一种基于忆阻器的神经网络权重存储芯片

技术领域

本发明涉及到多值存储芯片，一种基于忆阻器的神经网络权重存储芯片。

背景技术

随着人工智能技术的发展深入，神经网络的规模越来越大，训练神经网络产生的权值参数达到万亿级别。使用传统的存储器存储一个权重参数需要至少24个存储器件，存储成本高昂。开发多值存储器，使一个存储器能够存储一个权重参数，能够大大降低存储成本。

忆阻器是一种具有信息存储功能的纳米信息器件，其电阻状态能伴随电荷的流经而发生可逆变化，变化程度和极性与电荷流经的数量和方向有关，当掉电时，器件能够非易失性地保持当前状态。忆阻器的阻值可以在多个状态间切换，与现有CMOS工艺兼容、可微缩性好、集成密度高、速度快、能耗低等诸多优点，是一种非常具有发展潜力的多值存储器件。

基于以上背景，本发明提出一种基于忆阻器的神经网络权重存储芯片，利用忆阻器阵列存储神经网络权重参数，一个忆阻器可以存储一个权重参数，有望用于人工智能硬件终端。

发明内容

（一）要解决的技术问题

有鉴于此，本发明的主要目的在于提供一种基于忆阻器的神经网络权重存储芯片，其具有多值性、高密度、低成本等潜在的特性和优点，另外其制作工艺与CMOS工艺兼容。

（二）技术方案

为达到上述目的，本发明提供了一种基于忆阻器的神经网络权重存储芯片，包括：绝缘衬底（1）可以是柔性或者刚性；惰性金属条（2）阵列，用作底电极；形成于惰性金属条（2）阵列之上的忆阻功能层（3），作为有源层具有电阻连续可调性，用于存储神经网络权重；形成于忆阻功能层（3）之上的惰性金属条（4）阵列，用作顶电极。

上述方案中，所述绝缘衬底（1）可以是柔性材料，如PDMS、Parylene和PET等，也可以是刚性材料，如表面具有氧化硅或者氮化硅绝缘层的硅。

上述方案中，所述惰性金属条（2）和惰性金属条（4）宽度最下可达1 nm，长度最大可达1 cm，厚度最小可达0.4 nm，材料可以是石墨烯或者碳纳米管等新型惰性金属材料。

上述方案中，所述忆阻功能层（3）为绝缘材料，材料内部存在点缺陷，其在电场作用下会迁移，实现电阻非易失可调，忆阻功能层的厚度最小可达0.4 nm。

上述方案中，所述惰性金属条（2）和惰性金属条（4）及交叉位置的忆阻功能层（3）构成单元忆阻器件，每个忆阻器能够存储一个神经网络权重值。

（三）有益效果

从上述技术方案可以看出，本发明具有以下有益效果：

1、本发明提供的基于忆阻器的神经网络权重存储芯片，包括惰性顶电极阵列、忆阻功能层、惰性底电极阵列和绝缘衬底等四部分，旨在提高存储神经网络权重参数的效率。忆阻器具有多值性，一个忆阻器可以存储一个神经网络权重参数。

2、本发明提供的基于忆阻器的神经网络权重存储芯片，用于存储神经网络权重参数，可广泛用于人工智能硬件终端，具有高能效。

3、本发明提供的基于忆阻器的神经网络权重存储芯片，顶电极、功能层和底电极的厚度可以达到单原子层级，能够极大提高忆阻器阵列的集成度，具有三维集成潜力。

附图说明

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图对本发明进一步详细说明，其中：

图1是本发明提供的基于忆阻器的神经网络权重存储芯片的立体结构示意图；

图2为本发明提供的一种神经网络权重参数说明；

图3是本发明提供的一种极限小尺寸忆阻器件立体结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1是本发明提供的基于忆阻器的神经网络权重存储芯片的立体结构示意图，如图1所示，本发明提供的基于忆阻器的神经网络权重存储芯片，包括：

绝缘衬底（1），可以是柔性或者刚性；

惰性金属条（2）阵列，用作底电极；

形成于惰性金属条（2）阵列之上的忆阻功能层（3），作为有源层具有电阻连续可调性，用于存储神经网络权重；

形成于忆阻功能层（3）之上的惰性金属条（4）阵列，用作顶电极。

上述方案中，所述绝缘衬底（1）可以是柔性材料，如PDMS、Parylene和PET等，也可以是刚性材料，如表面具有氧化硅或者氮化硅绝缘层的硅。

上述方案中，所述惰性金属条（2）和惰性金属条（4）宽度最下可达1 nm，长度最大可达1 cm，厚度最小可达0.4 nm，材料可以是石墨烯或者碳纳米管等新型惰性金属材料。

上述方案中，所述忆阻功能层（3）为绝缘材料，材料内部存在点缺陷，其在电场作用下会迁移，实现电阻非易失可调，忆阻功能层的厚度最小可达0.4 nm。

上述方案中，所述惰性金属条（2）和惰性金属条（4）及交叉位置的忆阻功能层（3）构成单元忆阻器件，每个忆阻器能够存储一个神经网络权重值。

图2是本发明提供的一种神经网络权重参数说明示意图。神经网络实现模式识别最重要的过程是调参过程，权重参数确定后，神经网络就具有推理功能。图中给出了神经网络模型，圆圈代表神经元，神经元之间的连线为权重参数，权重个数随着神经网络规模的增大迅速增大。每个忆阻器可以存储一个权重参数。

图3是本发明提供的一种极限小尺寸忆阻器件立体结构示意图。图中忆阻器的底电极为单层石墨烯，功能层为单层氮化硼，顶电极为单层石墨烯。此忆阻器的厚度为接近1nm，有潜力制作高度集成的三维忆阻器阵列，实现超高密度存储。

由上面的分析可知，该芯片可以高效存储神经网络权重参数，可以在人工智能领域中获得广泛应用。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了较详细具体的说明，所应理解的是，以上所述的仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神、思想和原则范围内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。