显示装置的制作方法

显示装置
1.相关申请的交叉引用
2.本技术要求于2020年8月26日在韩国知识产权局提交的韩国专利申请第10-2020-0108135号的优先权和权益，该专利申请的整个公开内容通过引用整体并入本文。
技术领域
3.本公开涉及一种显示装置。


背景技术：

4.诸如电视、移动电话、计算机、平板电脑等的电子装置可以包括用于向用户传达诸如文本信息、视频信息、图片信息或者二维或三维图像等的视觉信息的显示装置(例如，显示单元、显示面板)。例如，显示装置可以包括多个发光像素。显示器可以是诸如有机发光显示面板(oled面板)的自发光显示面板或者诸如液晶显示面板(lcd面板)的非自发光显示面板。
5.随着装置的厚度减小，显示装置具有优势，例如材料成本和用户便利性。然而，在一些情况下，当像素不发光时，可能增加构成元件，这增加了装置的厚度和制造成本。可能期望用于降低制造成本并生产更纤薄的显示装置的实施方式。


技术实现要素：

6.本公开将提供一种可以进行通过深度学习推断的操作的显示装置。
7.本公开的实施例提供一种显示装置，该显示装置包括：连接到多条扫描线和多条数据线的多个像素；数据驱动器，被配置为在发光模式下将数据电压供应给多条数据线，并且在人工神经网络模式下将神经网络输入电压供应给多条数据线；以及时序控制器，被配置为在人工神经网络模式下将权重值控制信号供应给数据驱动器，其中，权重值控制信号基于(例如，通过表示)预定权重值生成以用于使用多个像素中的至少一个进行深度学习操作。
8.神经网络输入电压基于权重值控制信号生成。
9.多个像素可以包括多个第一像素和多个第二像素；多个第一像素可以在发光模式下发光，并且多个第二像素可以在发光模式下发光；并且多个第二像素可以在人工神经网络模式下进行深度学习操作。
10.多个第一像素可以在人工神经网络模式下不发光，并且多个第二像素可以在人工神经网络模式下不发光。
11.显示装置可以进一步包括连接到多个第二像素的有源电路，其中，有源电路可以从连接到有源电路的多个第二像素接收与深度学习操作相对应的有源电流，并且有源电路可以将与有源电流相对应的神经网络输出电压供应给时序控制器。
12.时序控制器可以通过表示与神经网络输出电压相对应的预定权重值来生成权重值控制信号。
13.至少一个有源电路可以设置在其中设置有多个第二像素的每个像素行中。
14.有源电路可以是电流镜像电路。
15.另一实施例提供一种显示装置，该显示装置包括：显示单元，包括：连接到第一多条扫描线和多条数据线的多个第一像素；连接到第二多条扫描线、多条数据线、多条发光控制线和多条神经网络控制线的多个第二像素；和连接到多个第二像素的有源电路；扫描驱动器，将扫描信号提供给第一多条扫描线和第二多条扫描线；神经网络驱动器，将神经网络控制信号提供给多条神经网络控制线；数据驱动器，将数据电压或神经网络输入电压提供给多条数据线；以及时序控制器，提供驱动扫描驱动器、神经网络驱动器和数据驱动器中的每一个的控制信号，其中时序控制器可以将通过表示权重值而生成的权重值控制信号提供给数据驱动器，其中权重值基于从有源电路接收的神经网络输出电压，并且其中神经网络输入电压基于权重值控制信号生成。
16.显示单元可以在其中多个第一像素的发光元件发光并且多个第二像素的发光元件发光的发光模式下被驱动，并且可以在其中多个第一像素的发光元件不发光并且多个第二像素的发光元件不发光的人工神经网络模式下被驱动。
17.多个第一像素中的每一个可以包括：第一晶体管，包括连接到第一电源的第一电极、连接到发光元件的阳极的第二电极、以及栅电极；第二晶体管，包括连接到数据线的第一电极、连接到第一晶体管的栅电极的第二电极以及连接到扫描线的栅电极；以及连接到第一晶体管的发光元件。
18.显示装置可以进一步包括顺序地将发光控制信号提供给多条发光控制线的发光控制驱动器，其中，多个第二像素可以分别连接到多条发光控制线。
19.多个第二像素中的每一个可以包括：第一晶体管，包括连接到第一电源的第一电极、连接到第一节点的第二电极、以及栅电极；第二晶体管，包括连接到数据线的第一电极、连接到第一晶体管的栅电极的第二电极以及连接到扫描线的栅电极；第三晶体管，包括连接到第一节点的第一电极、连接到发光元件的阳极的第二电极以及连接到发光控制线的栅电极；第四晶体管，包括连接到第一节点的第一电极、连接到第二节点的第二电极以及连接到神经网络控制线的栅电极；以及连接到第三晶体管的发光元件。
20.当显示单元处于发光模式下时，第二晶体管可以响应于扫描信号而将数据电压传输到第一晶体管，第一晶体管可以响应于数据电压而控制通过第三晶体管流入发光元件的驱动电流，并且发光元件可以响应于通过第三晶体管供应的驱动电流而发光。
21.当显示单元处于人工神经网络模式下时，第二晶体管可以响应于扫描信号而将神经网络输入电压传输到第一晶体管，第一晶体管可以响应于神经网络输入电压而控制被施加到第一节点的第一节点电流，并且第四晶体管可以将与第一节点电流相对应的有源电流输出到第二节点。
22.有源电路可以连接在第二节点与输出端子之间，并且输出端子可以通过神经网络输出线连接到时序控制器以将神经网络输出电压传输到时序控制器。
23.有源电路可以是电流镜像电路。
24.有源电路可以基于第二节点连接到多个第二像素中的至少一个，有源电流与多个第二像素中的至少一个相对应，并且有源电流可以被施加到第二节点。
25.另一实施例提供一种显示装置，该显示装置包括：显示单元，包括连接到多条扫描
