特許ウォッチ

公開番号2025060890
公報種別公開特許公報(A)
公開日2025-04-10
出願番号2024230233,2022535982
出願日2024-12-26,2021-07-06
発明の名称半導体装置
出願人株式会社半導体エネルギー研究所
代理人
主分類G06G 7/60 20060101AFI20250403BHJP(計算;計数)
要約【課題】少ない消費電力で畳み込み処理が可能な半導体装置を提供する。
【解決手段】第1回路が第1保持部と、第1トランジスタと、を有し、第2回路が第2保持部と、第2トランジスタと、を有する半導体装置である。第1、第2回路は、第1、第2入力配線と、第1、第2配線と、に電気的に接続されている。第1保持部は、第1トランジスタに流れる第1電流を保持する機能を有し、第2保持部は、第2トランジスタに流れる第2電流を保持する機能を有する。また、第1、第2電流は、畳み込み処理に用いられるフィルタ値に応じて定まる。第1、第2入力配線に、畳み込み処理が施される画像データに応じた電位が入力されることで、第1回路は、第1配線又は第2配線の一方に電流を出力し、第2回路は、第1配線又は第2配線の他方に電流を出力する。第1、第2回路が第1配線又は第2配線に出力する電流の量は、フィルタ値と画像データと、に応じて決まる。
【選択図】図1
特許請求の範囲【請求項１】
第１の回路と、前記第１の回路と電気的に接続されたアレイ部と、を有し、
前記アレイ部は、マトリクス状に配置された複数の画素を有する半導体装置であって、
第１の回路は、前記複数の画素の各々に第１の画像データを入力する機能を有し、
前記画素の各々は、重みフィルタのフィルタ値を保持する機能と、前記フィルタ値と前記第１の画像データとの積和演算を行い第２の画像データを生成する機能と、を有する、半導体装置。

発明の詳細な説明【技術分野】
【０００１】
本発明の一態様は、半導体装置、及び電子機器に関する。
続きを表示（約 2,700 文字）【０００２】
なお本発明の一態様は、上記の技術分野に限定されない。本明細書等で開示する発明の技術分野は、物、駆動方法、又は、製造方法に関するものである。又は、本発明の一態様は、プロセス、マシン、マニュファクチャ、又は、組成物（コンポジション・オブ・マター）に関するものである。そのため、より具体的に本明細書で開示する本発明の一態様の技術分野としては、半導体装置、表示装置、液晶表示装置、発光装置、蓄電装置、撮像装置、記憶装置、信号処理装置、プロセッサ、電子機器、システム、それらの駆動方法、それらの製造方法、又はそれらの検査方法を一例として挙げることができる。
【背景技術】
【０００３】
現在、人間の脳の仕組みを模した集積回路の開発が盛んに進められている。当該集積回路は、脳の仕組みが電子回路として組み込まれており、人間の脳の「ニューロン」と「シナプス」に相当する回路を有する。そのため、そのような集積回路を、「ニューロモーフィック」、「ブレインモーフィック」、「ブレインインスパイア」などと呼ぶこともある。当該集積回路は、非ノイマン型アーキテクチャを有し、処理速度の増加に伴って消費電力が大きくなるノイマン型アーキテクチャと比較して、極めて少ない消費電力で並列処理を行えると期待されている。
【０００４】
「ニューロン」と「シナプス」とを有する神経回路網を模した情報処理のモデルは、人工ニューラルネットワーク（ＡＮＮ）と呼ばれる。例えば、非特許文献１、及び非特許文献２には、ＳＲＡＭ（ＳｔａｔｉｃＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）を用いて、人工ニューラルネットワークを構成した演算装置について開示されている。
【先行技術文献】
【非特許文献】
【０００５】
Ｍ．Ｋａｎｇｅｔａｌ．， ”ＩＥＥＥＪｏｕｒｎａｌＯｆＳｏｌｉｄ－ＳｔａｔｅＣｉｒｃｕｉｔｓ”，２０１８，Ｖｏｌｕｍｅ５３，Ｎｏ．２，ｐ．６４２－６５５．
Ｊ．Ｚｈａｎｇｅｔａｌ．， “ＩＥＥＥＪｏｕｒｎａｌＯｆＳｏｌｉｄ－ＳｔａｔｅＣｉｒｃｕｉｔｓ”，２０１７，Ｖｏｌｕｍｅ５２，Ｎｏ．４，ｐ．９１５－９２４．
【発明の概要】
【発明が解決しようとする課題】
【０００６】
