-
公开(公告)号：CN114781634A
公开(公告)日：2022-07-22
申请号：CN202210701266.3
申请日：2022-06-21
Applicant: 之江实验室
Abstract: 本发明公开一种基于忆阻器的神经网络阵列的自动映射方法和装置，该方法包括：步骤一，根据神经网络模型，确定所需忆阻器物理阵列参数以及神经网络模型每层的原始计算阵列大小；步骤二，根据忆阻器物理阵列的单次运算能计算的最大卷积数，对原始计算阵列进行分割，获得子计算阵列；步骤三，坐标化忆阻器物理阵列，对子计算阵列按照输入向量数，从多到少排列，映射至忆阻器物理阵列；步骤四，根据步骤二至步骤三的计算阵列的分割记录，对神经网络模型每层的原始计算阵列的输入特征图进行对应的分割，计算出映射后的物理阵列的位置坐标作为所匹配的输入特征图的区域坐标。本发明减少了整体系统所占用的面积，提高了忆阻器阵列的算力和物理利用率。
-
Patent Agency Ranking
公开(公告)号：CN118647256A
公开(公告)日：2024-09-13
申请号：CN202411110209.3
申请日：2024-08-14
Applicant: 之江实验室
Abstract: 本发明公开了一种电流极性可调的铁酸铋光电器件及调控方法，该铁酸铋光电器件是通过改变入射激光的波长，调控铁酸铋薄膜样品的面外畴结构，调控光生载流子的分离和迁移特性，实现对铁酸铋光电器件光电流方向的调控。其方法引入了调控光电流极性新的物理手段，引入了调控光电流极性新的物理机制；且读取光电流的测试过程中，无需任何外加电压，实现了低功耗。
-
公开(公告)号：CN118522329A
公开(公告)日：2024-08-20
申请号：CN202410977446.3
申请日：2024-07-22
Applicant: 之江实验室
IPC: G11C13/00
Abstract: 本发明公开了一种基于预定点的多值忆阻器编程方法和装置，预先设置编程参数，并对忆阻器单元进行初始化；在栅压控制的情况下，对忆阻器单元进行扫描，统计数据并进行拟合，得到拟合曲线；根据拟合曲线，得到测试对象的目标测试值对应的初始栅极控制电压，并初始化编程次数；获取测试对象的测量值，并判断测量值是否在目标范围内；如果测量值在目标范围内，则编程成功，退出编程过程；反之，则对忆阻器单元进行栅压调节，并增加编程次数；判断编程次数是否大于最大编程次数：如果大于最大编程次数，则证明本次编程失败，该忆阻器可能已损坏；反之则重复上述步骤，直到编程成功。本发明可大幅提高器件的编程效率，并且有效提高器件的使用寿命。
-
公开(公告)号：CN117406982B
公开(公告)日：2024-05-10
申请号：CN202311339594.4
申请日：2023-10-12
Applicant: 之江实验室
Abstract: 本说明书公开了一种存算一体应用生成系统和生成方法、存储介质及设备。该存算一体应用生成系统包括：资源管理模块、模型开发模块以及应用开发模块；资源管理模块用于提供AI模型、模型算子、训练数据集、编译器以及开发框架；模型开发模块用于接收模型开发指令，判断资源管理模块中是否存储有目标模型，若是，调用目标模型，否则确定用户选择的各目标模型算子，并基于各目标模型算子构建目标模型，以及，从资源管理模块中调用训练数据集训练目标模型，调用编译器对训练完成的目标模型进行编译；应用开发模块用于获取应用开发指令，自动生成开发框架的代码并导入编译后的目标模型，得到目标应用程序并部署在存算一体设备中。
-
公开(公告)号：CN117406982A
公开(公告)日：2024-01-16
申请号：CN202311339594.4
申请日：2023-10-12
Applicant: 之江实验室
Abstract: 本说明书公开了一种存算一体应用生成系统和生成方法、存储介质及设备。该存算一体应用生成系统包括：资源管理模块、模型开发模块以及应用开发模块；资源管理模块用于提供AI模型、模型算子、训练数据集、编译器以及开发框架；模型开发模块用于接收模型开发指令，判断资源管理模块中是否存储有目标模型，若是，调用目标模型，否则确定用户选择的各目标模型算子，并基于各目标模型算子构建目标模型，以及，从资源管理模块中调用训练数据集训练目标模型，调用编译器对训练完成的目标模型进行编译；应用开发模块用于获取应用开发指令，自动生成开发框架的代码并导入编译后的目标模型，得到目标应用程序并部署在存算一体设备中。
-
公开(公告)号：CN114781634B
公开(公告)日：2022-11-04
申请号：CN202210701266.3
申请日：2022-06-21
Applicant: 之江实验室
Abstract: 本发明公开一种基于忆阻器的神经网络阵列的自动映射方法和装置，该方法包括：步骤一，根据神经网络模型，确定所需忆阻器物理阵列参数以及神经网络模型每层的原始计算阵列大小；步骤二，根据忆阻器物理阵列的单次运算能计算的最大卷积数，对原始计算阵列进行分割，获得子计算阵列；步骤三，坐标化忆阻器物理阵列，对子计算阵列按照输入向量数，从多到少排列，映射至忆阻器物理阵列；步骤四，根据步骤二至步骤三的计算阵列的分割记录，对神经网络模型每层的原始计算阵列的输入特征图进行对应的分割，计算出映射后的物理阵列的位置坐标作为所匹配的输入特征图的区域坐标。本发明减少了整体系统所占用的面积，提高了忆阻器阵列的算力和物理利用率。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