线、多条数据线、多条发光控制线和多条神经网络控制线的多个像素以及连接到多个像素的有源电路；扫描驱动器，顺序地将扫描信号提供给多条扫描线；发光控制驱动器，顺序地将发光控制信号提供给多条发光控制线；神经网络驱动器，顺序地将神经网络控制信号提供给多条神经网络控制线；数据驱动器，顺序地将数据电压或神经网络输入电压提供给多条数据线；以及时序控制器，提供用于驱动扫描驱动器、发光控制驱动器、神经网络驱动器和数据驱动器中的每一个的控制信号，其中，时序控制器可以将通过表示权重值而生成的权重值控制信号提供给数据驱动器，权重值基于从有源电路接收的神经网络输出电压，并且数据驱动器可以将神经网络输入电压提供给多条数据线，其中神经网络输入电压基于权重值控制信号生成。
26.显示单元可以在其中多个像素的发光元件发光的发光模式下被驱动，并且显示单元可以在其中多个像素的发光元件不发光的人工神经网络模式下被驱动。
27.根据实施例，当像素不发光时，可以通过将像素用作人工神经网络的网络来进行通过深度学习推断的操作而不增加构成元件。因此，可以发生显示装置的制造成本的降低，并且可以生产更纤薄的显示装置。
28.实施例的效果不受以上所示出的限制，并且在本说明书中包括更多不同的效果。
附图说明
29.图1示出了根据实施例的显示装置的示意性平面图。
30.图2和图3示出了根据实施例的显示装置的示意性框图。
31.图4和图5示出了根据实施例的显示装置的一个像素的电路图。
32.图6和图7示出了根据实施例的在显示装置中实现的人工神经网络的示意图。
33.图8至图10示出了其中人工神经网络算法被应用于根据实施例的显示装置中的像素的示例的示意图。
34.图11示出了其中多个像素在根据实施例的显示装置中被连接的示例的电路图。
35.图12示出了图11中示出的多个像素的操作的示例的时序图。
具体实施方式
36.本公开总体上涉及一种显示装置。诸如电视、移动电话、计算机、平板电脑等的电子装置可以包括用于向用户传达诸如文本信息、视频信息、图片信息或者二维或三维图像等的视觉信息的显示器(例如，显示单元、显示面板)。
37.更具体地，本公开的实施例提供了一种利用人工神经网络的显示装置，其中前端的权重和输入值被输入到像素数据线以进行计算(例如诸如人工神经网络操作)。
38.根据本文中描述的技术，显示装置可以在发光模式和人工神经网络模式下操作。在发光模式下，显示装置的像素可以被驱动，使得像素发光。在人工神经网络模式下，神经网络控制信号可以被施加于显示装置的像素中的至少一些像素，并且像素可以不发光。因此，在人工神经网络模式下(例如，当像素不发光时)，可以通过将像素用作人工神经网络来进行通过深度学习推断的操作。此外，可以在不增加构成元件的情况下进行这样的操作。因此，可以发生显示装置的制造成本的降低，并且可以生产更纤薄的显示装置(例如，可替代其他方法，在其他方法中，在像素不发光时可能增加构成元件，这增加了装置的厚度并且增
加了制造成本)。
39.本公开的显示装置包括多个像素、数据驱动器和时序控制器。多个像素连接到多条扫描线和多条数据线。数据驱动器在发光模式下将数据电压供应给多条数据线，并且在人工神经网络模式下将神经网络输入电压供应给多条数据线。时序控制器在人工神经网络模式下将用于通过使用多个像素中的至少一个来进行深度学习操作的权重值控制信号供应给数据驱动器。权重值控制信号通过表示预定权重值来生成。在一些实施例中，权重值可以基于显示面板的特性数据、标志补偿数据、残像补偿数据和外部感测补偿数据等。
40.由于本公开可以进行各种修改并且具有各种形式，因此将在下面详细示出和描述实施例。然而，本公开不限于特定实施例，并且应当理解为涵盖包括在任何变化、等同物和替代物的精神和范围内的所有方法。
41.诸如第一和第二等的术语将用于描述各种构成元件，并且不被解释为限制这些构成元件。这些术语用于将一个构成元件与其他构成元件区分开。例如，在不脱离本公开的范围的情况下，第一构成元件可以被称为第二构成元件，并且类似地，第二构成元件可以被称为第一构成元件。除非上下文另有明确指示，否则单数形式旨在包括复数形式。
42.在本技术中，术语“包括”、“包含”、“具有”或“配置”表示存在说明书中描述的特征、数量、步骤、操作、构成元件、部分或其组合，但不预先排除存在或添加一个或多个其他特征、数量、步骤、操作、构成元件、部分或组合的可能性。另外，当诸如层、膜、区或基板的元件被称为在另一个元件“上”时，该元件可以直接在另一个元件上，或者也可以存在居间元件。附加地或可替代地，在本说明书中，当层、膜、区、区域或板等的一部分被称为形成在另一部分“上”时，所形成的方向不限于向上方向，而是包括横向或向下方向。相反，当层、膜、区、区域或板等的一部分被称为在另一部分“下方”时，该部分可以直接在另一部分下方，或者可以存在居间部分。
43.在本说明书中，术语“连接”可以包括电连接和物理连接。此外，术语“连接”可以包括通过另一构成元件的直接连接和/或间接连接。
44.在下文中，将参考与本公开的实施例相关的附图来描述根据本公开的实施例的显示装置。
45.图1示出了根据实施例的显示装置的示意性平面图。
46.参考图1，根据实施例的显示装置1000可以包括显示面板100、连接膜200和驱动芯片300。
47.在实施例中，显示装置1000可以是被实现为液晶显示器或发光显示装置的平板显示装置、柔性显示装置、弯曲显示装置、可折叠显示装置和可弯曲显示装置。附加地或可替代地，显示装置可以应用于透明显示装置、头戴式显示装置和可穿戴显示装置等。
