-
公开(公告)号：CN117391014A
公开(公告)日：2024-01-12
申请号：CN202210784114.4
申请日：2022-07-05
Applicant: 复旦大学
IPC: G06F30/36 , G06F30/27 , G06F111/04 , G06F111/08
Abstract: 本发明属于集成电路设计中自动优化及贝叶斯优化技术领域，涉及模拟电路自动参数优化方法及贝叶斯优化方法。具体为以多目标优化的方式将多种不同模型集成起来进行并行贝叶斯优化的方法。本方法通过多目标优化的方式集成多种模型，是一种迭代渐进寻优的优化方法。在每轮迭代中，本方法首先将问题转化为基于多种代理模型的决策函数的多目标优化问题。对于概率模型而言，决策函数即为获取函数；对于非概率模型而言，决策函数即为模型的预测均值。之后，本方法从该多目标优化问题的帕累托前沿解中选择多个候选点进行并行仿真。然后本方法更新数据集和代理模型，重复以上步骤直到满足终止条件。本方法可以使用任何机器学习模型，不要求模型提供预测方差。由于集成多种模型，本方法具有较高的灵活性和鲁棒性，算法能跳出局部最优，减少所需的迭代次数。
-
公开(公告)号：CN116908454A
公开(公告)日：2023-10-20
申请号：CN202310871019.2
申请日：2023-07-14
Applicant: 复旦大学附属肿瘤医院
IPC: G01N33/574 , G01N30/02 , G01N21/64 , A61K31/708 , A61K45/06 , A61P35/00 , A61P15/14 , G01N33/573
Abstract: 本发明公开了鸟苷二磷酸甘露糖(GDP‑M)或其上游关键酶GMPPA作为标志物在制备三阴性乳腺癌同源重组修复缺陷(HRD)水平预测产品中的应用。本发明还公开了通过补充GDP‑M和/或GMPPA抑制剂以增敏DNA损伤性药物治疗三阴性乳腺癌的方法。
-
公开(公告)号：CN112734025B
公开(公告)日：2023-07-21
申请号：CN201911028209.8
申请日：2019-10-28
Applicant: 复旦大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明属于人工智能领域，涉及一种基于固定基正则化的神经网络参数稀疏化方法；该方法通过将卷积神经网络中大量卷积核和权重参数分解为多组低秩的固定基的表达形式，并对固定基选择折叠处理，调节低秩参数，在网络模型预训练后，结合固定基部分参数正则化和部分剪枝算法，后期少数步骤进行稀疏化训练。所述方法可用于图片识别分类的应用，通过固定基表示大量网络参数，便于硬件平台的实现的同时降低了计算的复杂度；与现在已经提出的神经网络稀疏化算法相比，所述方法可以在达到同一精度或者更高精度的同时，实现更高的网络稀疏度，大大的减少了参数存储，减少网络训练的时间并提升卷积神经网络在图像分类领域的应用效率。
-
公开(公告)号：CN116151175A
公开(公告)日：2023-05-23
申请号：CN202111387857.X
申请日：2021-11-22
Applicant: 复旦大学
IPC: G06F30/39 , G06F111/04
Abstract: 本发明属于集成电路设计高层次综合技术领域，具体涉及一种基于布尔满足的考虑资源共享高层次综合调度方法。该方法首先根据行为级描述编译生成的数据流图以及高层次综合的配置，构建对应的有向无环图以及基本约束边；然后根据具有共享约束的资源数量，通过迭代调用布尔满足求解器和独立调度程序，寻找出最优的资源共享分组和资源示例绑定结果；最后将寻找到的最优资源共享约束加入到有向无环图中，执行最终的调度，将计算得到的调度结果输出，供高层次综合工具的后续链路使用来生成对应的寄存器传输级电路。应用本发明的方法，可以对部分具有更高电路性能要求的行为级设计，提供具有更高最高可用时钟频率、和更少资源利用率的寄存器传输级电路实现方案。
-
公开(公告)号：CN105608237B
公开(公告)日：2020-06-09
申请号：CN201410663640.0
申请日：2014-11-19
Applicant: 复旦大学
IPC: G06F30/367
Abstract: 本方法属于集成电路领域，涉及一种电路版图后仿真阶段的快速波形预测方法。该方法基于版图前后仿真波形具有极强相关性的事实，首先根据电路全部版图前仿真波形和一小段时间的版图后仿真波形，借助“系统辨识”的技术建立数学模型描述版图前、后仿真的关系，然后将前仿真的波形作为系统输入，通过系统的输出预测全部后仿真波形。应用本发明的方法，可以充分利用版图前、后仿真波形的极强相关性，仅使用版图前仿真波形和一小段时间的版图后仿波形预测全部的后仿波形，极大缩短了获得电路后仿波形所需的时间，并且提供相应检验方法保证预测波形具有较强的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110750948A
