-
公开(公告)号：CN116959528A
公开(公告)日：2023-10-27
申请号：CN202311141769.0
申请日：2023-09-06
Applicant: 北京大学 , 北方集成电路技术创新中心(北京)有限公司
IPC: G11C13/00
Abstract: 本发明提供了一种面向多值忆阻器阵列的写‑校验电路及方法，属于微电子技术领域；本发明电路包括控制状态机、高电压通路和读出电路，通过写‑校验电路中控制状态机控制高电压通路和读出电路，实现对多值忆阻器阵列的写‑校验，写‑校验电路的读出电路中钳位放大器、钳位三极管和读出电阻组成的钳位电路使得可以读出具有更大开关比的器件的电导值，实现多值器件的精确读出；同时写‑校验方法中等待功能的引入，减少脉冲施加次数，降低弛豫时间对编程精度的影响，可以用更高的精度实现器件的编程。
-
Patent Agency Ranking
公开(公告)号：CN116755638A
公开(公告)日：2023-09-15
申请号：CN202311036241.7
申请日：2023-08-17
Applicant: 北京大学 , 北方集成电路技术创新中心(北京)有限公司
IPC: G06F3/06
Abstract: 本发明提供了一种低资源消耗的面向忆阻器耐久性的磨损均衡方法，属于集成电路技术领域。本发明是将被频繁写入数据的存储空间块与未被频繁写入数据的存储空间块进行数据交换，使数据写入在整个存储空间上尽可能均匀，有助于缓解频繁读写带来的器件损坏的问题，提高RRAM阵列寿命。同时，该发明在不改变存储器整体架构的情况下，尽可能少的花费额外存储资源和算力，保证较低的面积与能量开销，具有广阔的应用前景。
-
公开(公告)号：CN117278035A
公开(公告)日：2023-12-22
申请号：CN202311244469.5
申请日：2023-09-25
Applicant: 北京大学 , 北方集成电路技术创新中心(北京)有限公司
Abstract: 本发明提供了一种面向忆阻器阵列的存内计算模拟数字转换电路，包括电流控制振荡器CCO、周期和相位信息处理单元、控制单元和查找表，利用CCO将输入电流大小转换为相位信息和周期信息，利用控制单元控制CCO振荡的时间、控制周期和相位信息处理单元的时序，利用周期和相位信息处理单元处理CCO产生的周期和相位信息，并通过查找表转换成正确的结果。本发明和现有方法中普遍使用的逐次逼近模拟数字转换器相比，无需使用面积较大的电容阵列，同样大小的芯片可以容纳更多的模数转换电路，可显著提高计算的并行度；能兼顾计算能效和数据处理速度，根据计算精度的需要，灵活调整输入和输出的比特数。
-
公开(公告)号：CN116755638B
公开(公告)日：2023-10-13
申请号：CN202311036241.7
申请日：2023-08-17
Applicant: 北京大学 , 北方集成电路技术创新中心(北京)有限公司
IPC: G06F3/06
Abstract: 本发明提供了一种低资源消耗的面向忆阻器耐久性的磨损均衡方法，属于集成电路技术领域。本发明是将被频繁写入数据的存储空间块与未被频繁写入数据的存储空间块进行数据交换，使数据写入在整个存储空间上尽可能均匀，有助于缓解频繁读写带来的器件损坏的问题，提高RRAM阵列寿命。同时，该发明在不改变存储器整体架构的情况下，尽可能少的花费额外存储资源和算力，保证较低的面积与能量开销，具有广阔的应用前景。
-
公开(公告)号：CN115691613B
公开(公告)日：2023-04-28
申请号：CN202211713269.5
申请日：2022-12-30
Applicant: 北京大学
IPC: G11C13/00
Abstract: 本发明公开了一种基于忆阻器的电荷型存内计算实现方法及其单元结构。本发明通过包含忆阻器、晶体管和电容的单元结构将忆阻器阻态转换成电荷存储在电容中，不同单元结构转换后的电荷再通过电容耦合的方式实现计算功能。区别于传统将忆阻器阻态转换成电流，再利用基尔霍夫电流定律进行计算的方法，本发明方法可以有效缓解器件涨落问题，极大减小计算时的电流并提高计算并行度，从而提高神经网络系统的计算能效和算力。
-
公开(公告)号：CN115691613A
公开(公告)日：2023-02-03
申请号：CN202211713269.5
申请日：2022-12-30
Applicant: 北京大学
IPC: G11C13/00
Abstract: 本发明公开了一种基于忆阻器的电荷型存内计算实现方法及其单元结构。本发明通过包含忆阻器、晶体管和电容的单元结构将忆阻器阻态转换成电荷存储在电容中，不同单元结构转换后的电荷再通过电容耦合的方式实现计算功能。区别于传统将忆阻器阻态转换成电流，再利用基尔霍夫电流定律进行计算的方法，本发明方法可以有效缓解器件涨落问题，极大减小计算时的电流并提高计算并行度，从而提高神经网络系统的计算能效和算力。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