48.在一些示例中，显示装置1000可以包括或指代可以使用户能够与装置(例如，电子装置)交互的用户接口。在一些实施例中，用户接口可以包括显示屏或输入装置(例如，直接或通过输入/输出(i/o)控制器模块与用户接口接合的远程控制装置)。在一些情况下，i/o控制器可以被实现为处理器的部分。在一些情况下，用户可以经由i/o控制器或者经由由i/o控制器控制的硬件组件与装置交互。在一些情况下，用户界面可以是图形用户界面(gui)。在一些示例中，指纹感测器可以被使用以提供用于访问显示装置的安全过程。在一些情况下，指纹感测器可以包括能够感测触摸并且与显示器交互的、覆盖到显示器上的触摸屏数
字化仪。
49.显示面板100包括显示区域da和非显示区域nda。显示区域da是通过包括多个像素px来显示图像的区域，而非显示区域nda是除了显示区域da之外的、其中不显示图像的区域。非显示区域nda可以是围绕显示区域da的边框区域。
50.非显示区域nda设置在显示区域da周围以围绕显示区域da，并且可以选择性地包括连接到显示区域da的像素px的布线、焊盘、驱动电路等。例如，在非显示区域nda中，扫描线、数据线、驱动高电压线和驱动低电压线可以被设置以连接到多个像素px。
51.连接膜200设置在显示面板100的一侧。在实施例中，连接膜200可以设置在显示面板100的非显示区域nda下方，但是本公开不限于此。
52.用于驱动多个像素px的驱动芯片300设置在连接膜200上。驱动芯片300可以包括用于将扫描信号施加到多个像素px的扫描驱动器(图2中的310)、用于将发光控制信号施加到多个像素px的发光控制驱动器(图2中的320)、神经网络驱动器(图2中的330)、用于将数据电压施加到多个像素px的数据驱动器(图2中的340)以及时序控制器(图2中的350)。然而，本公开不限于此。
53.连接膜200可以连接显示面板100和柔性印刷电路板(fpcb)。在一些实施例中，连接膜200可以被实现为各种配置，例如膜上芯片、玻璃上芯片、塑料上芯片和带载封装。
54.附加地或可替代地，在一些实施例中，上述扫描驱动器(图2中的310)、发光控制驱动器(图2中的320)、神经网络驱动器(图2中的330)、数据驱动器(图2中的340)以及时序控制器(图2中的350)可以被包括在安装于柔性印刷电路板上的单独的集成电路芯片(ic芯片)中。
55.在一些示例中，显示面板100可以与处理器耦接，处理器可以分析并生成用于驱动显示面板100的方面的信号。例如，处理器是智能硬件装置(例如，通用处理组件、数字信号处理器(dsp)、中央处理单元(cpu)、图形处理单元(gpu)、微控制器、专用集成电路(asic)、现场可编程门阵列(fpga)、可编程逻辑器件、分立门或晶体管逻辑组件、分立硬件组件或其任意组合)。在一些情况下，处理器被配置为执行存储在存储器中的计算机可读指令以进行各种功能(例如诸如分析被反射的超声信号、比较指纹、进行装置解锁操作等)。在一些实施例中，处理器包括用于调制解调器处理、基带处理、数字信号处理或传输处理的特殊用途组件。
56.在下文中，将参考图2和图3描述能够驱动显示装置的像素的配置。
57.图2和图3示出了根据实施例的显示装置的示意性框图。
58.参考图2和图3，根据实施例的显示装置1000可以包括显示部分110、扫描驱动器310、发光控制驱动器320、神经网络驱动器330、数据驱动器340以及时序控制器350。
59.显示部分110可以形成在预定的显示面板100中，并且可以与图1的显示区域da相对应。
60.显示部分110包括包含扫描线sl1至slm的多条扫描线sl、包含发光控制线el1至elm的多条发光控制线el、包含神经网络控制线nl1的多条神经网络控制线nl、包含数据线dl1至dln的多条数据线dl、多条连接线cl以及包含神经网络输出线nol1至noln的多条神经网络输出线nol。附加地或可替代地，显示部分110可以包括连接到多条扫描线sl、多条发光控制线el、多条神经网络控制线nl和多条数据线dl中的至少一条的像素px。
61.多个像素px可以包括根据连接到其的线被分类的多个第一像素px1和多个第二像素px2。多个第一像素px1可以分别连接到多条扫描线sl、多条发光控制线el和多条数据线dl，而多个第二像素px2可以分别连接到多条扫描线sl、多条数据线dl、多条发光控制线el、多条神经网络控制线nl和多条连接线cl。
62.在实施例中，参考图2，显示部分110可以包括其中设置有多个第一像素px1的第一区域da1以及其中设置有多个第二像素px2和有源电路ac的第二区域da2。在一些实施例中，有源电路ac可以设置在显示面板100的非显示区域nda中。
63.附加地或可替代地，在一些实施例中，如图3中所示，多个第二像素px2和有源电路ac可以完全地设置在显示部分110中。
64.第一像素px1和第二像素px2可以包括发光元件(图4和图5的ld)、将要或者用于将驱动电流提供给发光元件ld的至少一个晶体管、以及电容器。因此，第一像素px1和第二像素px2可以响应于通过扫描线sl提供的扫描信号而发射具有与通过数据线dl提供的数据电压(或数据信号)相对应的亮度的光。例如，位于第i行和第j列的像素可以响应于通过第i扫描线提供的扫描信号而发射具有与通过第j数据线提供的数据电压相对应的亮度的光。第二像素px2与第一像素px1相比，进一步包括神经网络晶体管，并且可以进行深度学习操作。下面将在图4和图5中分别详细地描述第一像素px1和第二像素px2的具体配置。
