公开(公告)号：CN116151137A

公开(公告)日：2023-05-23

申请号：CN202310448224.8

申请日：2023-04-24

Applicant: 之江实验室

Inventor： 张卫星 ,  蒋纪琼 ,  祝天健 ,  杨非 ,  潘爱民

IPC: G06F30/27 ,  G06F9/50 ,  G06F9/455 ,  G06F9/48 ,  G06F111/10 ,  G06F111/08

Abstract: 本说明书公开了一种仿真系统、方法及装置，仿真系统为分布式系统，其中包括任务分割单元、调度单元和工作节点，仿真系统用于确定业务系统在指定业务策略下执行模拟业务的模拟结果。其中，由任务分割单元生成仿真任务，将仿真任务分割为多个子任务，调度单元向各工作节点分配各子任务，并确定各工作节点的实时负载，从而基于实时负载对已分配的各任务进行重新分配，工作节点执行分配的子任务得到任务执行结果，由调度单元根据各工作节点的任务执行结果确定模拟结果。由于仿真系统是分布式系统，可以基于多个工作节点的算力资源，满足业务系统执行模拟业务的资源需求，提高业务系统执行模拟业务的效率，并提升业务策略的优化效率。

公开(公告)号：CN115237581B

公开(公告)日：2022-12-27

申请号：CN202211148225.2

申请日：2022-09-21

Applicant: 之江实验室

Inventor： 朱世强 ,  潘爱民 ,  高丰

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/455 ,  G06N3/08

Abstract: 本发明属于智能计算技术领域，涉及一种面向异构算力的多策略智能调度方法和装置，该方法包括：步骤一，基于计算集群的异构性、计算任务的差异和用户需求，设定任务的执行策略，采用强化学习方法并结合所述执行策略，构建马尔可夫决策过程模型；步骤二，基于构建的马尔可夫决策过程模型，采用近端策略优化算法求解用户计算任务的最优任务调度策略；步骤三，基于最优任务调度策略，将任务调度到所对应的集群上执行。本发明是通过强化学习的方法，以用户为中心设计异构算力构建多策略的调度方法，能根据不同算力中心异构算力集群的状态自学习式地找出最优任务调度方案，从而以成本划算的方式提升算力的利用率，满足用户计算任务的需求。

公开(公告)号：CN115268877A

公开(公告)日：2022-11-01

申请号：CN202211177798.8

申请日：2022-09-27

Applicant: 之江实验室

Inventor： 王宏升 ,  陈光 ,  曾令仿 ,  潘爱民

IPC: G06F8/30 ,  G06F8/41 ,  G06N3/04 ,  G06T1/40

Abstract: 本发明公开了一种用于图计算并行执行的中间表示方法及装置，包括以下步骤：步骤S1：将神经网络编译为计算图；步骤S2：定义计算图中张量变量的分支状态；步骤S3：定义计算图中张量变量的数据依赖关系；步骤S4：定义计算图中张量变量的控制依赖关系；步骤S5：构建计算图中张量变量的数据依赖关系图；步骤S6：构建计算图中张量变量的控制依赖关系图；步骤S7：将控制依赖转换为数据依赖。本发明从全局角度分析计算图执行过程中计算图中不同分支线程的张量变量之间的依赖关系以及基于依赖关系推导全局计算图中可并行执行分支线程的并行计算方法，通过分析计算图执行过程中不同分支线程的张量变量之间的依赖关系，优化计算图的编译效率。

公开(公告)号：CN117611425B

公开(公告)日：2024-06-11

申请号：CN202410067171.X

申请日：2024-01-17

Applicant: 之江实验室

Inventor： 华剑峰 ,  高翔 ,  潘爱民

IPC: G06T1/20 ,  G06F9/48 ,  G06F9/50 ,  G06F9/445

Abstract: 本申请涉及一种图形处理器算力配置方法、装置、计算机设备和存储介质，通过在第一算力超出图形处理器的算力配额的情况下，根据历史算力数据，计算待处理任务的延迟执行概率，根据待处理任务的延迟执行概率决策是否延迟执行待处理任务，其中，第一算力包括图形处理器的当前实际算力使用量以及待处理任务执行所需的理论算力使用量，历史算力数据包括多个采样时间中图形处理器进程的算力使用量，由于在可能超配的情况下并未直接延迟执行待处理任务，而是根据历史算力数据决策是否延迟执行待处理任务，保证了图形处理器的算力使用量能够稳定在算力配额附近，解决了图形处理器的算力资源利用率较低的问题，提高了图形处理器算力分配的准确度与稳定性。

公开(公告)号：CN117681213B

公开(公告)日：2024-05-31

申请号：CN202410154724.5

申请日：2024-02-04

Applicant: 之江实验室

Inventor： 纪政 ,  陈韬 ,  邱鹏 ,  潘爱民

IPC: B25J9/16

Abstract: 本发明公开了一种工业机器人运动轨迹规划及评价方法和装置，属于工业机器人控制技术领域，包括：以工业机器人DH模型参数和轨迹起止点关节角度作为输入数据，通过随机控制点二叉树模型生成轨迹控制点集合，利用轨迹控制点集合进行B样条插值计算获取一条光滑轨迹空间曲线，然后计算轨迹曲线的能量、曲率和挠率等表征数据，以便评估轨迹的运动效率、弯曲程度和空间扭曲幅度，从而实现工业机器人运动轨迹规划及评价。本发明将工业机器人参数模型、随机控制点二叉树模型、B样条曲线插值模型和轨迹评价模型有序融合形成完备的运动轨迹规划及评价系统，能够为用户提供简单便捷、低成本且高精度的运动轨迹规划和优选路径输出服务。

