[发明专利]一种基于电流镜和存储单元的存内运算方法、卷积运算方法、装置及其应用

说明书

本发明涉及存储器技术领域，公开了一种基于电流镜和存储单元的存内运算方法、卷积运算方法、装置及其应用，其中方法包括将电流镜单元匹配存储阵列进行行列设置形成电流镜阵列，将各电流镜单元输出侧MOS管的一端分别接入对应的存储单元漏端，另一端作接入按列设置的公共输出线，根据目标运算功能，执行目标运算算法，采集公共输出线上的电流信号，处理转换形成目标种类信号进行输出；本发明的存内运算方法能够更高效准确地实现模拟域计算，其计算性能优异、计算准确度高、性能功耗比好，有着切实意义上的实用价值。

技术领域

本发明涉及存储器术领域，具体涉及一种基于电流镜和存储单元的存内运算方法、卷积运算方法、装置及其应用。

背景技术

由于存内计算利用存储器的模拟域特性进行运算，其计算结果易受噪声的影响。虽依托于人工智能算法本身的容错性，在多数情况下存内计算可以容许一定的计算误差，但如何减少存内计算的误差，仍对存储器性能和存内计算方法提出了很高的要求。

例如现有的一种存内运算方法：利用存储器自身作为计算单元，既存储数据，又在存储器自身进行运算，将存储状态根据对输入信号的响应分为多级以存储多比特数据，计算结果与输入信号和存储状态有关。但是因为使用多级存储状态对应多比特数据，而存储器由于工艺、制程等原因存在特性上的差异很难精准控制存储状态，导致两方面问题的出现，一方面是存储器存储的数据精度有限，很难控制单个存储器具有8比特的精度(256个状态)；另一方面是由于电路控制不够精准或者器件本身存在的温度漂移，存储器的状态不能维持在较为精准的范围，这会导致计算结果存在较大的误差。还有一些设计里，会使用多个存储单元分别存储高精度数据的各个部分，分别计算之后再进行累加，而上述的误差，严重的可能会让这些设计无效。

现有另一种常见的存内运算方法，该方法利用存储器存储二值数据(与传统存储器的存储一致)，由于仅计算二值化运算，故其计算较为准确、误差较小，此方案最高仅能完成三值(0，±1)的运算，很难满足实际计算的需要。另外，虽是计算二值运算，但对存储器的要求仍然很高，否则仍然会产生很大的计算误差，在这一点上的问题同第一种现有方法。

此外随着人工智能算法的发展，轻量型算法开始获得更多的关注，卷积神经网络也由传统的卷积逐渐向更加轻量的卷积转变，其中最常见的方式就是分组卷积或深度可分离卷积。而现有的存内计算方法或结构对这类的轻量的卷积支持较弱，很难发挥存算的优势。

发明内容

针对现有技术的不足，本发明提供一种基于电流镜和存储单元的存内运算方法、卷积运算方法、装置及应用，能够更高效准确地实现模拟域计算，并提高包括分组卷积在内的卷积运算效率，使其具有更高性能功耗比。

本发明解决技术问题采用如下技术方案：

本发明提供一种基于电流镜和存储单元的存内运算方法，所述方法包括：

基于CMOS晶体管配置若干电流镜单元，将电流镜单元匹配存储阵列进行行列设置形成电流镜阵列，并配置位于同一行上的电流镜单元共用同一输入侧；

将各电流镜单元输出侧MOS管的一端分别接入存储阵列中对应的存储单元漏端，另一端作为输出端分别接入按列设置的公共输出线；

根据目标运算功能，执行目标运算算法，包括：

配置各电流镜单元的输入输出比例；

匹配设置存储单元阈值使其用于控制电流镜单元是否输出电流数据；

读取待运算数据转换为电流信号分别接入位于各行电流镜单元输入侧的输入端；

采集公共输出线上的电流信号，处理转换形成目标种类信号进行输出。

优选地，所述读取待运算数据转换为电流信号具体包括：

将待运算数据值大小与电流大小正相关；