65.显示部分110可以在其中多个第一像素px1和多个第二像素px2的发光元件(图4和图5中的ld)在第一区域da1和第二区域da2中发光的发光模式下被驱动，并且可以在其中多个第一像素px1和多个第二像素px2的发光元件ld不发光的人工神经网络模式下被驱动。显示部分110可以在发光元件ld关闭的时段期间或在发光时段之间，在人工神经网络模式下操作。
66.在发光模式下，扫描信号、数据电压和发光控制信号被施加到多个第一像素px1和多个第二像素px2，使得第一像素px1和第二像素px2的发光元件ld可以以与数据电压相对应的预定亮度发光。
67.在人工神经网络模式下，神经网络控制信号被施加到多个第二像素px2，使得第二像素px2的神经网络晶体管被操作，并且可以与连接到神经网络晶体管的有源电路ac一起生成与神经网络输入电压(或神经网络输入信号)相对应的神经网络输出电压(或神经网络输出信号)。因此，在根据实施例的显示装置中，当像素不发光时，可以通过将像素用作人工神经网络的网络来进行通过深度学习推断的操作而不增加构成元件。因此，可以发生显示装置的制造成本的降低，并且可以生产更纤薄的显示装置。本文中更详细地(例如，参考图11和图12)描述人工神经网络模式下的第二像素px2和有源电路ac的操作。
68.扫描驱动器310可以基于第一控制信号scs生成扫描信号，并且可以将扫描信号顺序地提供给扫描线sl。当顺序地施加扫描信号时，可以以水平线单元(或像素行单元)选择像素px。这里，第一控制信号scs可以包括扫描起始信号(或扫描起始脉冲)、扫描时钟信号等。第一控制信号scs可以从时序控制器350提供。
69.发光控制驱动器320可以基于第二控制信号ecs生成发光控制信号，并且可以将发光控制信号顺序地提供给发光控制线el。在这种情况下，发光控制信号可以具有可以使被供应有发光控制信号的晶体管截止的电压电平。
70.神经网络驱动器330可以基于神经网络驱动控制信号ncs将神经网络控制信号(或
神经网络控制电压)提供给神经网络控制线nl。在这种情况下，神经网络控制信号可以具有可以使神经网络晶体管导通的电压电平。本文中更详细地描述神经网络晶体管的操作。
71.神经网络是一种可经由神经网络驱动器330实现的计算机算法，该计算机算法能够在不被明确地编程但是通过对已知数据的迭代的情况下学习特定模式。神经网络可以指包括输入节点、隐藏节点和输出节点的认知模型。网络中的节点可以具有基于先前节点的输出来计算节点是否被激活的激活函数。训练该系统可以涉及为输入供应值并且修改边权重和激活函数(算法地或随机地)，直到结果紧密逼近一组期望的输出。
72.在发光模式下，数据驱动器340可以基于从时序控制器350提供的图像数据data和第三控制信号dcs生成数据电压(或数据信号)，并且可以将数据电压提供给数据线dl。由数据线dl提供的数据电压可以被供应给由扫描信号选择的像素px。因此，数据驱动器340可以将数据电压供应给数据线dl以与扫描信号同步。这里，第三控制信号dcs是用于控制数据驱动器340的操作的信号，并且可以包括指示有效数据电压的输出的负载信号(或数据使能信号)。
73.在人工神经网络模式下，数据驱动器340可以基于从时序控制器350提供的代表权重值的权重值控制信号wcs生成神经网络输入电压(或神经网络输入信号)，并且可以将生成的神经网络输入电压提供给数据线dl。这里，权重值可以是根据显示面板的特性数据、标志补偿数据、残像补偿数据和外部感测补偿数据的权重值。
74.时序控制器350可以从外部(例如，图形处理器)接收输入图像数据和控制信号，并且可以基于控制信号生成第一控制信号scs、第二控制信号ecs、第三控制信号dcs、神经网络驱动控制信号ncs和权重值控制信号wcs。控制信号可以包括垂直同步信号、水平同步信号和时钟信号。附加地或可替代地，时序控制器350可以转换输入图像数据以生成提供给数据驱动器340的图像数据data。
75.时序控制器350可以将生成的第一控制信号scs提供给扫描驱动器310，将第二控制信号ecs提供给发光控制驱动器320，并且将第三控制信号dcs提供给数据驱动器340。时序控制器350可以将生成的神经网络驱动控制信号ncs提供给神经网络驱动器330。
76.时序控制器350可以从神经网络输出线nol接收神经网络输出电压(或神经网络输出信号)，并且可以通过表示与提供的神经网络输出电压相对应的权重值来生成权重值控制信号wcs。权重值是预先在外部硬件或软件中训练出的值，并且权重值可以是通过神经网络算法进行推断的预定值。
77.附加地或可替代地，时序控制器350可以将权重值控制信号wcs提供给数据驱动器340。数据驱动器340可以基于从时序控制器350提供的权重值控制信号wcs将神经网络输入电压(或神经网络输入信号)提供给数据线dl。神经网络输入电压可以是其中权重值(例如，根据显示面板的特性数据、标志补偿数据、残像补偿数据、外部感测补偿数据等的权重值)可以被反映到神经网络输出数据的数据，该神经网络输出数据可以从先前的水平线单元(或先前的像素行单元)提供。在实施例中，显示装置可以进一步包括用于将预定电力供应给像素的电力供应器。
