本技术涉及储备池网络技术领域,具体是一种基于全闪存优化储备池网络性能的方法,使用闪存构建储备池网络的输入层、掩膜层、储备池层和输出层;对储备池层闪存的栅极施加编程擦除电压,编程擦除电压使闪存内部生成缺陷,缺陷引起电荷俘获/去俘获,电荷俘获时,闪存的输出电流降低,电荷去俘获时,闪存的输出电流升高至施加编程擦除电压前的值,利用电荷俘获/去俘获时的电流表现实现储备池网络的短期记忆特性。本发明采用闪存构成储备池网络,并通过对储备池层闪存器件的加压处理实现对器件特性的精确控制,有效减少了储备池网络的计算功耗,在不需器件单元重构的情况下实现了对计算系统的性能优化。
背景技术
近年来,储备池计算作为一种模仿人脑信息处理方式的新兴计算范式,引起了广泛关注。储备池计算通过构建包含大量神经元的储备池网络,实现信息的并行处理和分布式表示,以提高计算系统的智能性和适应性。储备池计算的背后思想是模拟大脑中的储备池,通过在网络中引入动态的、具有短期记忆特性的储备池单元,实现对复杂信息的快速处理和学习。相比于传统计算模型,储备池计算更具生物学启发性,能够更好地应对实时、非线性、和多模态信息处理的挑战。
然而,传统的储备池计算方案在功耗和可靠性方面存在一定的问题,目前的储备池计算方案大多采用新型存储器,其可靠性和均一性均很难满足实际的应用需求,且用于储备池计算的器件响应时间长,过长时间的计算中会大大提升器件功耗。
实现思路