[发明专利]类脑计算系统

说明书

一种类脑计算系统，包括一个以上神经元和一个以上MTJ突触，MTJ突触包括记忆MTJ和参考MTJ；MTJ突触的输出端连接到类脑计算系统中输入电荷的神经元，MTJ突触的输入端连接到类脑计算系统中输出电荷的神经元；MTJ突触的输出端被置于基准电位，记忆MTJ适于接收来自所述MTJ突触的输入端的第一脉冲，参考MTJ适于接收来自MTJ突触的输入端的第二脉冲，第一脉冲与第二脉冲同时发射，形状相同且符号相反；神经元之间通过MTJ突触连接起来；所有MTJ突触各自包含的参考MTJ都在同一约定的状态上；神经元包括电荷积分器、脉冲发生器以及分别与电荷积分器和脉冲发生器相连的模式控制器。本发明技术方案能有效缩减突触的面积，扩展类脑计算系统所集成芯片的规模，以及降低功耗。

技术领域

本发明涉及半导体芯片领域，特别涉及一种类脑计算系统。

背景技术

关于磁性隧道结：

磁性隧道结(MTJ，Magnetic Tunneling Junction)是由两层铁磁性材料夹着一层非常薄的非铁磁绝缘材料组成的结构，如图1所示。它目前的最主要应用是用在磁性随机存储器(MRAM，Magnetic Random Access Memory)内存芯片中。

参阅图1，下面的一层铁磁材料是具有固定磁化方向的参考层，上面的铁磁材料是可变磁化方向的记忆层，它的磁化方向可以和固定磁化层相平行或反平行。由于量子物理的效应，电流可以穿过中间的隧道势垒层，但是MTJ的电阻和可变磁化层的磁化方向有关。前一种情况电阻低，后一种情况电阻高。

使用比较新的自旋力矩转移(STT，Spin Torque Transfer)技术，改变MTJ的状态也比较简单：使用比读更强的电流穿过MTJ进行写操作。一个自下而上的电流把可变磁化层置成与固定层平行的方向，自上而下的电路把它置成反平行的方向。

关于人脑的神经元和架构：

人脑是一个由大量神经元复杂连接的网络。可以参阅图2，每个神经元通过大量的树突连接大量的其他神经元，接收信息，每一个连接点叫突触(Synapse)。在外部刺激积累到一定程度后，产生一个刺激信号，通过轴突传送出去。轴突有大量的末梢，通过突触，连接到大量其他神经元的树突。就是这样一个由简单功能的神经元组成的网络，实现了人类所有的智能活动。人的记忆和智能，普遍被认为存储在每一个突触的不同的耦合强度里。

神经元的反应频率不超过100Hz，现代计算机的CPU比人脑快1000万倍，但处理很多复杂问题的能力不如人脑。这促使了计算机行业开始模仿人脑。

关于神经网络(Neural Network)：

最早的对人脑的模仿，是在软件层面的。从上世纪60年代兴起的神经网络算法，用一个函数来模仿神经元的功能。函数接受多个输入，每个输入有不同的权重，学习训练的过程就是调整各个权重。函数输出到很多其他的神经元，组成一个网络。这类算法，已经取得了丰富的成果，得到广泛应用。但如果把这种算法上推到人脑的规模(超过1000亿神经元)，不光现代的计算系统无法承受，就是耗电，也需要巨型的发电站供给。而人脑的功耗却只有25瓦左右。

关于脉冲神经网络(Spiking Neural Network)

出于降低功耗的动机，在硬件层面上对人脑模仿的研究已经开始。脉冲神经网络被认为是下一代类脑计算的基础。它设计得更像人脑，神经元在积累到一定程度的输入后才向外发射一个脉冲。不像传统的神经网络，任何一个微不足道的输入都会引起整个网络进行运算，因此能节省大量的电能。这样的网络已经被制成了芯片。IBM公司的TrueNorth芯片，就是一个著名的例子。它集成了1百万个神经元，256百万个突触。演示了以极低的功耗完成了一些人工智能的算法。