[發(fā)明專利]類腦計(jì)算系統(tǒng)及其突觸

有效

• 申請?zhí)枺?/td>: 201610310747.6
• 申請日: 2016-05-11
• 公開（公告）號: CN107368888B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 戴瑾
• 申請（專利權(quán)）人: 上海磁宇信息科技有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 上海容慧專利代理事務(wù)所(普通合伙) 31287
• 代理人: 于曉菁

一種類腦計(jì)算系統(tǒng)及其突觸，所述突觸為MTJ突觸，其包括記憶MTJ和參考MTJ；MTJ突觸的輸出端連接到類腦計(jì)算系統(tǒng)中輸入電荷的神經(jīng)元，MTJ突觸的輸入端連接到類腦計(jì)算系統(tǒng)中輸出電荷的神經(jīng)元；MTJ突觸的輸出端被置于基準(zhǔn)電位，記憶MTJ適于接收來自所述MTJ突觸的輸入端的第一脈沖，參考MTJ適于接收來自MTJ突觸的輸入端的第二脈沖，第一脈沖與第二脈沖同時(shí)發(fā)射，形狀相同且符號相反；MTJ突觸還包括與記憶MTJ相連的第一選通器件以及與參考MTJ相連的第二選通器件，分別設(shè)置于輸出電荷的神經(jīng)元與輸入電荷的神經(jīng)元之間的不同電流路徑上，且兩者導(dǎo)流方向相反。本發(fā)明技術(shù)方案能有效縮減突觸的面積，擴(kuò)展類腦計(jì)算系統(tǒng)所集成芯片的規(guī)模，以及降低功耗。

技術(shù)領(lǐng)域

本發(fā)明涉及半導(dǎo)體芯片領(lǐng)域，特別涉及一種類腦計(jì)算系統(tǒng)及其突觸。

背景技術(shù)

關(guān)于磁性隧道結(jié)：

磁性隧道結(jié)(MTJ，Magnetic Tunneling Junction)是由兩層鐵磁性材料夾著一層非常薄的非鐵磁絕緣材料組成的結(jié)構(gòu)，如圖1所示。它目前的最主要應(yīng)用是用在磁性隨機(jī)存儲(chǔ)器(MRAM，Magnetic Random Access Memory)內(nèi)存芯片中。

參閱圖1，下面的一層鐵磁材料是具有固定磁化方向的參考層，上面的鐵磁材料是可變磁化方向的記憶層，它的磁化方向可以和固定磁化層相平行或反平行。由于量子物理的效應(yīng)，電流可以穿過中間的隧道勢壘層，但是MTJ的電阻和可變磁化層的磁化方向有關(guān)。前一種情況電阻低，后一種情況電阻高。

使用比較新的自旋力矩轉(zhuǎn)移(STT，Spin Torque Transfer)技術(shù)，改變MTJ的狀態(tài)也比較簡單：使用比讀更強(qiáng)的電流穿過MTJ進(jìn)行寫操作。一個(gè)自下而上的電流把可變磁化層置成與固定層平行的方向，自上而下的電路把它置成反平行的方向。

關(guān)于人腦的神經(jīng)元和架構(gòu)：

人腦是一個(gè)由大量神經(jīng)元復(fù)雜連接的網(wǎng)絡(luò)。可以參閱圖2，每個(gè)神經(jīng)元通過大量的樹突連接大量的其他神經(jīng)元，接收信息，每一個(gè)連接點(diǎn)叫突觸(Synapse)。在外部刺激積累到一定程度后，產(chǎn)生一個(gè)刺激信號，通過軸突傳送出去。軸突有大量的末梢，通過突觸，連接到大量其他神經(jīng)元的樹突。就是這樣一個(gè)由簡單功能的神經(jīng)元組成的網(wǎng)絡(luò)，實(shí)現(xiàn)了人類所有的智能活動(dòng)。人的記憶和智能，普遍被認(rèn)為存儲(chǔ)在每一個(gè)突觸的不同的耦合強(qiáng)度里。

神經(jīng)元的反應(yīng)頻率不超過100Hz，現(xiàn)代計(jì)算機(jī)的CPU比人腦快1000萬倍，但處理很多復(fù)雜問題的能力不如人腦。這促使了計(jì)算機(jī)行業(yè)開始模仿人腦。

關(guān)于神經(jīng)網(wǎng)絡(luò)(Neural Network)：

最早的對人腦的模仿，是在軟件層面的。從上世紀(jì)60年代興起的神經(jīng)網(wǎng)絡(luò)算法，用一個(gè)函數(shù)來模仿神經(jīng)元的功能。函數(shù)接受多個(gè)輸入，每個(gè)輸入有不同的權(quán)重，學(xué)習(xí)訓(xùn)練的過程就是調(diào)整各個(gè)權(quán)重。函數(shù)輸出到很多其他的神經(jīng)元，組成一個(gè)網(wǎng)絡(luò)。這類算法，已經(jīng)取得了豐富的成果，得到廣泛應(yīng)用。但如果把這種算法上推到人腦的規(guī)模(超過1000億神經(jīng)元)，不光現(xiàn)代的計(jì)算系統(tǒng)無法承受，就是耗電，也需要巨型的發(fā)電站供給。而人腦的功耗卻只有25瓦左右。

關(guān)于脈沖神經(jīng)網(wǎng)絡(luò)(Spiking Neural Network)

出于降低功耗的動(dòng)機(jī)，在硬件層面上對人腦模仿的研究已經(jīng)開始。脈沖神經(jīng)網(wǎng)絡(luò)被認(rèn)為是下一代類腦計(jì)算的基礎(chǔ)。它設(shè)計(jì)得更像人腦，神經(jīng)元在積累到一定程度的輸入后才向外發(fā)射一個(gè)脈沖。不像傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，任何一個(gè)微不足道的輸入都會(huì)引起整個(gè)網(wǎng)絡(luò)進(jìn)行運(yùn)算，因此能節(jié)省大量的電能。這樣的網(wǎng)絡(luò)已經(jīng)被制成了芯片。IBM公司的TrueNorth芯片，就是一個(gè)著名的例子。它集成了1百萬個(gè)神經(jīng)元，256百萬個(gè)突觸。演示了以極低的功耗完成了一些人工智能的算法。