[发明专利]基于忆阻器矩阵的权值运算模块

说明书

一种基于忆阻器矩阵的权值运算模块，所述基于忆阻器矩阵的权值运算模块，包括第一忆阻器矩阵、第二忆阻器矩阵和多个差分电路；所述第一忆阻器矩阵与所述第二忆阻器矩阵的结构相同，同为行输出或列输出；所述第一忆阻器和所述第二忆阻器的行与列之间不交叉并通过对应设置的忆阻器耦接；所述差分电路与所述第一忆阻器或第二忆阻器的输出端口的数量相同，且所述第一忆阻器和所述第二忆阻器的同一输出端口分别与对应设置的差分电路的同相输入端和反相输入端耦接。上述的方案，可以利用忆阻器实现权值的负数运算，丰富权值运算的结果。

技术领域

本发明属于权值运算技术领域，特别是涉及一种基于忆阻器矩阵的权值运算模块。

背景技术

权值的概念是人工神经网络的基本概念。一组加权输入允许系统中的每个人工神经元或节点产生相关输出。处理类似系统的人工神经网络的机器学习和人工智能项目的专业人员经常谈论权值作为生物和技术系统的函数。

忆阻器基本上适于第四类电路基本原件，用于连接电阻器、电容器和电感器，它们主要在纳米尺度上表现出其独特的性质。从理论上讲，忆阻器是“存储电阻器”的串联，是一种无源电路元件，用于保持两端子元件上电流和电压的时间积分之间的关系。因此，忆阻器电阻根据器件忆阻功能而变化，允许通过微小的读取电荷访问所施加电压的“历史”。

单个晶体管只能储存0和1两种数据，想要储存权值需要多个晶体管协同工作，而利用忆阻器的忆阻特性可以使每个忆阻器携带一个特定的权值信息。忆阻器具有体积小、集成度高、功耗低等特点，更易在一个芯片上封装更多的忆阻器，忆阻器有可能能够取代晶体管从而续写摩尔定律。

虽然忆阻器的电导值连续变化，且阻态丰富，却仍然难以满足人工神经网络对权值的大量需求。另外，由于电阻值不可能为负值，一般也无法实现负数权值运算。

发明内容

本发明解决的技术问题是如何利用忆阻器实现权值的负数运算，丰富权值运算的结果。

为了达到上述目的，本发明提供一种基于忆阻器矩阵的权值运算模块，所述基于忆阻器矩阵的权值运算模块，包括第一忆阻器矩阵、第二忆阻器矩阵和多个差分电路；

所述第一忆阻器矩阵与所述第二忆阻器矩阵的结构相同，同为行输出或列输出；

所述第一忆阻器和所述第二忆阻器的行与列之间不交叉并通过对应设置的忆阻器耦接；

所述差分电路与所述第一忆阻器或第二忆阻器的输出端口的数量相同，且所述第一忆阻器和所述第二忆阻器的同一输出端口分别与对应设置的差分电路的同相输入端和反相输入端耦接。

可选地，所述第一忆阻器和所述第二忆阻器的行数与输入端口的数量相同，列数与输出端口的数量相同。

可选地，所述多个差分电路的结构相同。

可选地，所述差分电路包括第一电阻、第二电阻、第三电阻、第四电阻、运算放大器和电容；

所述第一电阻的第一端与所述第二电阻的第一端分别作为所述差分电路的同相输入端和反相输入端；

所述第一电阻的第二端分别与所述运算放大器的正向输入端耦接；所述运算放大器的正向输入端还分别与所述第一电容的第一端和所述第四电阻的第一端耦接，所述运算放大器的反向输入端分别与所述第一电容的第二端和所述第四电阻的第二端耦接，并作为所述差分电路的输出端；

所述第二电阻的第二端与所述第三电阻的第一端及所述运算放大器的反向输入端耦接，所述第三电阻的第二端接地。

可选地，所述第一电阻、第二电阻、第三电阻和第四电阻的电阻值相同。

可选地，所述第一电阻、第二电阻、第三电阻和第四电阻的电阻值均为1K欧姆。

可选地，所述电容的电容值为0.1uf。