[发明专利]存内稀疏矩阵乘法运算方法、方程求解方法以及求解器

说明书

本发明公开了一种存内稀疏矩阵乘法运算方法、方程求解方法以及求解器，其乘法运算方法包括：对原始稀疏矩阵进压缩形成压缩矩阵，将压缩矩阵的元素表示为补码后将矩阵拆分为二进制的符号位矩阵、数据位矩阵；将拆分后的矩阵分别存入二值存储器阵列；将原始向量中与压缩矩阵相乘的元素表示为补码并进行拆分后以电压形式输入存储器阵列，与存储位的电导相乘后以电流的形式输出，检测输出电流并进行模数转换为二进制数值；将各存储器阵列的乘积结果根据二进制运算规则进行移位与累加，得到原始稀疏矩阵与原始向量的乘积。通过上述运算方法，可以降低存储空间，从而降低电路功耗，且避免出现低电导值，减小计算误差。

技术领域

本发明属于模拟电路领域，更具体地，涉及一种存内稀疏矩阵乘法运算方法、方程求解方法以及求解器。

背景技术

基于各种非易失存储器的存算一体化架构是一种用于处理数据密集型任务的新兴计算架构，由于计算过程直接在存储器中进行，最大限度的降低了运算过程中的数据传输，使得存算一体化架构具有很高的计算能效。目前，存算一体架构已在神经形态计算领域取得了显著的成就，各种基于非易失性存储器搭建的人工神经网络证实了存算一体技术的巨大潜力。

然而,受限于非易失性存储器的阵列结构与固定的矩阵运算范式，目前是将整个原始矩阵阵列完整地映射到阵列的物理结构(即十字交叉结构)。这种映射方式对稠密矩阵很有效，但是稀疏矩阵中有大量的0元素，存储这些0元素有几个缺点：(1)0对矩阵乘法是没有意义的，存储0元素会浪费宝贵的存储空间(2)0在映射过程中会被映射为低电导值，但是电导作为物理量无法等于0，因此，对0元素的存储是有误差的，这使得阵列执行稀疏矩阵乘法时的计算误差增大。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种存内稀疏矩阵乘法运算方法、方程求解方法以及求解器，其目的在于在实现存算一体化的同时节省存储空间并提高计算精度。

为实现上述目的，按照本发明的第一方面，提供了一种存内稀疏矩阵乘法运算方法，其包括：

对原始稀疏矩阵进压缩形成压缩矩阵，将压缩矩阵的元素表示为补码后将矩阵拆分为二进制的符号位矩阵、数据位矩阵；

将拆分后的矩阵分别存入二值存储器阵列；

将原始向量中与压缩矩阵相乘的元素表示为补码并进行拆分后以电压形式输入存储器阵列，与存储位的电导相乘后以电流的形式输出，检测输出电流并进行模数转换为二进制数值；

将各存储器阵列的乘积结果根据二进制运算规则进行移位与累加，得到原始稀疏矩阵与原始向量的乘积。

优选地，对原始稀疏矩阵进压缩，包括，将矩阵中同一行元素中的零元素去除、将非零元素移位压缩至矩阵的同一侧，同一行中被压缩后的非零元素相邻、非零元素之间不含零元素。

优选地，，将拆分后的矩阵分别存入二值存储器阵列，包括：

将矩阵同一行的数据[a_i1,……a_im]存入存储器阵列的同一位线、不同行的数据存入存储器阵列的不同位线；

将向量以电压形式输入存储器阵列，与存储位的电导相乘后以电流的形式输出，包括：

将与同一位线上的数据[a_i1,……a_im]相乘的向量同步输入存储器阵列的字线；

通过检测电路检测当前位线上的输出电流得到矩阵当前行的计算结果y_i，与阵列不同行相乘的补码向量在不同时序输入存储器阵列的字线，并在不同时序检测当前行的计算结果，得到当前存储阵列与向量的乘积结果

优选地，当原始稀疏矩阵为对角矩阵时，

将拆分后的矩阵分别存入二值存储器阵列，包括：将同一列数据存入存储器阵列的同一字线；