-
公开(公告)号:CN117250777A
公开(公告)日:2023-12-19
申请号:CN202311216246.8
申请日:2023-09-20
申请人: 中国人民解放军国防科技大学
发明人: 孙振源 , 宋兵 , 李清江 , 郝欣萌 , 徐晖 , 刘森 , 王伟 , 刘海军 , 曹荣荣 , 王义楠 , 陈长林 , 李智炜 , 刁节涛 , 王玺 , 于红旗 , 王琴 , 步凯 , 李楠
IPC分类号: G02F1/01
摘要: 本发明提出一种微环相变突触器件及其三维空间光调制方法、装置,微环相变突触器件包括衬底、直波导和环形波导,所述环形波导位于直波导的一侧,所述环形波导与直波导之间具有耦合距离,在所述环形波导的至少一处覆盖有相变层,所述相变层的相变材料为Ge2Sb2Te5。通过三维空间光调制微环相变突触器件其相变材料的晶化状态,实现通过光纤直接从顶部照射相变材料的方式对器件进行加热调制,使微环相变突触器件的状态实现切换。与电调相比,本发明大大优化了测试结构。与波导光调制方法相比,利用三维空间光调制方法对相变材料进行调制大大简化了调制光路,减小了调制难度,并能够实现多态,达到了光突触的多值要求。
-
公开(公告)号:CN117042461A
公开(公告)日:2023-11-10
申请号:CN202311055510.4
申请日:2023-08-21
申请人: 中国人民解放军国防科技大学
发明人: 刘森 , 余世豪 , 李清江 , 宋兵 , 王琴 , 孙振源 , 曹荣荣 , 王义楠 , 刘海军 , 陈长林 , 王伟 , 李智炜 , 步凯 , 李楠 , 王玺 , 于红旗 , 刁节涛 , 徐晖
摘要: 本发明涉及一种铁电晶体管单元和制备方法,通过利用硅基MOSFET元件,以及在第一方向上顺序堆叠的底部电极、介电层和顶部电极设计所需单元结构,在介电层中,采用金属氧化物材料层这一普通介电层来分隔两铪基铁电材料层,以便在退火时在第一介电层和第三介电层中形成更小的晶粒,减小退火后铁电相的尺寸;同时,设计第二介电层的热膨胀系数要小于第一介电层和第三介电层,这样的热膨胀系数的调控,可以在退火的过程中形成层内的应力,以便在第一介电层和第三介电层中形成更多的铁电相晶粒,从而维持或者提升器件整体的剩余极化量,从而有效满足的多值非易失存储和存算一体技术的需求。
-
公开(公告)号:CN116347001A
公开(公告)日:2023-06-27
申请号:CN202310319111.8
申请日:2023-03-28
申请人: 中国人民解放军国防科技大学
摘要: 本发明实施例公开了一种基于忆阻器阵列的图像处理电路、方法及电子设备,包括:光传感器单元、转换单元、忆阻器单元阵列、第一开关单元以及第二开关单元;所述图像处理电路工作时,所述光传感器单元检测光学图像,并将检测到的光学数据输入至所述转换单元;所述转换单元将所述光学数据转换为电学数据,并向所述忆阻器单元阵列输出所述电学数据,以控制忆阻器单元阵列中各忆阻器单元的调制状态;所述第一开关单元和所述第二开关单元根据预设曝光模式以及所述光学图像的像素数据开通预设数量的开关,以使所述忆阻器单元阵列对所述光学图像进行预设图像处理。本发明将忆阻器阵列与光传感器相结合,能够实现大规模、低时延、低功耗的图像处理。
-
公开(公告)号:CN116185338A
公开(公告)日:2023-05-30
申请号:CN202310437683.6
申请日:2023-04-23
申请人: 中国人民解放军国防科技大学
IPC分类号: G06F7/523
摘要: 本申请涉及一种基于忆阻器的乘法器,包括1T1R阵列、乘数状态判断电路、N个开关模块和N个外围电路,在电路结构上基于已有的N bit加法器电路,增设了乘数状态判断电路计算中间变量,并在1T1R阵列中设计了第三1T1R子阵列,第三1T1R子阵列中包括4N个1T1R单元以及相邻两个1T1R单元之间的MOS管,构成移位操作电路,从而构建出N bit乘法器电路。设计的乘法器采用了组合式1T1R阵列,主体保留了1T1R阵列结构特点,集成难度远远低于分离式1T1R阵列或MAD结构等,达到了低时延、小面积且易于集成的技术效果。
-
公开(公告)号:CN115983338A
公开(公告)日:2023-04-18
申请号:CN202211616744.7
申请日:2022-12-15
申请人: 中国人民解放军国防科技大学
IPC分类号: G06N3/0464 , G06N3/048 , G06N3/063 , G06N3/08 , G06F7/523
摘要: 本申请实施例提供了一种稀疏卷积神经网络的数据处理单元,涉及数据处理领域。包括权重存储模块、激活缓存模块、权重解码模块、激活解码模块、权重加载队列、激活加载队列和运算与输出缓存模块;权重存储模块和激活缓存模块用于暂存数据,权重解码模块和激活解码模块用于对稀疏编码的数据进行解码;权重加载队列和激活加载队列用于将数据加载入运算与输出缓存模块;运算与输出缓存模块用于对权重和激活数据进行乘累加运算并将乘累加运算结果暂存在输出缓存中。本申请实施例可以并行读取多个激活数据和卷积权重,极大地提高了加载速度;大部分时钟周期内乘法器都能得到有效应用;卷积结果缓存寻址逻辑简单,避免了寻址拥塞问题。
