觸器件的重置電壓V確定的；或者所述突觸器件的重置電壓V是根據所述二極管的參數確定的，其中：所述二極管的參數包括二極管的反向飽和電流I_s、閾值電壓V_T和理想因子η；并且在人工神經網絡的訓練期間，通過在所述突觸器件上施加所述重置電壓來使得所述突觸器件對特定類型的輸入敏感。

可選地，所述突觸器件的重置電壓是根據該突觸器件中的二極管的平均參數值確定的。

可選地，該突觸器件滿足以下關系式：

其中，y＝W(x)是乘積對數函數，即方程x＝ye^y的解，I是流過所述二極管和與所述二極管串聯的阻變器件的電流，R是與所述二極管串聯的阻變器件的電阻值。

可選地，所述突觸器件的重置電壓V、所述二極管的反向飽和電流I_s、閾值電壓V_T和理想因子η被確定為使得電流I與電阻值R的對數logR成近似線性關系。

可選地，當電流I與電阻值R的對數logR成近似線性關系時，電流I與電阻值R的對數logR的線性擬合的相關系數盡可能接近1。

本發明的另一方面提供了一種人工神經網絡，包括多個神經元，所述多個神經元之間通過突觸器件陣列相互連接，所述突觸器件陣列包括多個如上所述的突觸器件。

附圖說明

參考附圖并結合以下詳細說明，可以更加清楚本發明的上述和其他優點。附圖意在說明而非限制本發明。在附圖中，相同或相似的部件由相同或相似的附圖標記表示。

圖1示意性示出了人工神經網絡中的一個神經元和與之相連的兩個突觸器件；

圖2示意性示出了對與神經元相連的一個突觸器件進行訓練的電路示意圖；

圖3示意性示出了根據本發明實施例的突觸器件及對其進行訓練時的電路連接示意圖；

圖4示意性示出了通過選擇二極管參數和重置電壓，來實現流過二極管的電流和與其串聯的RRAM器件的電阻對數值之間的近似線性關系；