公开(公告)号：CN117555697B

公开(公告)日：2024-04-05

申请号：CN202410043642.3

申请日：2024-01-11

Applicant: 之江实验室

Inventor： 张婷 ,  刘仪阳 ,  肖衍佳 ,  潘爱民 ,  侯聪聪 ,  洪泓

IPC: G06F9/50 ,  G06F18/214

Abstract: 本说明书公开的一种面向分布式训练的缓存加载系统、方法、装置及设备中，管理节点确定各计算节点对应的数据加载任务，并将待训练模型的向无环图以及数据加载任务发送给各计算节点。然后第一子节点用于负责数据加载，先根据有向无环图确定无依赖关系的计算节点需要的数据并进行加载，再当接受到第二子节点的加载请求时，判断该数据是否被加载过，若是，将加载了该数据的第一子节点的标识发送给该第二子节点，若否，则获取待加载的数据后返回给对应的第二子节点，第二子节点根据第一子节点的返回，获取待加载数据，执行训练任务。减少了计算节点向远计算端数据源的访问，降低了远计算端的I/O口堵塞、资源抢占等状况的出现，提高了模型训练的效率。

公开(公告)号：CN117349401A

公开(公告)日：2024-01-05

申请号：CN202311665185.3

申请日：2023-12-06

Applicant: 之江实验室

Inventor： 张夏昭 ,  刘仪阳 ,  洪泓 ,  杨磊 ,  潘爱民

IPC: G06F16/31 ,  G06F16/33 ,  G06F16/35 ,  G06F40/205

Abstract: 在本说明书提供的一种非结构化数据的元数据存储方法、装置、介质及设备中，通过响应于第一用户输入的包含非结构化数据的元数据存储请求，对非结构化数据的提取，确定符合预设元数据分类的原始数据。再通过对原始数据的解析，确定原始数据中对应预设元数据分类的结构化元数据。最后将结构化元数据存储在湖仓一体存储平台中，供第二用户检索并管理。使得不同权限的用户能够高效的检索并管理非结构化数据中需要管理的结构化元数据。

公开(公告)号：CN117037913A

公开(公告)日：2023-11-10

申请号：CN202311285979.7

申请日：2023-10-07

Applicant: 之江实验室

Inventor： 彭爽 ,  杨非 ,  孙柠 ,  潘爱民

IPC: G16B30/10 ,  G06F18/23 ,  G06F18/22

Abstract: 本说明书公开了一种蛋白质多序列比对方法、装置、存储介质及电子设备。所述蛋白质多序列比对方法包括：获取待比对蛋白质序列的特征表示，并将待比对蛋白质序列的特征表示拆分为指定数量的子特征表示，针对每个子特征表示，确定该子特征表示和预先确定的各聚类中心特征表示中与该子特征表示相对应的每个各聚类中心特征表示之间的相似度，并根据相似度确定每个子特征表示对应的目标聚类中心，从各基础蛋白质序列中确定出与目标聚类中心相匹配的各基础蛋白质序列，作为各候选蛋白质序列，将待比对蛋白质序列与每个候选蛋白质序列进行比对，得到与待比对蛋白质相匹配的目标蛋白质序列，并根据待比对蛋白质和目标蛋白质序列进行任务执行。

公开(公告)号：CN116821778A

公开(公告)日：2023-09-29

申请号：CN202311103044.2

申请日：2023-08-30

Applicant: 之江实验室

Inventor： 陈升 ,  潘爱民 ,  杨非 ,  梅哲炜 ,  李振廷

IPC: G06F18/24 ,  A61B5/11 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084

Abstract: 本申请涉及一种基于WIFI信号的步态识别方法、装置和可读存储介质，其中，基于WIFI信号的步态识别方法包括：通过利用不同环境下采集的训练样本对所述步态特征提取器、环境判别器以及步态识别器进行训练，以使得所述特征提取器提取的所述人体步态特征包含人体步态信息的同时不包含环境信息作为目的，得到训练完成的步态识别模型，通过将所述第一时频图输入至训练完成的步态识别模型，输出所述待测对象所对应的身份信息。解决了相关技术中步态识别模型对环境变化敏感的问题，实现了步态识别模型的跨环境应用。

公开(公告)号：CN115756474A

公开(公告)日：2023-03-07

申请号：CN202211177783.1

申请日：2022-09-27

Applicant: 之江实验室

Inventor： 王宏升 ,  潘爱民 ,  陈光

IPC: G06F8/41 ,  G06T1/40 ,  G06N3/0475

Abstract: 本发明公开了一种用于计算图编译的中间表示方法，包括如下步骤：步骤1、将神经网络编译为用于神经网络计算的计算图；步骤2、为计算图中每个张量变量构建节点；步骤3、将计算图中表示张量变量的节点关联到指向所述张量变量的指针集合；步骤4、分析计算图中张量变量之间的约束关系；步骤5、基于计算图张量变量的约束关系迭代地构建中间表示的拓扑图；步骤6、基于中间表示分析指向相同内存位置的不同别名的张量变量，并为其分配寄存器。本发明提供了一种针对所述计算图中指向同一块内存位置的存在别名关系的张量变量之间的分析方法，本发明提出的用于计算图编译的中间表示方法优化了计算图中指向相同内存位置的张量变量的编译效率。