[发明专利]神经元及包括其的神经形态系统

说明书

本发明公开一种神经元及包括其的神经形态系统。本发明实施例的特征在于，神经元包括全耗尽型绝缘层上覆硅(Silicon‑on‑insulator)器件，根据所输入的电信号(Spikes)控制耗尽区域，来执行整合(Integration)及泄漏(Leaky)。

技术领域

本发明涉及神经元及包括其的神经形态系统，更详细地，涉及执行整合(Integration)及泄漏(Leaky)的一个以上的神经元及包括神经元的神经形态系统。

背景技术

进来，随着基于冯·诺伊曼结构的集成电路中的耗电大有增长且发热问题越发严重，正在进行模仿动物神经系统的很多尝试。尤其，在模仿动物的神经系统的技术中，由于可大大减少耗电且可实现识别功能、可进行学习，因而可改善识别功能和判断功能。由此，可代替或大为改善现有的冯·诺伊曼方式的集成电路的功能，对其的关注及研究日益增加。

可通过利用神经细胞的原理呈现神经形态系统(Neuromorphic System)。神经形态系统是指利用多个器件呈现构成人类大脑的神经元来模仿大脑处理数据的方式的系统。因此，通过利用包含神经元的神经形态系统来以与大脑相似的方式处理数据并学习。

即，神经元通过神经元的突触来与其他神经元相连接，可通过突触来从其他神经元接收数据。在此情况下，神经元对所接收的数据进行整合及合并，在所合并的数据达到阈值(Vt)的情况下，对其进行发放及输出。

即，神经元执行数据的整合及发放(Integrate and Fire)功能。并且，突触器件将根据输入值选择性地进行输出。即，突触器件通过对所输入的数据进行增强(Potentiation)或减少(Depression)来向神经元传递。

以往，基于互补型金属氧化物半导体场效应晶体管(C-MOSFET)制作了这种神经元。基于互补型金属氧化物半导体场效应晶体管的神经元需包括：电容器，执行数据的整合功能；以及比较器(comparator)，若施加特定阈值以上的信号，则进行发放，除此之外，还有用于确保延迟、稳定性的多个附加电路。

但是，由于电容器所占的面积相当大，因而神经元的总面积将非常大，耗电也将非常大。虽然电容器对模仿生物学神经元的膜电势变化非常有用，但在电容器的蓄电容量小的情况下，因泄漏电流而无法整合电荷量。

通常，在为使神经元进行动作而所需的RC时间常数方面，为了按约几ms程度得到该水平的RC时间常数值，即使使用几十M ohm的高电阻，也需要最少几百pF的蓄电容量，通过当前技术呈现这种程度的蓄电容量，则需要1000F²以上的面积，基于电容器的神经元在呈现高集成人工智能硬件方面存在困难。

因此，由于这种结构限制，神经形态系统的结构变得非常复杂，存在精密度受限等多种问题。

发明内容

技术问题

本发明实施例的目的在于提供通过包括全耗尽型绝缘层上覆硅(SOI)器件来去除电容器并由此提高集成度的神经元。

本发明实施例的目的在于提供通过包括用于执行整合及泄漏的全耗尽型绝缘层上覆硅器件来能够满足可使神经元进行动作的RC时间常数条件的神经元。

本发明实施例的目的在于提供可通过具备将用于执行整合及泄漏的全耗尽型绝缘层上覆硅器件包括在其中的神经元来用于可执行学习及逻辑思考的人工智能系统的神经形态系统。

技术方案

本发明实施例的神经元包括全耗尽型绝缘层上覆硅(Silicon-on-insulator)器件，根据所输入的电信号(Spikes)控制耗尽区域，来执行整合及泄漏。

在上述整合中，通过一个以上的突触输入的上述电信号能够以电势的形态积累。