-
公开(公告)号:CN115310595A
公开(公告)日:2022-11-08
申请号:CN202210962479.1
申请日:2022-08-11
申请人: 中国人民解放军国防科技大学
摘要: 本发明提供了忆阻器的神经网络混合精度量化方法和系统,包括:获取卷积核的个数,将卷积核的个数通过分组量化策略,得到最终输出;定义量化器的有符号均匀对称量化;根据量化器的有符号均匀对称量化,得到任意两个相邻量化级别之间的间隔;其中,间隔是通过阈值和位宽得到的;将阈值和位宽通过网络架构搜索算法,得到最优阈值和最优位宽;分析加速器下每个模块在量化位宽下的资源消耗,并纳入损失函数中;通过分组量化策略,可以根据交叉阵列尺寸灵活地动态调整组大小;量化器设计、网络架构搜索算法和交叉阵列感知的正则化器,可以获取识别率和资源消耗之间的权衡。
-
公开(公告)号:CN114550808A
公开(公告)日:2022-05-27
申请号:CN202210166998.7
申请日:2022-02-23
申请人: 中国人民解放军国防科技大学
发明人: 李清江 , 王义楠 , 刘海军 , 徐晖 , 刘桂青 , 朱城和 , 刘森 , 李智炜 , 刁节涛 , 李晨辉 , 陈长林 , 宋兵 , 于红旗 , 王玺 , 步凯 , 王伟 , 于新军 , 王琴 , 曹荣荣
摘要: 本发明实施例公开了一种神经形态计算测评装置,神经形态计算测评装置包括忆阻器阵列测评电路与忆阻器阵列,所述忆阻器阵列测评电路包括主控制器、信号施加子电路、写权值子电路、读权值子电路及开关矩阵;所述开关矩阵分别与所述主控制器及所述忆阻器阵列连接,且所述主控制器还分别通过所述写权值子电路、所述信号施加子电路、所述读权值子电路与所述开关矩阵连接。神经形态计算测评装置能够对忆阻器阵列中每一个忆阻器的阻值进行精确调控与读取。实现忆阻器阵列阻值的精确调制,提高神经形态计算的精度,进而使得本申请的神经形态计算测评装置能够适用更多种类的忆阻器阵列的测试、训练及神经形态的计算。
-
公开(公告)号:CN114067157A
公开(公告)日:2022-02-18
申请号:CN202111360525.2
申请日:2021-11-17
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V10/764 , G06N3/04 , G06N3/08 , G06T7/11
摘要: 本发明实施例公开了一种基于忆阻器阵列的神经网络优化方法、装置及忆阻器阵列,所述方法包括:获取待处理图像;对所述待处理图像进行二值化处理,以得到二进制图像数据;将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果,其中,所述预设二值化权重为经过预设加噪处理的二值化权重;根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理,以得到目标二值化权重;根据所述目标二值化权重调整忆阻器阵列的特征参数。通过在网络的训练过程中对二值卷积神经网络中的权重进行加噪处理,有效提升了忆阻器阵列中二值卷积神经网络的鲁棒性和网络性能。
-
公开(公告)号:CN113823738A
公开(公告)日:2021-12-21
申请号:CN202111106202.0
申请日:2021-09-22
申请人: 中国人民解放军国防科技大学
IPC分类号: H01L45/00
摘要: 本发明实施例公开了一种选通器件及其制备方法,所述选通器件包括制备在衬底上的第一电极层、中间介质层和第二电极层;所述中间介质层设置在所述第一电极层和所述第二电极层之间,其中,所述第一电极层为惰性电极,所述第二电极层为惰性电极,所述中间介质层包括奇数个绝缘的介质层,且相邻介质层均为不同硫系化合物结构层,在实际应用中,中间介质层层数的增加,以及锑、碲元素的掺杂共同提升了选通器件的稳定性、耐久性及可靠性。
-
公开(公告)号:CN113610220A
公开(公告)日:2021-11-05
申请号:CN202110994807.1
申请日:2021-08-27
申请人: 中国人民解放军国防科技大学
摘要: 本申请实施例提供一种神经网络模型的训练方法、应用方法及装置,其中,该神经网络模型为基于忆阻器的二值化卷积神经网络;能够将忆阻器的非理想特性使用高斯噪声代替,通过向由0,1构成的权重矩阵中施加高斯噪声来模拟具有非理想特性的二值忆阻器,利用施加噪声后的权重矩阵对二值化卷积神经网络进行训练,在解决使用忆阻器所面临的阵列良率、阻值波动以及器件噪声所引起的卷积神经网络数据不可靠的问题中,可以通过直接在忆阻器阵列中进行在线训练的方式(直接将忆阻器的非理想特性包含在网络的训练过程中)以增强神经网络的鲁棒特性和收敛准确特性。
-
-
-
-
-
-
-
-
-