[发明专利]数据保持电路、数据处理系统和写入充电状态的方法

说明书

一种非易失性数据保持电路包括：互补锁存器，被配置为当处于写入模式时，生成并存储对应于输入信号的互补非易失性自旋状态，并且当处于读取模式时，同时生成对应于互补非易失性自旋状态的第一充电电流信号和第二充电电流信号；以及差分放大器，耦合到互补锁存器，并被配置为基于第一充电电流信号和第二充电电流信号来生成输出信号。

相关申请的交叉引用

本申请要求于2019年3月1日提交的美国非临时专利申请No.16/290,715的权益和优先权，其全部内容通过引用结合于此。

本申请还与2017年10月31日发布的美国专利No.9,805,795(“ZERO LEAKAGE,HIGHNOISE MARGIN COUPLED GIANT SPIN HALL BASED(基于零泄漏、高噪声容限耦合的巨自旋霍尔)”)和2018年1月2日发布的美国专利No.9,858,975(“ZERO TRANSISTOR TRANSVERSECURRENT BI-DIRECTIONAL BITCELL(零晶体管横向电流双向位单元)”)有关，其全部内容通过引用结合于此。

技术领域

本发明的各方面涉及数据保持和处理器件的领域。

背景技术

近年来，场神经形态计算已经尝试使用模拟、数字和/或混合模式电子和软件系统来模仿神经系统中的神经生物架构，其负责感知、运动控制、感觉统合等。作为神经形态计算的硬件实施方式的神经形态芯片包括多个神经形态单元，其中该多个神经形态单元通过在一系列电脉冲(burst)中编码和传送数据来模拟大脑中的突触。这与通常具有用于处理数据的、在中央处理单元(CPU)和存储器芯片之间来回发送信息的线性架构的现有计算机形成对比。

虽然神经形态芯片可能不如通用芯片强大或灵活，但是神经形态芯片可以专用于以比通用芯片更快和更节能的方式执行特定任务。神经形态芯片及其组成神经形态单元是机器学习和人工智能领域的研究热点。在神经形态单元中，信息以存储在一个或多个存储器单元中的权重值的形式被学习。该信息可以以互补形式而存储，并且被差分地读取，以最小化或减小噪声。然而，存储互补信息可能增加神经形态单元的面积和功耗，并因此增加神经形态芯片的面积和功耗。

该背景技术部分中公开的以上信息仅用于增强对本发明的背景的理解，因此它可以包含不形成本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的实施例的一方面针对一种具有差分读取电路的紧凑单元，其可以用作神经形态权重单元，其中该紧凑单元包括具有两个同时编程的电阻Rp和Rn的耦合的巨自旋霍尔锁存器(Coupled Giant Spin Hall Latch，CGSHL)、电流镜和差分放大器。本发明的一些实施例利用基于巨自旋霍尔的器件的唯一属性，其中该器件可以用来同时写入0/1或1/0位对，从而自动创建权重值的副本。因此，本发明的一些实施例节省了面积和电力，并且在密集神经形态电路实施方式中可以非常有用。

根据本发明的一些实施例，提供了一种非易失性数据保持电路，包括：互补锁存器，被配置为当处于写入模式时，生成并存储对应于输入信号的互补非易失性自旋状态，以及当处于读取模式时，同时生成对应于互补非易失性自旋状态的第一充电电流信号和第二充电电流信号；以及差分放大器，耦合到互补锁存器，并被配置为基于第一充电电流信号和第二充电电流信号来生成输出信号。

在一些实施例中，非易失性数据保持电路还包括：电流镜，耦合在互补锁存器与差分放大器之间，并且被配置为接收第二充电电流信号并向差分放大器供应反向电流信号，该反向电流信号具有与第二充电电流信号的极性相反的极性。

在一些实施例中，差分放大器是电流感测放大器。