78.在下文中，将参考图4和图5描述根据实施例的显示装置的像素的配置和操作。
79.图4和图5示出了根据实施例的显示装置的一个像素的电路图。
80.图4中示出的一个像素可以是图2的第一像素px1，而图5中示出的一个像素可以是
图2和图3的第二像素px2。然而，本公开不限于此，并且根据实施例的所有像素px可以指第二像素px2。
81.参考图4，一个像素可以包括第一晶体管t1、第二晶体管t2、第三晶体管t3、存储电容器cst和发光元件ld。
82.第一晶体管t1和第二晶体管t2中的每一个例如包括硅半导体，并且可以是p型晶体管。然而，第一晶体管t1和第二晶体管t2不限于此，并且第一晶体管t1和第二晶体管t2中的至少一个可以包括氧化物半导体或者可以被实现为n型晶体管。
83.第一晶体管t1(或驱动晶体管)是用于驱动发光元件ld的晶体管，并且第一晶体管t1的第一电极连接到第一电源vdd，而第一晶体管t1的第二电极连接到发光元件ld的阳极电极。第一晶体管t1的栅电极连接到第二晶体管t2的第二电极和存储电容器cst的一个电极。
84.在实施例中，第一晶体管t1的第一电极可以是源电极，而第一晶体管t1的第二电极可以为漏电极，但是本公开不限于此。第一晶体管t1可以响应于施加到其栅电极的电压而控制流入发光元件ld的驱动电流id的量。
85.第二晶体管t2(或开关晶体管)是响应扫描信号选择像素px并且激活像素px的晶体管，并且第二晶体管t2的第一电极连接到数据线dl，而第二晶体管t2的第二极连接第一晶体管t1的栅电极和存储电容器cst的一个电极。第二晶体管t2的栅电极连接到扫描线sl。因此，当栅导通电压电平的信号被供应给扫描线sl时，第二晶体管t2导通，并且数据电压可以从数据线dl传输到第一晶体管t1的栅电极。
86.在实施例中，低电平信号被供应给扫描线sl，并且数据电压可以以基本相等的时序被施加到数据线dl。因此，第二晶体管t2可以将数据电压传输到第一晶体管t1的栅电极。
87.第三晶体管t3(或发光晶体管)是可以控制发光元件ld的发光时间的发光晶体管，并且第三晶体管t3的第一电极连接到第一晶体管t1的第二电极，而第三晶体管t3的第二电极连接到发光元件ld的阳极。第三晶体管t3的栅电极连接到发光控制线el。因此，当栅导通电压电平的信号被供应给发光控制线el时，第三晶体管t3导通，并且驱动电流id被施加到阳极，使得发光元件ld可以生成预定亮度的光。
88.存储电容器cst可以形成或连接在第一电源vdd与第一晶体管t1的栅电极之间。例如，存储电容器cst的一个电极可以连接到第一晶体管t1的栅电极，而存储电容器cst的另一个电极可以连接到第一电源vdd。存储电容器cst可以存储第一晶体管t1的栅电极的电压，例如数据电压。
89.发光元件ld的阳极通过第一晶体管t1连接到第一电源vdd，而发光元件ld的阴极连接到第二电源vss。发光元件ld可以响应于通过第一晶体管t1供应的电流(或驱动电流id)的量而生成预定亮度的光。发光元件ld可以被形成为有机发光二极管或无机发光二极管，例如微型发光二极管(led)和量子点发光二极管。附加地或可替代地，发光元件ld可以是由有机材料和无机材料复合制成的发光元件。图4图示了一个像素px包括一个发光元件ld，但是在一些实施例中，一个像素px可以包括多个发光元件ld，并且多个发光元件ld可以彼此串联、并联或串联/并联连接。
90.参考图5，一个像素包括包含至少一个晶体管的驱动电路单元dcu、至少一个发光元件ld、第三晶体管t3、第四晶体管t4和至少一个电阻器r。
91.驱动电路单元dcu包括上面描述的第一晶体管t1、第二晶体管t2和存储电容器cst。第三晶体管t3和第四晶体管t4中的每一个例如包括硅半导体，并且可以是p型晶体管。然而，第三晶体管t3和第四晶体管t4不限于此，并且第三晶体管t3和第四晶体管t4中的至少一个可以包括氧化物半导体或者可以被实现为n型晶体管。
92.第一晶体管t1的第二电极连接到第一节点(节点1)。在发光模式下，第一晶体管t1可以响应于施加到其栅电极的电压而控制通过连接到第一节点(节点1)的第三晶体管t3流入发光元件ld的驱动电流id。另一方面，在人工神经网络模式下，第一晶体管t1可以响应于施加到其栅电极的诸如神经网络输入电压的电压，而控制施加于连接到第一节点(节点1)的第四晶体管t4的第一节点电流in。在发光模式下，第一节点电流in可以直接施加到发光元件ld(这里，第一节点电流in可以是驱动电流id)，而在人工神经网络模式下，第一节点电流in可以直接施加到第四晶体管t4。
93.在发光模式下，第二晶体管t2可以响应于扫描信号而将用于发光的数据电压传输到第一晶体管t1的栅电极。另一方面，在人工神经网络模式下，第二晶体管t2可以响应于扫描信号而将用于神经网络算法的神经网络输入电压(或神经网络输入信号)传输到第一晶体管t1的栅电极。
94.在发光模式下，当数据电压被施加到存储电容器cst的一个电极时，存储电容器cst可以存储与数据电压和施加到存储电容器cst的另一个电极的第一电源vdd的电压之间的差相对应的电压。因此，在发光模式下，一个像素px可以生成驱动电流id，并且驱动电流id可以流入发光元件ld。
