一种傅里叶变换存内运算系统及其运算方法

    公开(公告)号:CN118981593A

    公开(公告)日:2024-11-19

    申请号:CN202411072004.0

    申请日:2024-08-06

    Inventor: 李祎 田婧 缪向水

    Abstract: 本申请属于存内计算技术领域,具体公开了一种傅里叶变换存内运算系统及其运算方法。该系统包括:预处理模块,用于在当前迭代运算中,按照N维输入数据对应的拆分维度,将N维输入数据拆分为多个一维数据组,并根据每个一维数据组输出对应的电压脉冲信号;运算模块,用于利用离散傅里叶变换算子,基于每个一维数据组对应的电压脉冲信号,输出每个一维数据组对应的电流脉冲信号;后处理模块,用于将每组电流脉冲信号转换为对应的一维转换数据组,并根据拆分维度对各个一维转换数据组进行重组,得到当前迭代运算的N维重组数据。通过本申请,可以在保持低功耗的同时,有效提高存内运算系统实现傅里叶变换的运算速度和运算效率。

    一种存内精度可调的矢量矩阵乘法运算方法及运算器

    公开(公告)号:CN114168107B

    公开(公告)日:2024-10-18

    申请号:CN202111331694.3

    申请日:2021-11-11

    Abstract: 本发明公开了一种存内精度可调的矢量矩阵乘法运算方法及运算器,包括:基于运算数据的拆分转换规则将存储矩阵拆分为1个符号位矩阵、p1‑1个高位矩阵和k1个低位矩阵,并按照高低位顺序分别存储在对应的非易失存储阵列中;用于运算的非易失存储阵列有p1+k1个;基于运算数据的拆分转换规则将输入矢量拆分为1个符号位矢量、p2‑1个高位矢量和k2个低位矢量,并依次输入到p1+k1个非易失存储阵列中,依次实现符号位矢量、高位矢量和低位矢量与p1+k1个矩阵的乘法运算;基于二进制运算规则对所得乘法运算结果进行移位与累加,得到输入矢量与存储矩阵的矢量矩阵乘法运算结果;其中,高位数据和低位数据的位数根据所需计算精度进行调整,实现了精度可变的矢量‑矩阵运算。

    一种含有纳米晶团簇的阻变存储器及其制备方法

    公开(公告)号:CN115207026B

    公开(公告)日:2024-07-02

    申请号:CN202210870840.8

    申请日:2022-07-22

    Abstract: 本发明提供一种含有纳米晶团簇的阻变存储器及其制备方法,阻变层包括:第一氧化物层和第二氧化物层;第二氧化物层含有纳米晶团簇,纳米晶团簇的材料为偏金属化的金属氧化物,向阻变层施加正向偏压后,压降分配在第一氧化物层,第二氧化物层的氧空位按照垂直方向的浓度梯度有序进入第一氧化物层并在第一氧化物层形成第一导电细丝,诱导第二氧化物层形成第二导电细丝,使得阻变存储器由高阻态转变为低阻态;此后,向阻变层施加负向偏压后,压降先落在第一氧化物层,导致第一导电细丝熔断,阻变存储器由低阻态转变为高阻态,之后阻变存储器导电细丝的形成和断裂均在第一氧化物层内进行。本发明实现了对导电细丝形成和断裂区域的精准控制。

    一种Hopfield网络硬件电路及其操作方法

    公开(公告)号:CN117852493A

    公开(公告)日:2024-04-09

    申请号:CN202311813234.3

    申请日:2023-12-26

    Abstract: 本发明公开了一种Hopfield网络硬件电路及其操作方法,电路包括:突触模块、串行更新模块、神经元模块和退火电路模块;突触模块根据初始激励信号输出N个总的电流信号和固定偏置电流信号;串行更新模块根据各行电流信号输出其中经过选通的某行电路的电流信号,从而实现神经网络的串行更新;神经元模块用于根据总的电流信号和固定偏置电流信号获得电压信号,并对电压信号进行非线性激活函数f运算后输出电压信号;从而实现神经元状态的更新;退火电路模块对神经元模块输出的电压信号进行缩放以实现缩放退火。本发明的退火电路面积不会随着问题规模的增加而增加,可有效减少退火电路的面积开销;无需复杂的外围电路控制退火,可一步完成不同规模问题上的退火操作。

    用于存算一体的操作原语生成方法和存算一体逻辑电路

    公开(公告)号:CN117807020A

    公开(公告)日:2024-04-02

    申请号:CN202311872857.8

    申请日:2023-12-31

    Inventor: 李祎 杨岭 缪向水

    Abstract: 本发明公开用于存算一体的操作原语生成方法和存算一体逻辑电路,属于微电子器件领域。包括:地址译码器,用于接收主控制器发送的地址信号,译码为开关信号,输出控制信号至存算一体运算阵列,以激活对应区域;数据‑指令译码器,用于接收主控制器发送的运算对象和操作指令,将数据编码为不同的格式,输出至存算一体运算阵列;存算一体运算阵列,用于由激活区域执行计算,输出计算结果对应的工作电压/电流给输出感知电路;输出感知电路,用于将工作电压/电流转换为数字信号,发送给主控制器。本发明抽象出基础的操作原语和操作指令,指导存算一体电路设计,降低电路设计复杂度;提高存算一体电路的灵活性和可配置性,以适配各类复杂的计算需求。