人工ニューラルネットワークでは、２つのニューロン同士を結合するシナプスの結合強度（重み係数という場合がある。）と、２つのニューロン間で伝達する信号と、を乗じる計算が行われる。特に、階層型の人工ニューラルネットワークでは、第１層の複数の第１ニューロンと第２層の第２ニューロンの一との間のそれぞれのシナプスの結合強度と、第１層の複数の第１ニューロンから第２層の第２ニューロンの一に入力されるそれぞれの信号と、を乗じて足し合わせる必要があり、つまり積和演算を行う必要があり、人工ニューラルネットワークの規模に応じて、例えば、当該結合強度の数、当該信号を示すパラメータの数が決まる。また、第２ニューロンは、シナプスの結合強度と第１ニューロンが出力した信号との積和演算の結果を用いて、活性化関数による演算を行って、当該演算結果を信号として、第３層目の第３ニューロンに対して出力する。つまり、人工ニューラルネットワークは、階層の数、ニューロン数などが多くなる程、「ニューロン」及び「シナプス」のそれぞれに相当する回路の数が多くなり、演算量も膨大になることがある。これにより、回路の消費電力が大きくなり、回路からの発熱量も大きくなることがある。
【０００７】
また、人工ニューラルネットワークにも様々なモデルが存在するが、例えば、画像分析に使われているモデルとして、畳み込みニューラルネットワーク（ＣＮＮ）と呼ばれるものがある。畳み込みニューラルネットワークは、画像認識の分野で優れた性能を発揮するニューラルネットワークの一種であるが、画像の解像度、フィルタの大きさなどによって、演算量が決まってくる。具体的には、例えば、画像の解像度が高くなるほど、フィルタの大きさが大きくなるほど、ストライドが小さいほど、畳み込みニューラルネットワークにおける演算量は大きくなるため、回路の消費電力が大きくなる場合がある。
【０００８】
また、チップを構成する回路の数が増えると消費電力が高くなり、装置の駆動時に発生する発熱量も大きくなる。特に、発熱量が高くなるほど、チップに含まれている回路素子の特性に影響が出るため、チップを構成する回路は温度による影響を受けにくい回路素子を有することが好ましい。また、チップに含まれているトランジスタ、電流源などの特性がばらつくと、演算結果もばらついてしまう。
【０００９】
本発明の一態様は、積和演算、及び／又は関数演算を行う半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、畳み込み処理を行う半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、ＡＩ向けの半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、ＤＮＮ向けの半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、消費電力が低い半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、環境の温度の影響を受けにくい半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、トランジスタの特性ばらつきの影響を受けにくい半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、電流源の特性ばらつきの影響を受けにくい半導体装置などを提供することを課題の一とする。又は、本発明の一態様は、新規な半導体装置などを提供することを課題の一とする。
【００１０】
なお本発明の一態様の課題は、上記列挙した課題に限定されない。上記列挙した課題は、他の課題の存在を妨げるものではない。なお他の課題は、以下の記載で述べる、本項目で言及していない課題である。本項目で言及していない課題は、当業者であれば明細書又は図面等の記載から導き出せるものであり、これらの記載から適宜抽出することができる。なお、本発明の一態様は、上記列挙した課題、及び他の課題のうち、少なくとも一つの課題を解決するものである。なお、本発明の一態様は、上記列挙した課題、及び他の課題の全てを解決する必要はない。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許