公开(公告)日：2020-02-04
申请号：CN201810748599.5
申请日：2018-07-06
Applicant: 复旦大学
IPC: G06F30/36 , G06F30/373 , G06F30/20
Abstract: 本发明属集成电路设计中模拟电路设计参数自动优化领域，具体涉及一种基于高斯过程模型(Gaussian Process)，采用并行贝叶斯优化(Batch Bayesian Optimization)算法的电路优化方法，本方法在每次迭代中，首先构建高斯过程模型，然后由高斯过程模型构建多个获取函数，并对这些获取函数进行多目标优化，得到获取函数的帕累托前沿(Pareto front)，并从帕累托前沿上选择多个进行电路仿真的点。该方法能大幅减少优化过程中电路的仿真次数，获得符合性能要求的模拟电路设计参数，同时可以利用并行优化技术加速电路优化。
-
公开(公告)号：CN104376139B
公开(公告)日：2018-10-26
申请号：CN201310357552.3
申请日：2013-08-15
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于集成电路领域，涉及一种基于谱分析的图同构判断方法；该方法将大规模纯电阻网络图建模为非混合无向简单图，将二维平面图映射成一维分布，根据处理后的一维分布的情况来判定两图是否同构。本发明方法对无向非混合简单图具有判断结果准确、快速的特点，特别是对于大规模无向非混合简单图，所述方法的速度明显快于目前性能较好的Nauty方法，能很好地应用于大规模集成电路中相同子电路的判定、有机化学中同分异构体的判定等领域。
-
公开(公告)号：CN104978447A
公开(公告)日：2015-10-14
申请号：CN201410146475.1
申请日：2014-04-14
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本方法属于集成电路领域，涉及一种晶体管精确近似表格查找模型的建模和估值方法。通过建立非线性电路中晶体管的非均匀网格表格模型，借助简单的哈希映射和辅助的查找表实现仿真过程中待估点的快速查找及其对应物理参数的估值。该方法继承了基于树状模型近似方法自适应划分的优势，解决了当前基于树状结构的非均匀网格模型中单元查找速度慢的问题。通过在非均匀网格上进行三次Hermite样条插值保证表格模型计算的连续性和平滑性，克服了现有技术中导数不连续导致收敛困难的问题，该方法可显著加速仿真过程中晶体管模型计算过程，以可接受的内存需求有效缩短电路仿真中瞬态分析的时间并获得较高的精度。
-
公开(公告)号：CN101964003B
公开(公告)日：2012-09-05
申请号：CN200910055399.2
申请日：2009-07-24
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明涉及一种集成电路可靠性分析方法和装置，该分析方法建立了同时考虑NBTI效应和工艺参数扰动的单元电路延时老化随机分析基准模型，提出了缩放函数以及等效老化时间概念来快速从基准模型求解单元电路在实际工作环境下的延时统计分布，提出了一种电路的预裁剪过程，降低了可靠性分析的复杂度。本发明的装置包括输入单元、输出单元、程序存储单元、外部总线、内存、存储管理单元、输入输出桥接单元、系统总线和处理器。本发明同时考虑了工艺参数扰动、NBTI效应和电路工作环境对可靠性的影响，利用缩放函数、等效老化时间及预裁剪技术可以有效降低可靠性分析的复杂度，实现对超大规模集成电路考虑工艺偏差的可靠性的快速分析。
-
公开(公告)号：CN102270262A
公开(公告)日：2011-12-07
申请号：CN201110242192.3
申请日：2011-08-23
Applicant: 复旦大学
IPC: G06F17/50
Abstract: 本发明属于集成电路技术领域，具体为一种集成电路仿真模拟波形压缩和解压缩方法及装置。对于压缩方法，首先将输入的模拟波形数据流按照仿真时间的特性分割成时间片，对于每一个时间片内，划分出I帧和P帧，对I帧进行判断零值存储操作；对于P帧，与I帧求残差，然后进行量化，自适应算术编码，存储。解压过程与压缩过程相反。装置包括输入单元、输出单元、程序存储单元、外部总线、内存、存储管理单元、输入输出桥接单元、系统总线和处理器；在程序存储单元中存储有压缩和解压缩程序。本发明对模拟波形进行压缩，可以有效的减少占用的存储空间，以很低的计算复杂度达到很高的压缩比。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.023 seconds)
