[发明专利]积和运算器、逻辑运算器件、神经形态器件及积和运算方法

说明书

本发明提供一种积和运算器，其具有：多个积运算部，其对与输入值对应的具有上升部、信号部和下降部的输入信号乘以权重来生成输出信号，并输出所述输出信号；和运算部，其运算多个所述积运算部各自输出的所述输出信号的总和；以及校正部，其执行基于包含第一值和第二值中的至少一者的校正值来校正所述输出信号的总和的校正处理，其中，所述第一值是通过由所述输入信号的所述上升部引起的流入多个所述积运算部的可变电阻中的电流而被并入于所述总和的值，所述第二值是通过由所述输入信号的所述下降部引起的流入多个所述积运算部的可变电阻中的电流而被并入于所述总和的值。

技术领域

本发明涉及积和运算器、逻辑运算器件、神经形态器件及积和运算方法。

背景技术

为了改善现有的神经网络的缺点之一的耗电量，积极地开展着使用存储体的研究，其中该存储体是对通过了的电荷进行记录且电阻随之变化的被动元件。

现有的神经网络中，对输入数据累计权重，将它们全部的总和的值输入至活性化函数，得到输出。因此，进行着如下尝试，通过将电阻连续地变化的电阻变化元件组合两个以上，并读取之后输出的电流值的总和，来通过模拟电路实现积和运算。

在神经网络的学习过程中，电阻值变化，以使分配于各突触的存储体成为规定的权重，即使切断电源，也保持其值。在推论过程中，采用如下脉冲宽度调制控制(PulseWidth Modulation：PWM)，利用保持信息的存储体的值，电压脉冲的长度根据输入数据的电平进行变化。

例如，非专利文献1中公开有使用存储体等电阻变化元件来执行神经网络的运算的方法。在此，在神经网络的运算中，运算输入了作为电压脉冲的输入信号的多个电阻变化元件各自输出的输出信号的总和。希望尽可能精确地执行该输出信号的总和的运算。

现有技术文献

非专利文献

非专利文献1：Geoffrey W.Burr,Robert M.Shelby,Abu Sebastian,SangbumKim,Seyoung Kim,Severin Sidler,Kumar Virwani,Masatoshi Ishii,PritishNarayanan,Alessandro Fumarola,Lucas L.Sanches,Irem Boybat,Manuel Le Gallo,Kibong Moon,Jiyoo Woo,Hyunsang HwangYusuf Leblebici,Advancesin Physics：X,2,89(2017)

发明内容

发明所要解决的问题

电阻变化元件成为作为等效电路将寄生电容和寄生电阻并联连接的电路结构，由于作为电压脉冲的输入信号的输入，产生电阻变化元件各自的向寄生电容的充放电所引起的突入电流。因此，作为缓和该突入电流引起的电路的发热及电路的负载的一个方案，进行降低输入信号的上升部及下降部的电压的变化速度。

但是，在降低上升部及下降部的电压的变化速度的情况下，电流也流入电阻变化元件各自的寄生电阻，因此，有时该电流引起的值被并入上述的输出信号的总和，而使总和运算的精度降低。

因此，本发明的目的在于，提供能够执行精确的积和运算的积和运算器、逻辑运算器件、神经形态器件及积和运算方法。

用于解决问题的技术手段