操作在次臨界的浮閘極EEPROM作為可程式神經鍵的元件

Abstract

類神經網路近十年來逐漸吸引各個學界的注意。研究的結果顯示，它俱有自我學習的 功能，也可以被訓練，應用的範圍包括圖形辨別、相關記憶體(associative memory) …等。它基本上是由許多神經元(neuron)和神經鍵(synapse) 所組成，能對訊號作類 比的平行處理。由於計算的量大，因此以電腦模擬的速度相當慢，所以在實際的應用 上最好把類神經網路作成硬體。 在一個類神經網路中，神經鍵的數量遠多於神經元，所以神經鍵自然成為考慮的重點 。神經鍵的硬體要求包含：1.組成單純，所佔的面積和體積小；2.消耗的功率少，對 神經元的負擔輕；3.連結的強度可正，可負，俱有大的範圍，最好是類比的；4.連結 的強度可以隨時調整，也可以長久地記憶連結強度的值。而操作在次臨界(subthres- hold region)的EEPROM(electrically erasable programmable read only memory， 可以電的方式清除的，可程式的唯讀記憶體) 因俱有如下特點，以之為神經鍵逐成為 本篇論文討論的重點：1.在次臨界範圍汲極(drain) 的電流很小，所耗功率極少；2. 次臨界的汲極電流的範圍超過 3個數量級；3.EEPROM的閘極為絕緣體，對神經元造成 的負擔輕；4.EEPROM本來就是可程式的記憶體，可以任意調整和記憶神經鍵連結的強 度；5.汲極電壓大於0.1V時，EEPROM相當於一個電流源；6.因為僅以兩個EEPROM就可 作為一個神經鍵（此為本篇論文結論之一），所佔的面積亦小。 本篇論文首先描述有名的Hopfield類神經的網路，從而得知神經鍵和神經元所需俱備 的電性。接著建立EEPROM的SPICE 模型，以之為神經鍵，再設計與之配合的神經元， 合組成 4位元的Hopfield類比數位轉換器以 SPICE模擬之，可做正確的轉換，而功率 的消耗為 0.1mW，轉換的速度是 1mS；對神經元特性的要求，如驅動能力和放大率等 也都大幅地降低了。基於此初步的正確結果，從而提出了更完整的Hopfield類神經網 路，僅需兩個EEPROM就可當為一個神經鍵。 在另一方面，因為在次臨界時，浮閘極的電壓範圍僅為0.5V到0.8V，所衍生的問題包 含改變儲存電荷的方法，所需的時間，所能達到的解析度，如何避免因電壓和時間的 因素導致儲存電荷的額外增加或減少等，對此均假設Fowler-Nordheim tunneling 為 電子在SiO 中的主要傳導機構，而一一地考慮之，並提出可能的解決之道。 以上的討論如果得到實驗進一步的驗證，則以EEPROM為神經鍵將是做成大規模的，可 程式的，普遍用途的Hopfield類神經網路的好方法。