[发明专利]行列互联的异构多核心类脑芯片及其使用方法

说明书

技术领域

本发明属于半导体存储集成电路领域，涉及一种行列互联的异构多核心类脑芯片及其使用方法。

背景技术

人的大脑通过视觉、听觉、触觉等等多种途径每天处理大量的信息，在推理、识别、联想、预测等等方面的能力是计算机系统难以匹敌的，但据估算一个成年人的大脑功耗仅仅只有20W左右，而信息在大脑中的传递速度也仅能达到毫秒量级。如何从人类大脑的工作方式中获得启发，改善计算机体系的运行方式，以达到高效率低功耗运行的目的，同时能够按照人类的思维方式去处理数据，提供服务则是众多研究者和公司亟待解决的问题。

神经网络计算已经形成了一个非常成熟完善的理论体系，模仿大脑神经网络的并行处理机制，组成多输入多输出系统，通过大量数据的训练使得该系统有越来越准确的预测能力。这一系统起初是在计算机软件中实现，为了提高计算效率，更多的硬件系统利用处理器、FPGA(Field Programmable Gate Array，现场可编程门阵列)等技术实现算法的硬件加速。更进一步的，IBM公司已在多年前启动了人工智能的Watson电脑系统项目，新近研发的第二代TrueNorth芯片实现了模拟一百万神经元的处理芯片，其功耗仅70mW，引领了智能处理芯片领域的研发，而IBM公司提出的“认知计算”也成为了学术界和企业界的研发热点。

相变存储和忆阻器技术等新的存储技术的兴起为类脑计算提供了一种新的器件，其核心特性在于纳米功能材料电阻值可以在电流的作用下发生改变，而这种变化并不因系统断电而丢失，这种特性与神经元突触连接的行为极为相似。结合经过多年发展而来的神经网络理论，针对不同的应用领域，已有多种类脑电路方案提出。相对于传统的软件算法完成神经网络计算功能，硬件方案能够快速收敛，有效提升了性能，降低了功耗。

然而，在仿脑或仿神经元网络方向上，存储技术的研究进展相比计算技术要慢得多，人脑记忆的原理与计算机的存储方式相去甚远。其中最根本的区别在于，人脑以概念及概念间的逻辑关系作为主要记忆的内容，并不对图像、声音、文字等原始信息数据进行长期的记忆，而每一个概念则是由一组神经元代表，复杂的概念则需要很多神经元来表达，人脑的神经元并不像传统的神经网络那样有着明确分层的结构，有着清晰的兴奋传输方向，人脑的思考方式与计算机的计算方式有着巨大的差别，而概念和概念之间的关系则在现有的一些神经网络计算的方案中常常被忽略。也正因如此，对现实世界的理解仍然缺乏有效的硬件解决方案和相应理论。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种行列互联的异构多核心类脑芯片及其使用方法，用于应对现有技术中计算机体系难以对世界形成有效表达的问题。

为实现上述目的及其他相关目的，本发明提供一种行列互联的异构多核心类脑芯片，所述类脑芯片包括多核心阵列区、输入模块、输出模块、控制模块及相应的输入引脚、输出引脚与控制引脚，其中：

所述多核心阵列区包括至少两个信号处理核心、至少两个信号传输核心、至少两条横向连线及至少两条纵向连线；所述信号处理核心占据相同编号的横向连线和纵向连线的交叉位置，并具有一个输入接口与一条所述横向连线相连，具有一个输出接口与所述纵向连线相连；所述信号传输核心占据不同编号的横向连线和纵向连线的交叉位置，并具有一个输入接口与所述纵向连线相连，具有一个输出接口与所述横向连线相连；

所述输入模块的输入接口连接芯片输入引脚及所述纵向连线，输出接口连接所述横向连线，并连接所述控制模块以获取控制信息；

所述输出模块的输入接口连接所述纵向连线，输出接口连接芯片的输出引脚，并连接所述控制模块以获取控制信息；

所述控制模块连接所述信号处理核心、信号传输核心、输入模块及输出模块，并通过芯片的控制引脚接收芯片外部的控制信息，根据所述控制信息产生相应的控制信号输出至所述信号处理核心、信号传输核心、输入模块或输出模块。

可选的，所述多核心阵列区包括n个信号处理核心、n²-n个信号传输核心、n条横向连线及n条纵向连线，其中，n为大于1的整数。

可选的，所述信号处理核心的输入接口及输出接口均为模拟信号接口。

可选的，所述信号处理核心将其输入接口所连接的横向连线稳定到预设电压，并将此时该输入接口的输入电流转变为电压信号，通过其输出接口输出到其所连接的纵向连线上。