特許ウォッチ

公開番号2025081310
公報種別公開特許公報(A)
公開日2025-05-27
出願番号2025006935,2023191760
出願日2025-01-17,2019-07-25
発明の名称深層学習人工ニューラルネットワークにおけるアナログニューラルメモリのプログラミングのための精密な調整
出願人シリコンストーリッジテクノロージーインコーポレイテッド,SILICON STORAGE TECHNOLOGY, INC.
代理人弁理士法人英知国際特許商標事務所
主分類G11C 11/56 20060101AFI20250520BHJP(情報記憶)
要約【課題】人工ニューラルネットワーク内のベクトル行列乗算(VMM)アレイ内の不揮発性メモリセルの浮遊ゲートに正確な量の電荷を精密かつ迅速に堆積させるための精密調整アルゴリズム及び装置を提供する。
【解決手段】N(2よりも大きい整数)個の可能な値のうちの1つを記憶する選択された不揮発性メモリセルを読み出す方法であって、選択された不揮発性メモリセルにデジタル入力パルスを印加するステップと、デジタル入力パルスのそれぞれに応じた選択された不揮発性メモリセルの出力に基づいて、選択された不揮発性メモリセルに記憶された値を決定するステップと、を含む。
【効果】選択されたセルは、N個の異なる値のうちの1つを保持するために、極めて高い精度でプログラミングすることができる。
【選択図】図26
特許請求の範囲【請求項１】
選択された不揮発性メモリセルを、Ｎ個の可能な値のうちの１つを記憶するようにプログラミングする方法であって、Ｎは２よりも大きい整数であり、前記選択された不揮発性メモリセルは浮遊ゲートを含み、前記方法は、
粗プログラミングプロセスを実行するステップであって、前記粗プログラミングプロセスが、
Ｍ個の異なる電流値のうちの１つを第１のスレッショルド電流値として選択するステップであって、Ｍ＜Ｎである、ステップと、
前記浮遊ゲートに電荷を追加するステップと、
検証動作中に前記選択された不揮発性メモリセルを通る電流が前記第１のスレッショルド電流値以下になるまで、前記追加するステップを繰り返すステップと、を含む、ステップと、
検証動作中に前記選択された不揮発性メモリセルを通る電流が第２のスレッショルド電流値以下になるまで、精密プログラミングプロセスを実行するステップと、を含む、方法。
続きを表示（約 870 文字）【請求項２】
検証動作中に前記選択された不揮発性メモリセルを通る電流が第３のスレッショルド電流値以下になるまで、第２の精密プログラミングプロセスを実行するステップ、を更に含む、請求項１に記載の方法。
【請求項３】
前記精密プログラミングプロセスは、前記選択された不揮発性メモリセルの前記制御ゲートに、大きさが増加していく電圧パルスを印加するステップを含む、請求項１に記載の方法。
【請求項４】
前記精密プログラミングプロセスは、前記選択された不揮発性メモリセルの前記制御ゲートに、持続時間が増加していく電圧パルスを印加するステップを含む、請求項１に記載の方法。
【請求項５】
前記第２の精密プログラミングプロセスは、前記選択された不揮発性メモリセルの前記制御ゲートに、大きさが増加していく電圧パルスを印加するステップを含む、請求項２に記載の方法。
【請求項６】
前記第２の精密プログラミングプロセスは、前記選択された不揮発性メモリセルの前記制御ゲートに持続時間が増加していく電圧パルスを印加するステップを含む、請求項２に記載の方法。
【請求項７】
前記選択された不揮発性メモリセルは浮遊ゲートを含む、請求項１に記載の方法。
【請求項８】
前記選択された不揮発性メモリセルは、スプリットゲート型フラッシュメモリセルである、請求項７に記載の方法。
【請求項９】
前記選択された不揮発性メモリセルは、アナログメモリディープニューラルネットワーク内のベクトル行列乗算アレイ内にある、請求項１に記載の方法。
【請求項１０】
前記粗プログラミングプロセスを実行する前に、
前記選択された不揮発性メモリセルを「０」状態にプログラミングするステップと、
前記選択された不揮発性メモリセルを弱消去レベルに消去するステップと、を更に含む、請求項１に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
（優先権の主張）
本出願は、２０１８年１０月１６日に出願された「ＰｒｅｃｉｓｉｏｎＴｕｎｉｎｇＦｏｒｔｈｅＰｒｏｇｒａｍｍｉｎｇＯｆＡｎａｌｏｇＮｅｕｒａｌＭｅｍｏｒｙＩｎＡＤｅｅｐＬｅａｒｎｉｎｇＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ」と題する米国特許仮出願第６２／７４６，４７０号、及び２０１８年１２月２１日に出願された「ＰｒｅｃｉｓｉｏｎＴｕｎｉｎｇＦｏｒｔｈｅＰｒｏｇｒａｍｍｉｎｇＯｆＡｎａｌｏｇＮｅｕｒａｌＭｅｍｏｒｙＩｎＡＤｅｅｐＬｅａｒｎｉｎｇＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ」と題する米国特許出願第１６／２３１，２３１号の優先権を主張する。