95.第三晶体管t3(或发光晶体管)是可以控制发光元件ld的发光时间的发光晶体管，并且第三晶体管t3的第一电极连接到第一节点(节点1)，而第三晶体管t3的第二电极连接到发光元件ld的阳极。第三晶体管t3的栅电极连接到发光控制线el。因此，当栅导通电压电平的信号被供应给发光控制线el时，第三晶体管t3导通，并且驱动电流id被施加到阳极，使得发光元件ld可以生成预定亮度的光。在其中第三晶体管t3截止的时段中，从第一晶体管t1输出的第一节点电流in可以流入第四晶体管t4。
96.第四晶体管t4(或神经网络晶体管)是在人工神经网络模式下被驱动的晶体管，并且第四晶体管t4的第一电极连接到第一节点(节点1)，而第四晶体管t4的第二电极通过至少一个电阻器r连接到第二节点(节点2)。第四晶体管t4的栅电极连接到神经网络控制线nl。因此，当栅导通电压电平的信号被供应给神经网络控制线nl时，第四晶体管t4可以导通，以生成从第一节点(节点1)到第二节点(节点2)的响应于神经网络输入电压的有源电流ia。例如，第四晶体管t4可以响应于通过神经网络控制线nl提供的神经网络控制信号，而通过反映通过数据线dl提供的神经网络输入电压来输出有源电流ia。
97.发光元件ld的阳极通过第一晶体管t1和第三晶体管t3连接到第一电源vdd，并且发光元件ld的阴极连接到第二电源vss。在发光模式下，发光元件ld可以响应于通过第一晶体管t1和第三晶体管t3供应的电流(或驱动电流id)的量而生成预定亮度的光。另一方面，在人工神经网络模式下，由于不施加驱动电流，因此发光元件ld可以不生成光。
98.在实施例中，显示装置的一个像素的结构不限于图4和图5中示出的那些结构，并且可以进行各种改变。例如，一个像素可以进一步包括至少一个晶体管，例如用于补偿第一晶体管t1的阈值电压的补偿晶体管和用于初始化第一晶体管t1的栅电极的初始化晶体管
等。
99.如本文中所述，显示装置因而可以包括三个晶体管(例如，第一至第三晶体管t1、t2和t3)、存储电容器、神经网络晶体管(例如，第四晶体管t4)以(例如，当显示面板的一些像素不发光时)进行通过深度学习推断的操作。这样的显示装置可以进一步包括电流镜像电路(rel)，并且前端的权重和输入值可以被输入到数据线以进行计算。
100.当像素不发光时，由于根据实施例的显示装置可以将多个像素用作人工神经网络的网络，因此下文将参考图6和图7描述人工神经网络。
101.图6和图7示出了根据实施例的在显示装置中实现的人工神经网络的示意图。
102.人工神经网络是包括与人脑中的神经元松散地相对应的许多连接的节点(即，人工神经元)的硬件或软件组件。每个连接或边将信号从一个节点传输到另一节点(像大脑中的物理突触)。当节点接收到信号时，它处理该信号，并且然后将处理后的信号传输给其他连接的节点。在一些情况下，节点之间的信号包含实数，并且每个节点的输出由其输入的总和的函数计算。每个节点和边与确定如何处理和传输信号的一个或多个节点权重相关联。
103.在训练过程期间，调整这些权重以提高结果的准确性(即，通过最小化以某种方式与当前结果和目标结果之间的差别相对应的损失函数)。边的权重增大或减小在节点之间传输的信号的强度。在一些情况下，节点具有阈值，低于该阈值根本不传输信号。在一些示例中，节点被聚合成层。不同的层对其输入进行不同的转换。初始层被称为输入层，而最后一层被称为输出层。在一些情况下，信号多次穿越某些层。
104.参考图6，当根据实施例的显示装置在人工神经网络模式下被驱动时，人工神经网络的网络nn可以包括输入层il、隐藏层hl和输出层ol。输入层il、隐藏层hl和输出层ol可以各自包括多个像素px。这里，多个像素px可以是前述的第二像素px2。
105.输入层il和输出层ol可以各自包括被分为单个水平线单元(或行单元)的多个第二像素px2，并且也可以各自包括被分为在一个水平线单元中的一些块的多个第二像素px2。例如，返回参考图2和图3，输入层il和输出层ol可以各自包括设置在第h行(h是自然数)和第h+2行的多个第二像素px2，并且可以各自包括设置在第h行和第h+2行中的多个第二像素px2当中的设置在第j列、第j+1列和第j+2列(垂直线方向)中的像素。
106.隐藏层hl可以包括被分为单个水平线单元(或行单元)的多个第二像素px2，并且可以包括被分为多个水平线单元的多个第二像素px2。例如，隐藏层hl可以包括设置在第i行(其中，i是自然数)中的像素，并且可以包括设置在第i行、第i+1行和第i+2行中的多个第二像素px2。第i行可以代表第h行的下一行。附加地或可替代地，隐藏层hl可以包括被分为在至少一个水平线单元中的一些块的多个第二像素px2。例如，在设置在第i行中的像素中，隐藏层hl可以包括设置在第j列(j是自然数)、第j+1列和第j+2列中的像素。当隐藏层hl包括两个或更多个水平线单元的像素时，根据实施例的神经网络可以被称为深度神经网络(dnn)，并且使用深度神经网络的学习可以被称为深度学习。
107.输入数据可以被输入到每个输入层il，前一层的多个第二像素px2的输出信号可以被输入到隐藏层hl，并且前一层的多个第二像素px2的输出信号可以被输入到输出层ol。这里，前一层可以指单个水平线单元或被分为在单个水平线单元中的一些块的第二像素px2。
108.分别包括在输入层il、隐藏层hl和输出层ol中的第二像素px2可以被连接以与前
一层和下一层的所有第二像素px2相对应，并且在一些实施例中，分别包括在输入层il、隐藏层hl和输出层ol中的第二像素px2可以被连接以与前一层和下一层的第二像素px2中的一些相对应。
109.输入到输入层il的输入数据可以通过隐藏层hl传输到输出层ol，并且数据可以在一个方向上传输。
