[發明專利]存儲器內處理器件及測試存儲器內處理器件的方法

在審

• 申請號: 202010889096.7
• 申請日: 2020-08-28
• 公開（公告）號: CN112748900A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 李楨埈
• 申請（專利權）人: 愛思開海力士有限公司
• 主分類號: G06F7/544
• 分類號: G06F7/544;G06F3/06;G11C29/12
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 許偉群;阮愛青

本申請提供一種存儲器內處理器件及測試存儲器內處理器件的方法。存儲器內處理(PIM)器件包括乘法/累加(MAC)運算器。MAC運算器包括相乘塊和相加塊。相乘塊包括第一乘法器和第二乘法器。第一乘法器對第一數據的第一半數據和第二數據的第一半數據執行第一相乘計算。第二乘法器對第一數據的第二半數據和第二數據的第二半數據執行第二相乘計算。相加塊對從第一乘法器輸出的第一乘法結果數據和從第二乘法器輸出的第二乘法結果數據執行相加計算。MAC運算器接收具有第一電平的測試模式信號以對相乘塊執行測試操作。

相關申請的交叉引用

本申請要求2019年10月30日提交的申請號為10-2019-0136529的韓國專利申請的優先權，其全部內容通過引用合并于此。

技術領域

所公開技術的各種實施例涉及存儲器內處理(PIM，processing-in-memory)器件及測試PIM器件的方法。

背景技術

近來，不僅在信息技術行業中，而且在金融和醫療行業中，對人工智能(AI)的關注已經在增加。因此，在各種領域，都考慮并原型化了人工智能，更確切地說是深度學習的引入。通常，用于有效地學習深度神經網絡(DNN)或與通常的神經網絡相比具有增加層的深度網絡以利用深度神經網絡(DNN)或在模式識別或推理下的深度網絡的技術通常稱為深度學習。

這種廣泛關注的背景或原因之一可能是由于執行算術運算的處理器的性能提高。為了改善人工智能的性能，可能需要增加構成人工智能中的神經網絡的層數，以訓練人工智能。近年來，這種趨勢一直持續，這導致實際執行計算的硬件所需的計算量呈指數增長。此外，如果人工智能采用包括彼此分開的存儲器和處理器的通用硬件系統，則由于存儲器與處理器之間的數據通信量的限制，人工智能的性能可能被降低。為了解決該問題，已經將其中處理器和存儲器集成在一個半導體芯片中的PIM器件用作神經網絡計算器件。因為PIM器件直接在PIM器件中執行算術運算，所以可以提高神經網絡中的數據處理速度。

發明內容

根據一個實施例，提供了一種PIM器件，所述PIM器件包括集成在存儲器件中的乘法/累加(MAC)運算器。所述MAC運算器包括相乘塊和相加塊。相乘塊包括第一乘法器和第二乘法器。第一乘法器被配置為對輸入至第一乘法器的兩個第一輸入端子中的相應第一輸入端子的第一數據的第一半數據和第二數據的第一半數據執行第一相乘計算，并且第二乘法器被配置為對輸入至第二乘法器的兩個第二輸入端子中的相應第二輸入端子的第一數據的第二半數據和第二數據的第二半數據執行第二相乘計算。相加塊被配置為對從第一乘法器輸出的第一乘法結果數據和從第二乘法器輸出的第二乘法結果數據執行相加計算。MAC運算器被配置為接收具有第一電平的測試模式信號，以通過將第一數據的第一半數據和第二數據的第一半數據輸入至兩個第一輸入端子中的相應第一輸入端子和兩個第二輸入端子的相應第二輸入端子并且通過執行第一相乘計算、第二相乘計算和相加計算來對相乘塊執行測試操作。

根據另一個實施例，提供了一種PIM器件，其包括集成在存儲器件中的乘法/累加(MAC)運算器。MAC運算器包括相乘塊和相加塊。相乘塊對第一數據和第二數據執行相乘計算，以輸出乘法結果數據。相加塊對從相乘塊輸出的乘法結果數據執行相加計算。當測試模式信號具有第一電平時，從相乘塊輸出的乘法結果數據經由數據輸入/輸出(I/O)模塊從PIM器件直接輸出。

根據另一個實施例，提供了一種測試包括集成在存儲器件中的乘法/累加(MAC)運算器的存儲器內處理(PIM)器件的方法。所述方法包括：生成具有第一電平的測試模式信號以用于激活測試算術模式；響應于具有第一電平的測試模式信號而將第一數據的一部分和第二數據的一部分輸入至包括在MAC運算器中的多個乘法器的每個乘法器，以及響應于具有第一電平的測試模式信號而對從多個乘法器輸出的乘法結果數據執行異或運算，以對多個乘法器執行測試操作。