公开(公告)号：CN117388319A

公开(公告)日：2024-01-12

申请号：CN202311272984.4

申请日：2023-09-27

Applicant: 之江实验室

Inventor： 徐鸿博 ,  毛海荣 ,  张帅 ,  曾令仿 ,  陈光 ,  蔡志翔 ,  戴雨洋 ,  程稳

IPC: G01N27/04

Abstract: 本发明公开了一种面向芯粒互连焊点的界面金属间化合物电阻率测量方法，首先在基板表面依次形成阻挡层、金属种子层、第一金属层和第二金属层；随后低温回流引发原位冶金反应，然后通过固相热处理推进金属间化合物平坦化生长，并通过电解抛光去除未反应的第二金属层，得到面向芯粒互连焊点的界面金属间化合物；最后通过四探针法测试依附于基板的可测试性的面向芯粒互连焊点的界面金属间化合物的电阻率。本发明技术可制备层厚可控、成分准确、高表面平整度、高致密度的可测试性界面金属间化合物，为芯粒互连焊点界面金属间化合物电阻率测量提供了一条可行路径，其实现方法简单，技术灵活，具有普适性。

公开(公告)号：CN116776135A

公开(公告)日：2023-09-19

申请号：CN202311072802.9

申请日：2023-08-24

Applicant: 之江实验室

Inventor： 胡陈枢 ,  曾令仿 ,  陈光 ,  王鹏程 ,  陈晨 ,  戴雨洋 ,  吕波 ,  程稳 ,  朱健 ,  侯瑞峥 ,  徐鸿博

IPC: G06F18/2136 ,  G06N3/0464

Abstract: 本说明书公开了一种基于神经网络模型的物理场数据预测方法及装置，可以根据物理场数据整体在数据空间中各空间区域的数据稀疏情况，来对物理场数据进行划分，得到各分块数据，这样可以将具有计算价值的数据从物理场数据的整体中分割出来，使得预测模型对有价值的分块数据进行计算，以完成物理场数据的预测任务，从而相比于现有技术来说，可以显著的提升预测模型的运算效率。

公开(公告)号：CN117952182B

公开(公告)日：2024-06-14

申请号：CN202410345301.1

申请日：2024-03-25

Applicant: 之江实验室

Inventor： 崔钰 ,  刘懿 ,  程稳 ,  戴雨洋 ,  吕波 ,  黄章敏 ,  曾令仿 ,  陈光

IPC: G06N3/084 ,  G06N3/092

Abstract: 本说明书公开了一种基于数据质量的混合精度模型训练方法及装置。所述任务执行方法包括：服务器首先接收训练指令，并执行训练指令，以获取目标模型，将预设的样本数据输入到预设的精度调整模型中，得到针对目标模型中包含的每个网络层对应关联数据的调整后精度。并根据调整后精度，对目标模型进行精度调整，得到调整后目标模型，并将样本数据输入调整后目标模型中，得到针对样本数据的预测结果，以最小化预测结果与样本数据对应的实际结果之间的偏差，以及最小化调整后目标模型处理样本数据所消耗的时间为优化目标，对目标模型以及精度调整模型进行训练。

公开(公告)号：CN117892769A

公开(公告)日：2024-04-16

申请号：CN202410296736.1

申请日：2024-03-15

Applicant: 之江实验室

Inventor： 范文杰 ,  戴雨洋 ,  李勇 ,  曾令仿 ,  陈光

IPC: G06N3/045 ,  G06N3/084 ,  G06F9/50

Abstract: 本申请涉及一种神经网络训练方法、显存调度方法、系统、设备和产品，通过对第一神经网络在训练过程中的多个张量执行显存调度，记录各张量在显存调度期间对应的显存信息和重用距离，显存信息包括对应于各张量的显存占用量、显存利用率以及适用于各张量的显存释放模式；以各张量的显存占用量、显存利用率和重用距离作为样本数据的输入，以适用于各张量的显存释放模式作为样本数据的输出，构建训练数据集；根据训练数据集训练初始的第二神经网络，得到经训练的第二神经网络，经训练的第二神经网络可作为线上显存优化的决策引擎，使得决策引擎能够适用于多GPU训练场景的显存调度。