110.深度学习操作可以指经由神经网络(例如，深度神经网络)进行的操作。深度神经网络可以指在输入层il与输出层ol之间具有至少一个隐藏层hl的神经网络。通常，深度学习操作可以指基于对神经网络的输入(例如，信息输入、向量输入等)来确定输出(例如，输出信息、输出向量等)的任何操作。在一些示例中，这样的输入和输出可以包括显示面板的特性数据、标志补偿数据、残像补偿数据、外部感测补偿数据、亮度补偿数据、对比度补偿数据等。在这样的示例中，深度学习操作可以指从这样的输入确定输出的深度神经网络操作。
111.参考图7，呈现了根据实施例的一种在显示装置中执行的人工神经网络算法。在实施例中，显示装置的这种人工神经网络算法为感知器，但是本公开不限于此。
112.n表示与第n行中的一个像素相对应的操作单元，而x1和x2表示从第n-1行中的两个像素输出的输出数据。w1和w2是与第n-1行中的两个像素相对应的权重值。
113.当与第n行中的一个像素相对应的输出数据x1和x2被输入时，操作单元计算x1w1+x2w2的值(该值是输出x1和权重w1的相乘结果x1w1与输出x2和权重w2的相乘结果x2w2之和)，以与第n行中的一个像素相对应。此后，添加偏差b以获得a＝x1w1+x2w2+b的值。附加地或可替代地，由激活函数h对值a进行转换，并且从与第n行中的一个像素对应的操作单元将输出信号(或输出数据)y＝h(a)输出。输出信号可以被输入到与第n行的一个像素相对应的第n+1行的至少一个像素。在实施例中，操作单元和激活函数可以由有源电路实现。
114.在下文中，将参考图8至图10描述其中图7中描述的人工神经网络算法被应用于位于第n-1行、第n行和第n+1行中的像素的示例。
115.图8至图10示出了其中人工神经网络算法被应用于根据实施例的显示装置中的像素的示例的示意图。图8至图10示出了位于第n-1行、第n行和第n+1行中的矩阵格式的九个像素px，但是在一些实施例中，对像素的布置形式和数量进行了各种的改变。附加地或可替代地，在图8至图10中，第二像素px2具有矩形形状，并且激活器ap以圆形形状被示出，但是本公开不限于此，并且可以以各种形状实现像素和操作单元。
116.图8至图10没有示出其中各自位于第n-1行、第n行和第n+1行中的三个第二像素px2彼此连接的所有布线，但是第n-1行中的三个第二像素px2可以以3:1的比例连接到第n行中的三个第二像素px2，并且第n行中的三个第二像素px2可以以3:1的比例连接到第n+1行中的三个第二像素px2。在一些实施例中，第n-1行中的三个第二像素px2可以连接到第n行的三个第二像素px2中的至少一个，并且第n行中的三个第二像素px2可以连接到第n+1行的三个第二像素px2中的至少一个。
117.参考图8和图9，与第n-1行中的第二像素px2相对应的第n-2行中的第二像素px2的输出数据和权重值分别被输入到第n-1行中的第二像素px2。这里，第n-2行的第二像素px2的输出数据和权重值可以是神经网络输入信号(或神经网络输入数据)。
118.激活器ap可以分别将表示第n-2行中的第二像素px2的输出数据和权重值的神经网络输入数据提供给第n-1行中的第二像素px2。例如，x
n-2aw0a
的值可以被输入到位于第n-1
行的第一列中的第二像素px2，x
n-2bw0b
的值可以被输入到位于第n-1行的第二列中的第二像素px2，并且x
n-2cw0c
的值可以被输入到位于第n-1行的第三列中的第二像素px2。
119.第n-1行中的第二像素px2可以将通过表示所输入的第n-2行中的第二像素px2的输出数据和权重值而生成的输出数据提供给激活器ap。例如，从第n-1行中的第二像素px2输出的数据可以是x
n-1a
、x
n-1b
和x
n-1c
。激活器ap可以将权重值反映并添加到第n-1行中的每个第二像素px2的输出数据，以提供作为第n行中的第二像素px2的输入数据的权重值。
120.根据图1至图5中示出的实施例，激活器ap包括有源电路ac和时序控制器350。因此，激活器ap可以接收连接到前一行的第二像素px2的输出数据，并且对接收到的相应第二像素px2的输出数据求和。附加地或可替代地，权重值可以被反映回求和后的值，并且可以作为神经网络输入信号被输出到连接至下一行的第二像素px2。从前一行接收的第二像素px2的输出数据可以是神经网络输出信号。
121.通过上述方法，第n行中的第二像素px2可以反映第n-1行中的第二像素px2的神经网络输入信号以生成输出数据，并且可以将输出数据提供给激活器ap。
122.参考图10，位于第n行中的第二像素px2分别连接到位于第n-1行中的第二像素px2和位于第n+1行中的第二像素px2。
123.因此，位于第n-1行中的第二像素px2可以将表示输出数据和权重值的值提供给位于第n行中的第二像素px2中的每一个，并且位于第n行中的第二像素px2可以将表示输出数据和权重值的值提供给位于第n+1行中的第二像素px2中的每一个。
124.在实施例中，由每行提供的输出数据可以是神经网络输出电压(或神经网络输出信号)，并且从每行提供的表示输出数据和权重值的值是神经网络输入电压(或神经网络输入信号)。
125.在下文中，将参考图11和图12描述在根据实施例的显示装置中实施人工神经网络模式时的结构和操作。图11示出了其中多个像素在根据实施例的显示装置中被连接的示例的电路图，并且图12示出了图11中示出的多个像素的操作的示例的时序图。
