一种基于RRAM的可重构神经网络模数转换器

本发明属于模拟集成电路技术和人工智能交叉领域，具体为一种基于RRAM的可重构神经网络模数转换器。本发明将RRAM sub‑ADC作为流水线单级转换器，减小量化器对RRAM的精度要求，提升架构实用性，实现sub‑ADC的非线性量化功能；通过控制中间级流水线模块的级数，实现模数转换器量化精度的可重构特性；并进一步提供了通过基于硅基半导体的电容阵列、减法器以及残差放大器，降低模型训练算法的难度，提升收敛性，并辅以首级流水线模块中基于神经网络的sub‑ADC，实现了神经网络和硅基电路的融合。本发明为模数转换器的可重构以及非线性量化兼备提供了一种新思路。