公开(公告)号：CN116384321A

公开(公告)日：2023-07-04

申请号：CN202310384336.1

申请日：2023-04-11

Applicant: 之江实验室

Inventor： 陈晨 ,  张莹 ,  戴雨洋 ,  刘懿 ,  程稳 ,  李勇 ,  陈光 ,  曾令仿

IPC: G06F30/394 ,  G06F30/392 ,  G06F30/398 ,  G06F30/27 ,  G06N3/048 ,  G06N3/092

Abstract: 一种基于深度强化学习的2.5D总体布线方法，包含：步骤1：压缩，将3D总体布线问题压缩为2D总体布线问题；步骤2：数据预处理，包括将多引脚线网按半周长模型升序排序，然后基于直角Steiner最小树算法做拆解，线网拆解的子网再排序。步骤3：基于深度强化学习针对步骤2获得的两引脚对数据点对点布线，获得2D的总体布线方案，若布线方案有溢出，输出拥塞信息；否则执行步骤4。步骤4：通过直角结构层分配技术基于2D的总体布线方案获得3D的总体布线方案。本发明还包括一种基于深度强化学习的2.5D总体布线系统。本发明将多层总体布线问题压缩后基于深度强化学习进行求解，再利用层分配技术获得3D总体布线方案，有效降低算力成本并提高总体布线性能。

公开(公告)号：CN117952182A

公开(公告)日：2024-04-30

申请号：CN202410345301.1

申请日：2024-03-25

Applicant: 之江实验室

Inventor： 崔钰 ,  刘懿 ,  程稳 ,  戴雨洋 ,  吕波 ,  黄章敏 ,  曾令仿 ,  陈光

IPC: G06N3/084 ,  G06N3/092

Abstract: 本说明书公开了一种基于数据质量的混合精度模型训练方法及装置。所述任务执行方法包括：服务器首先接收训练指令，并执行训练指令，以获取目标模型，将预设的样本数据输入到预设的精度调整模型中，得到针对目标模型中包含的每个网络层对应关联数据的调整后精度。并根据调整后精度，对目标模型进行精度调整，得到调整后目标模型，并将样本数据输入调整后目标模型中，得到针对样本数据的预测结果，以最小化预测结果与样本数据对应的实际结果之间的偏差，以及最小化调整后目标模型处理样本数据所消耗的时间为优化目标，对目标模型以及精度调整模型进行训练。

公开(公告)号：CN117077817B

公开(公告)日：2024-01-30

申请号：CN202311328295.0

申请日：2023-10-13

Applicant: 之江实验室

Inventor： 黄章敏 ,  孙辰晨 ,  戴雨洋 ,  程稳 ,  李勇 ,  曾令仿

IPC: G06N20/00 ,  G06N3/098 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/25 ,  G06F18/22

Abstract: 本说明书公开了一种基于标签分布的个性化联邦学习模型训练方法及装置。所述任务执行方法包括：根据获取到的目标模型的初始化模型参数，针对每个客户端，将初始化模型参数发送给该客户端，以使该客户端在本地部署待训练模型，并通过该客户端的本地数据，对待训练模型进行训练，并获取各客户端训练更新后的模型参数，以及每个客户端训练各自的待训练模型时所使用的本地数据的标签分布，以得到每个客户端对应的客户端簇。针对每个客户端，融合该客户端对应的客户端簇中包含的各客户端发送的更新后的模型参数，并将融合后参数下发给该客户端，以使该客户端根据所述融合后参数，对本地(56)对比文件CN 115577360 A,2023.01.06CN 116471286 A,2023.07.21CN 113033820 A,2021.06.25CN 114758784 A,2022.07.15WO 2022162677 A1,2022.08.04WO 2022111639 A1,2022.06.02Sarhad Arisdakessian 等.TowardsInstant Clustering Approach for FederatedLearning Client Selection《.2023International Conference on Computing,Networking and Communications (ICNC)》.2023,409-413.郑美光 等.基于互信息软聚类的个性化联邦学习算法《.计算机工程》.2023,第49卷(第8期),20-28.何杨.物联网中基于联邦学习的数据共享关键技术研究 《.中国优秀硕士学位论文全文数据库 信息科技辑》.2023,第2023年卷(第2期),I136-1293.Pu Tian 等.WSCC: A Weight-Similarity-Based Client Clustering Approach for Non-IID Federated Learning《.IEEE Internet ofThings Iournal》.2022,第9卷(第20期),20243-20256.

