[发明专利]基于自旋转移力矩磁存储器的神经网络处理方法及系统

权利要求书

1.一种基于自旋转移力矩磁存储器的神经网络处理方法，其特征在于，包括以下步骤：

步骤S1，从存储单元读取需要执行的操作指令，并根据该操作指令将待计算的输入数据写入该存储单元，并生成控制信号；

步骤S2，从该存储单元中获取该输入数据，结合该控制信号执行神经网络计算中的计算操作，产生中间计算数据和最终计算数据，并存入该存储单元；

其中该存储单元存储介质为多层自旋转移力矩磁存储器。

2.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理方法，其特征在于，该存储单元具备多层单元存储模式、单比特存储模式和状态限制多单元存储模式，并根据神经网络处理规模及计算精度要求在上述三种存储模式之间切换，其中，

多层单元存储模式，每个存储单元内全部MJT均参与存储数据，数据位宽为2N；

单比特存储模式，每个存储单元内一半MJT参与存储数据，数据位宽为N；

状态限制多单元存储模式，每两个存储单元内四分之三MJT参与存储数据，数据位宽为二分之三N。

3.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理方法，其特征在于，采用Q格式存储该操作指令、该最终计算数据和该中间计算数据，该Q格式的形式为Qn.m，其中n为二进制数小数的整数部分，m为二进制数小数的小数部分，且n+m＝2N，2N为数据位宽。

4.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理方法，其特征在于，步骤S1还包括在该输入数据写入该存储单元时，若该输入数据的位宽大于存储单元的数据位宽，则抛弃该输入数据中的低位数据，并在步骤S2中取消对于该低位数据的计算。

5.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理方法，其特征在于，该计算操作包括向量乘加操作、池化操作和局部相应归一化操作。

6.一种基于自旋转移力矩磁存储器的神经网络处理系统，其特征在于，包括以下单元：

控制单元，从存储单元读取需要执行的操作指令，并根据该操作指令将待计算的输入数据写入该存储单元，并生成控制信号；

计算单元阵列，包括多个计算单元，用于从该存储单元中获取该输入数据，结合该控制信号执行神经网络计算中的计算操作，产生中间计算数据和最终计算数据，并存入该存储单元；

其中该存储单元存储介质为多层自旋转移力矩磁存储器。

7.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理系统，其特征在于，该存储单元具备多层单元存储模式、单比特存储模式和状态限制多单元存储模式，并根据神经网络处理规模及计算精度要求在上述三种存储模式之间切换，其中，

多层单元存储模式，存储单元内全部MJT均参与存储数据，数据位宽为2N；

单比特存储模式，存储单元内一半MJT参与存储数据，数据位宽为N；

状态限制多单元存储模式，每两个存储单元内四分之三MJT参与存储数据，数据位宽为二分之三N。

8.如权利要求1所述的基于自旋转移力矩磁存储器的神经网络处理系统，其特征在于，采用Q格式存储该操作指令、该最终计算数据和该中间计算数据，该Q格式的形式为Qn.m，其中n为二进制数小数的整数部分，m为二进制数小数的小数部分，且n+m＝2N，2N为数据位宽。

9.如权利要求7所述的基于自旋转移力矩磁存储器的神经网络处理系统，其特征在于，该控制单元还包括在该输入数据写入该存储单元时，若该输入数据的位宽大于存储单元的数据位宽，则抛弃该输入数据中的低位数据，并在计算单元阵列计算时关断用于计算该低位数据的计算单元。

10.如权利要求6所述的基于自旋转移力矩磁存储器的神经网络处理系统，其特征在于，该运算操作包括向量乘加操作、池化操作和局部相应归一化操作。