[發(fā)明專利]集成電路存儲(chǔ)器裝置及在其中實(shí)施的方法以及計(jì)算設(shè)備

在審

• 申請?zhí)枺?/td>: 201910920276.4
• 申請日: 2019-09-26
• 公開（公告）號: CN111045595A
• 公開（公告）日: 2020-04-21
• 發(fā)明（設(shè)計(jì)）人: G·戈洛夫
• 申請（專利權(quán)）人: 美光科技公司
• 主分類號: G06F3/06
• 分類號: G06F3/06;G06F12/06;G06F13/16
• 代理公司: 北京律盟知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11287
• 代理人: 王龍

本申請案涉及一種集成電路存儲(chǔ)器裝置及在其中實(shí)施的方法以及一種計(jì)算設(shè)備。本發(fā)明揭示一種囊封在集成電路IC封裝內(nèi)的IC存儲(chǔ)器裝置。所述存儲(chǔ)器裝置包含：多個(gè)存儲(chǔ)器區(qū)，其經(jīng)配置以存儲(chǔ)一或多個(gè)操作數(shù)列表；算術(shù)計(jì)算元件矩陣，其經(jīng)耦合以并行存取所述存儲(chǔ)器區(qū)；及通信接口，其用以從外部處理裝置接收請求。響應(yīng)于所述請求，所述算術(shù)計(jì)算元件矩陣依據(jù)存儲(chǔ)在所述多個(gè)存儲(chǔ)器區(qū)中的所述多個(gè)操作數(shù)列表計(jì)算輸出；且所述通信接口提供所述輸出作為對所述請求的響應(yīng)。舉例來說，所述請求可以是對存儲(chǔ)有操作碼的存儲(chǔ)器位置進(jìn)行尋址的存儲(chǔ)器讀取命令；且可仿佛所述輸出已被預(yù)先計(jì)算并存儲(chǔ)在所述存儲(chǔ)器位置處一樣提供所述輸出。

相關(guān)申請案

本申請案主張2018年10月12日提出申請且標(biāo)題為“加速存取從存儲(chǔ)在存儲(chǔ)器裝置中數(shù)據(jù)產(chǎn)生的計(jì)算結(jié)果”的美國專利申請案第16/158,558號的申請日期的權(quán)益，所述美國專利申請案的全部內(nèi)容如充分陳述一般以引用的方式并入本文中。

本申請案涉及2018年10月12日提出申請且標(biāo)題為“存儲(chǔ)器裝置中的并行存儲(chǔ)器存取及計(jì)算”的美國專利申請案第16/158,593號，所述美國專利申請案的全部揭示內(nèi)容特此以引用方式并入本文中。

技術(shù)領(lǐng)域

本文中所揭示的至少一些實(shí)施例大體來說涉及存儲(chǔ)器系統(tǒng)，且更確切來說但不限于加速存取從存儲(chǔ)在存儲(chǔ)器裝置中的數(shù)據(jù)產(chǎn)生的計(jì)算結(jié)果。

背景技術(shù)

一些計(jì)算模型使用呈行向量、列向量及/或矩陣形式的大量數(shù)據(jù)的數(shù)值計(jì)算。舉例來說，模型人工神經(jīng)網(wǎng)絡(luò)(ANN)的計(jì)算模型可涉及對來自行向量及列向量的元素進(jìn)行求和及相乘。

用于人工智能(AI)推理(例如，識(shí)別以各種數(shù)據(jù)集(例如，傳感器輸入)形式捕獲的事件、物體、圖案)的人工神經(jīng)網(wǎng)絡(luò)受到越來越多的關(guān)注。

通常，人工神經(jīng)網(wǎng)絡(luò)(ANN)使用神經(jīng)元網(wǎng)絡(luò)來處理去往網(wǎng)絡(luò)的輸入且從所述網(wǎng)絡(luò)產(chǎn)生輸出。

舉例來說，人工神經(jīng)網(wǎng)絡(luò)(ANN)中的每一神經(jīng)元m可接收一組輸入p_k，其中k＝1、2、…、n。通常，去往典型神經(jīng)元m的輸入p_k中的一些可以是網(wǎng)絡(luò)中的某些其它神經(jīng)元的輸出，且去往神經(jīng)元m的輸入p_k中的一些可整體地輸入到網(wǎng)絡(luò)。網(wǎng)絡(luò)中的神經(jīng)元當(dāng)中的輸入/輸出關(guān)系表示網(wǎng)絡(luò)中的神經(jīng)元連接性。

典型神經(jīng)元m可具有偏倚b_m、激活函數(shù)f_m及分別針對其輸入p_k的一組突觸權(quán)重w_mk，其中k＝1、2、…、n。激活函數(shù)可呈階躍函數(shù)、線性函數(shù)及雙S形函數(shù)(log-sigmoidfunction)等形式。網(wǎng)絡(luò)中的不同神經(jīng)元可具有不同的激活函數(shù)。

典型神經(jīng)元m產(chǎn)生其輸入與其偏倚的加權(quán)和s_m，其中s_m＝b_m+w_m1×p₁+w_m2×p₂+…+w_mn×p_n。神經(jīng)元m的輸出a_m是加權(quán)和的激活函數(shù)，其中a_m＝f_m(s_m)。

ANN的輸入與輸出之間的關(guān)系通常是由ANN模型界定，所述ANN模型包含表示網(wǎng)絡(luò)中的神經(jīng)元的連接性的數(shù)據(jù)以及每一神經(jīng)元m的偏倚b_m、激活函數(shù)f_m及突觸權(quán)重w_mk。計(jì)算裝置可用于基于給定ANN模型依據(jù)去往網(wǎng)絡(luò)的一組給定輸入來計(jì)算網(wǎng)絡(luò)的輸出。

舉例來說，去往ANN網(wǎng)絡(luò)的輸入可基于相機(jī)輸入來產(chǎn)生；且來自ANN網(wǎng)絡(luò)的輸出可以是對物項(xiàng)(例如，事件或物體)的識(shí)別。