公开(公告)号：CN117057442A

公开(公告)日：2023-11-14

申请号：CN202311298511.1

申请日：2023-10-09

Applicant: 之江实验室

Inventor： 黄章敏 ,  孙辰晨 ,  戴雨洋 ,  李勇 ,  张莹 ,  程稳 ,  陈光 ,  曾令仿

IPC: G06N20/00 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本说明书公开了一种基于联邦多任务学习的模型训练方法、装置及设备，中心服务器将各客户端对应的初始模型参数发送给各客户端，以使各客户端对基于各自的初始模型参数得到的模型进行训练，并将训练后的模型的优化模型参数返回给中心服务器，中心服务器根据各客户端对应的优化模型参数，确定各客户端对应的对优化模型参数进行加权的权重，并根据各客户端对应的对各优化模型参数进行加权的权重，确定适用于各客户端的模型参数，得到适用于各客户端的模型。由于各客户端的数据分布存在差异，因此本方法在模型的每次迭代训练过程中，根据权重确定各客户端的模型参数，使得各客户端得到更加泛化的模型的同时，可得到适用于各自数据分布的个性化模型。

公开(公告)号：CN116562218A

公开(公告)日：2023-08-08

申请号：CN202310493297.9

申请日：2023-05-05

Applicant: 之江实验室

Inventor： 戴雨洋 ,  张莹 ,  崔钰 ,  陈晨 ,  陈光 ,  曾令仿

IPC: G06F30/392 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/092

Abstract: 一种基于强化学习实现矩形宏单元的布图规划方法，包含：根据公开数据集ispd2005整理宏单元和标准单元信息；用GCN对宏单元编码；将宏单元按照面积从大到小排序，将排好顺序的宏单元信息和宏单元编码作为双线性模型的输入，提取环境特征；根据宏单元大小计算掩模矩阵确定当前宏单元可摆放的范围；将环境特征作为强化学习策略网络的输入，策略网络输出宏单元摆放位置的概率；根据策略网络的输出和掩模矩阵确定宏单元的位置；奖励函数设为总线长、拥塞程度和布局密度的加权和。还包括一种基于强化学习实现矩形宏单元的布图规划系统。本发明在满足宏单元互相不相交的约束条件下，为用强化学习求解不同大小的矩形宏单元的布图规划问题提供了一种解决方案。

公开(公告)号：CN117077817A

公开(公告)日：2023-11-17

申请号：CN202311328295.0

申请日：2023-10-13

Applicant: 之江实验室

Inventor： 黄章敏 ,  孙辰晨 ,  戴雨洋 ,  程稳 ,  李勇 ,  曾令仿

IPC: G06N20/00 ,  G06N3/098 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/25 ,  G06F18/22

Abstract: 本说明书公开了一种基于标签分布的个性化联邦学习模型训练方法及装置。所述任务执行方法包括：根据获取到的目标模型的初始化模型参数，针对每个客户端，将初始化模型参数发送给该客户端，以使该客户端在本地部署待训练模型，并通过该客户端的本地数据，对待训练模型进行训练，并获取各客户端训练更新后的模型参数，以及每个客户端训练各自的待训练模型时所使用的本地数据的标签分布，以得到每个客户端对应的客户端簇。针对每个客户端，融合该客户端对应的客户端簇中包含的各客户端发送的更新后的模型参数，并将融合后参数下发给该客户端，以使该客户端根据所述融合后参数，对本地部署的待训练模型进行参数更新，以通过更新后的模型执行目标任务。