続きを表示（約 2,100 文字）【０００２】
（発明の分野）
人工ニューラルネットワーク内のベクトル行列乗算（ＶＭＭ）アレイ内の不揮発性メモリセルの浮遊ゲートに正確な量の電荷を精密かつ迅速に堆積させるための精密調整アルゴリズム及び装置の多数の実施形態が開示される。
【背景技術】
【０００３】
人工ニューラルネットワークは、生物学的ニューラルネットワーク（動物の中枢神経系、特に脳）を模倣しており、多数の入力に依存し得、かつ、一般的に未知である関数を推定する又は近似するために使用される。人工ニューラルネットワークは、概して、メッセージを交換する相互接続した「ニューロン」の層を含む。
【０００４】
図１は人工ニューラルネットワークを示しており、図中、円は、入力又はニューロンの層を表す。接続（シナプスと呼ばれる）は、矢印によって表され、経験に基づいて調整され得る数値の重みを有する。これにより、ニューラルネットワークは入力に適応し、学習可能になる。典型的には、ニューラルネットワークは、複数の入力の層を含む。典型的には、１つ以上のニューロンの中間層、及びニューラルネットワークの出力を提供するニューロンの出力層が存在する。それぞれのレベルでニューロンは、シナプスから受け取ったデータに基づいて個々に又は合わせて決定を行う。
【０００５】
高性能情報処理用の人工ニューラルネットワークの開発における主要な課題の１つは、適切なハードウェア技術の欠如である。実際には、実用ニューラルネットワークは、非常に多数のシナプスに依拠しており、これによりニューロン間の高い接続性、すなわち、非常に高度な計算処理の並列化が可能となる。原理的には、このような複雑性は、デジタルスーパーコンピュータ又は専用ＧＰＵ（グラフィックプロセッシングユニット）クラスタによって実現が可能である。しかしながら、高コストに加え、これらのアプローチはまた、生物学的ネットワークが主として低精度のアナログ計算を実施するのではるかに少ないエネルギーしか消費しないのと比較して、エネルギー効率が劣っていることに悩まされている。人工ニューラルネットワークにはＣＭＯＳアナログ回路が使用されてきたが、ほとんどのＣＭＯＳ実装シナプスは、多数のニューロン及びシナプスを前提とすると、嵩高過ぎていた。
【０００６】
出願人は以前に、参照により組み込まれる米国特許出願第１５／５９４，４３９号において、シナプスとして１つ以上の不揮発性メモリアレイを利用する人工（アナログ）ニューラルネットワークを開示した。不揮発性メモリアレイは、アナログニューロモーフィックメモリとして動作する。ニューラルネットワークデバイスは、第１の複数の入力を受け取り、それから第１の複数の出力を生成するように構成されている第１の複数のシナプス、及び第１の複数の出力を受け取るように構成された第１の複数のニューロンを含む。第１の複数のシナプスは複数のメモリセルを含み、各メモリセルは、半導体基板内に形成された、間にチャネル領域が延在している離間したソース領域及びドレイン領域と、チャネル領域の第１の部分の上方に配設され、チャネル領域の第１の部分から絶縁された浮遊ゲートと、チャネル領域の第２の部分の上方に配設され、チャネル領域の第２の部分から絶縁された非浮遊ゲートと、を含む。複数のメモリセルのそれぞれは、浮遊ゲート上の多くの電子に対応する重み値を格納するように構成されている。複数のメモリセルは、第１の複数の入力に、格納された重み値を乗算して第１の複数の出力を生成するように構成される。
【０００７】
アナログニューロモーフィックメモリシステムに使用される各不揮発性メモリセルは、消去・プログラムに対応して、浮遊ゲート内に電荷、すなわち電子の数、を非常に特異的かつ正確な量で保持しなければならない。例えば、各浮遊ゲートはＮ個の異なる値のうちの１つを保持しなければならず、ここで、Ｎは、各セルによって示され得る異なる重みの数である。Ｎの例としては、１６、３２、６４、１２８及び２５６が挙げられる。
【０００８】
ＶＭＭシステムにおける１つの課題は、選択されたセルを、Ｎの異なる値に必要とされる精度及び粒度でプログラムする能力である。例えば、選択されたセルが６４個の異なる値のうちの１つを含むことができる場合、プログラム動作において極めて高い精度が必要とされる。
【０００９】
必要とされるのは、アナログニューロモーフィックメモリシステムにおいてＶＭＭと共に使用するのに適した、改善されたプログラミングシステム及び方法である。
【発明の概要】
【００１０】
人工ニューラルネットワーク内のベクトル行列乗算（ＶＭＭ）アレイ内の不揮発性メモリセルの浮遊ゲートに正確な量の電荷を精密かつ迅速に堆積させるための精密調整アルゴリズム及び装置について、多数の実施形態が開示される。それにより、選択されたセルは、Ｎ個の異なる値のうちの１つを保持するために、極めて高い精度でプログラミングすることができる。
（【００１１】以降は省略されています）

関連特許