    一种指数共享的浮点矩阵乘法电路

    公开(公告)号:CN117806591A

    公开(公告)日:2024-04-02

    申请号:CN202311872854.4

    申请日:2023-12-31

    Inventor: 李祎 杨岭 缪向水

    Abstract: 本发明提供一种指数共享的浮点矩阵乘法电路,包括:预处理模块,用于确定浮点数矩阵各行或各列内所有浮点数对应指数中的最大指数,之后根据最大指数对相应行或相应列的浮点数的有效整型部分进行移位对阶,之后提取浮点数矩阵所有行或所有列的共享指数得到对应的整型矩阵;乘法累加模块,用于将待相乘的浮点数矩阵的整型矩阵进行点乘,得到点乘结果;其中,左乘的浮点数矩阵的整型矩阵通过提取其各行的共享指数得到,右乘的浮点数矩阵的整型矩阵通过提取其各列的共享指数得到;还原规整模块,用于根据提取的浮点数矩阵的共享指数对点乘结果按照权重移位,得到浮点数矩阵的相乘结果。本发明大程度降低了矩阵乘法的复杂度,节省大量的能耗和时间。

    一种脉冲噪声模糊图像非线性复原方法及系统

    公开(公告)号:CN110852973B

    公开(公告)日:2022-09-23

    申请号:CN201911100915.9

    申请日:2019-11-12

    Abstract: 本发明属于数字图像处理技术领域,公开了一种脉冲噪声模糊图像非线性复原方法及系统,脉冲噪声模糊图像非线性复原方法具体包括:建立脉冲噪声模糊图像退化机理模型,进而确定优化框架;构造数据项来建模脉冲噪声;选取图像先验项,结合数据项构造脉冲噪声模糊图像非盲目反卷积模型;利用迭代重加权最小二乘算法和共轭梯度法对非盲目反卷积模型进行数值优化求解,得到复原图像。本发明提出一种脉冲噪声模糊图像非线性复原方法,对脉冲噪声的性质进行分析,针对性地设计出非线性反卷积模型,求解非线性退化的脉冲噪声模糊图像复原问题。

    一种基于忆阻器的自适应神经元电路

    公开(公告)号:CN112906880B

    公开(公告)日:2022-04-26

    申请号:CN202110377410.8

    申请日:2021-04-08

    Abstract: 本发明提供一种基于忆阻器的自适应神经元电路,包括:激励脉冲、非易失性忆阻器以及电容构成充电回路;易失性忆阻器、电容以及电阻构成放电回路;电阻两端的电压信号作为神经元电路的输出脉冲;工作过程如下:非易失性忆阻器接收到激励脉冲后,电容通过充电回路充电,电容电压逐渐增大,当易失性忆阻器两端电压小于阈值电压时,输出脉冲为0,当易失性忆阻器两端电压大于或等于阈值电压时,电容通过放电回路放电,电阻两端电压作为输出脉冲产生动作电位;在激励脉冲的作用下,非易失性忆阻器的阻值逐渐增大,导致产生的所述动作电位频率越来越小,模拟了神经元对恒定的外界刺激逐渐适应的特性。本发明模拟了神经元的自适应功能。

    一种自整流忆阻器阵列及其制备方法和应用

    公开(公告)号:CN114188477A

    公开(公告)日:2022-03-15

    申请号:CN202111397386.0

    申请日:2021-11-23

    Abstract: 本发明属于微电子技术领域,具体公开了一种自整流忆阻器阵列及其制备方法和应用,该自整流忆阻器阵列包括垂直堆叠于衬底上的第一电极层阵列,所述第一电极层阵列中每个第一电极层上设置有绝缘层;所述第一电极层阵列中每列的中间开设有沟槽,所述沟槽两侧设置有绝缘层;所述第一电极层阵列中每列的外围由内至外依次设置低k介质层、高k介质层和第二电极层。本发明通过在第一电极层阵列中设置沟槽,使得形成忆阻器阵列,每个忆阻器由横向依次分布的第一电极、低k介质层、高k介质层和第二电极组成,大大增加了忆阻器的存储密度,同时解决了阵列中漏电流问题,适宜商业上推广应用。

    一种基于忆阻器阵列的K-means分类器及其分类方法

    公开(公告)号:CN111027619B

    公开(公告)日:2022-03-15

    申请号:CN201911248887.5

    申请日:2019-12-09

    Abstract: 本发明公开了一种基于忆阻器阵列的K‑means分类器及其分类方法,将K‑means算法的聚类中心的维度信息作为训练权重,映射并存储在忆阻器阵列中,以神经网络权重模拟聚类中心的维度信息,基于忆阻器的渐变特性实现欧氏距离的计算,并且直接在硬件电路上实现聚类中心各权重的在线更新,实现了大量非归一化数据在硬件电路基础上的数据聚类,减小了由于数据归一化带来的计算复杂度,以及由于外部电路计算权重变化所带来的电路复杂性,同时也减小了数据距离计算过程中的数据复杂度,降低了数据存储的时间和运算功耗,省去了数据交互的消耗,计算时间较短。

Patent Agency Ranking