126.参考图11，根据实施例的显示装置可以包括多个像素px和有源电路ac。图11中示出的每个像素px是图5的第二像素px2，并且在下文中，像素px是指第二像素px2。在实施例中，显示装置可以由第二像素px2配置。
127.位于第i行中的多个像素px通过第二节点(节点2)连接到有源电路ac。换句话说，在每个像素px中，第四晶体管t4的第二电极通过电阻器r连接到有源电路ac。有源电路ac连接在第二节点(节点2)与输出端子vo之间，并且输出端子vo连接到神经网络输出线nol。
128.在本实施例中，有源电路ac可以与用于应用前述人工神经网络算法的激活函数相对应。
129.在实施例中，有源电路ac可以被实现为电流镜像电路。电流镜像电路包括多个晶体管，并且可以将具有期望电流值的电流供应给期望电路。在本实施例中，电流镜像电路包括两个有源晶体管at1和at2，并且有源晶体管at1和at2中的每一个被示出为p型晶体管。在一些实施例中，电流镜像电路中包括的晶体管的数量可以改变，并且每个晶体管可以被实现为n型晶体管。
130.在有源电路ac中，第一有源晶体管at1的第一电极和栅电极连接到第二节点(节点2)，并且第二有源晶体管at2的栅电极连接到第一有源晶体管at1的栅电极和第一有源晶体
管at1的第一电极。第二有源晶体管at2的第一电极连接到第二节点(节点2)。
131.第一有源晶体管at1和第二有源晶体管at2的驱动电压可以取决于第二节点(节点2)的电压而确定。施加到第二有源晶体管at2的第一电极的电流可以具有与施加到第一有源晶体管at1的第一电极的电流相同的值。例如，镜像电流im可以具有与有源电流ia相同的值。因此，输出端子vo的电压可以由有源电流ia与电阻器r的电阻相乘后的值确定。
132.输出端子vo连接到神经网络输出线nol，因此输出端子vo的电压可以通过神经网络输出线nol提供给时序控制器350。例如，有源电路ac可以通过计算与连接到有源电路ac的多个像素px相对应的有源电流ia来将神经网络输出电压提供给神经网络输出线nol。此后，时序控制器350可以通过表示与所提供的神经网络输出电压相对应的权重值来生成权重值控制信号wcs。时序控制器350将权重值控制信号wcs提供给数据驱动器340，并且数据驱动器340可以基于权重值控制信号wcs生成神经网络输入电压，以通过连接到位于第i+1行中的多个像素px的数据线dl提供神经网络输入电压。
133.也可以以与上述第i行的多个像素px相同的方式驱动位于第i+1行中的多个像素px。
134.将参考图12描述第i行的连接到第j列的数据线dlj、第j+1列的数据线dlj+1和第j+2列的数据线dlj+2的像素px的操作作为示例。
135.首先，当描述连接到第i行中的扫描线sli和第j列中的数据线dlj的驱动电路单元dcu的驱动时，低电平扫描信号被施加到第i行的扫描线sli，并且代表权重值的神经网络输入电压(或神经网络输入信号)被施加到第j列中的数据线dlj。因此，第一节点电流in通过驱动电路单元dcu被施加到第一节点(节点1)。
136.此后，当低电平神经网络控制信号被施加到第i神经网络控制线nli时，第四晶体管t4导通，并且有源电流iaa通过第四晶体管t4和电阻器r被施加到第二节点(节点2)。在这种情况下，由于高电平信号或发光控制信号不被施加到第i行的发光控制线eli，因此第三晶体管t3截止。
137.有源电流iab被施加到连接至第i行中的扫描线sli和第j+1列中的数据线dlj+1的像素px的第二节点(节点2)，并且有源电流iac被施加到连接至第i行中的扫描线sli和第j+2列中的数据线dlj+2的像素px的第二节点(节点2)。
138.因此，与位于第j列、第j+1列和第j+2列中的像素px相对应的有源电流ia在第二节点(节点2)处被求和并且被施加到有源电路ac。在一些实施例中，施加到第二节点(节点2)的有源电流ia可以取决于连接到有源电路ac的多个像素px的数量而变化。
139.施加到有源电路ac的有源电流ia变成可以与有源电流ia相同的镜像电流im，并且输出端子vo的电压可以由镜像电流im与电阻器r的电阻相乘后的值确定。
140.输出端子vo连接到神经网络输出线nol，因此输出端子vo的电压可以通过神经网络输出线nol提供给时序控制器350。例如，有源电路ac可以通过计算与连接到有源电路ac的多个像素px相对应的有源电流ia来将神经网络输出电压提供给神经网络输出线nol。
141.也可以以与上述连接到第i行的扫描线sli和第j列的数据线dlj的像素px相同的方式驱动连接到第i行的扫描线sli和第j+1列的数据线dlj+1的像素px以及连接到第i行的扫描线sli和第j+2列的数据线dlj+2的像素px。
142.因此，在根据实施例的显示装置中，当像素不发光时，可以通过将像素用作人工神
经网络的网络来进行通过深度学习推断的操作而不增加构成元件。因此，可以发生显示装置的制造成本的降低，并且可以生产更纤薄的显示装置。
143.虽然已经参考本公开的某些实施例示出并描述了本公开，但是本领域技术人员将理解，在不脱离如由所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以在本文中在形式和细节上进行各种改变。
144.因此，本公开的技术范围可以由所附权利要求的技术范围来确定。