公开(公告)号：CN115456149A

公开(公告)日：2022-12-09

申请号：CN202211221881.0

申请日：2022-10-08

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  权璞丽 ,  李国齐 ,  崔小欣 ,  周晖晖 ,  高文

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种脉冲神经网络加速器学习方法、装置、终端及存储介质，包括：获取前向运算所需数据，并根据前向运算数据在前向运算引擎中进行第一卷积运算和自组织迁移运算，得到前向运算结果；根据前向运算结果在后向运算引擎中进行第二卷积运算和梯度运算，得到后向运算结果；根据后向运算结果进行梯度更新运算，并根据梯度更新运算的结果更新脉冲神经网络加速器的梯度参数。本发明可以高效处理基于BPTT的脉冲神经网络学习，从而确保了SNN的精度，端到端的解决了SNN学习问题。

公开(公告)号：CN117149696A

公开(公告)日：2023-12-01

申请号：CN202311071600.2

申请日：2023-08-23

Applicant: 鹏城实验室

Inventor： 周晖晖 ,  徐晓峰 ,  李国齐 ,  崔小欣 ,  田永鸿

IPC: G06F15/163 ,  G06F15/78

Abstract: 本申实施例提供了一种核间通信方法、装置、电子设备及存储介质，属于人工智能技术领域，核间通信方法包括：获取多个匹配标签；根据各个匹配标签生成解锁消息，并将各个解锁消息分别发送至对应的第二核，以使各个第二核根据解锁消息进行输出解锁，并生成数据消息；获取多个数据消息，并根据多个匹配标签判断通信数据是否接收完整；当通信数据接收完整，根据多个通信数据进行数据消费，并重新发送解锁消息至第二核。本申请实施例通过匹配标签的设置，使得第一核与第二核能够通过解锁消息和数据消息一次性完成数据传输，实现了高效的端到端流控，缩短了数据传输与数据消费的衔接时间，提高了核间通信的通信效率。

公开(公告)号：CN119167995A

公开(公告)日：2024-12-20

申请号：CN202410237508.7

申请日：2024-03-01

Applicant: 北京大学 ,  鹏城实验室

Inventor： 崔小欣 ,  王煜辉 ,  周晖晖

IPC: G06N3/0464 ,  G06N3/08 ,  G06F13/28

Abstract: 本发明公开一种神经网络加速器、方法及电子芯片，其中，神经网络加速器，包括：直接内存访问模块、全局控制模块、运算模块和片内存储模块；直接内存访问模块用于加载特征数据、权重数据和指令数据；直接内存访问模块从片内存储模块读取特征数据和权重数据分发给运算模块，并将运算结果写回到片内存储模块；全局控制模块用于在收到启动工作指令时将存储的指令数据分发给运算模块以对运算模块进行控制信息配置；运算模块，用于根据全局控制模块分发的指令数据控制执行基于Winograd算法的神经网络运算；片内存储模块，用于加载的特征数据、权重数据、运算中间数据及运算结果数据的存储。本发明适于神经网络运算的效率提升和功耗降低。

公开(公告)号：CN117215993A

公开(公告)日：2023-12-12

申请号：CN202311130894.1

申请日：2023-08-31

Applicant: 鹏城实验室

Inventor： 周晖晖 ,  徐晓峰 ,  崔小欣 ,  李国齐 ,  田永鸿

IPC: G06F15/173 ,  G06F13/28 ,  G06N3/063

Abstract: 本发明公开了一种单核处理核心及其控制方法、众核通信架构、芯片，每个单核处理核心具有用于对外数据传输的片上网络接口和内存访问接口，核间数据传输走片上网络接口；单核处理核心内部具有计算引擎、控制单元、数据交换单元、参数RAM、NI单元、DMA单元、队列传输单元、权重梯度传输单元、数据交换总线和控制总线，队列传输单元用于实现前后向之间的硬件队列扩容及加速，权重梯度传输单元用于针对深度神经网络的权重梯度频繁读写DRAM内存提供传输加速，权重梯度存放在DRAM内存中，以加速权重梯度计算的梯度读写访问。基于此，本发明实施例能够提升核间通信的传输性能和能效，降低DNN训练数据传输时延。

公开(公告)号：CN115456149B

公开(公告)日：2023-07-25

申请号：CN202211221881.0

申请日：2022-10-08

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  权璞丽 ,  李国齐 ,  崔小欣 ,  周晖晖 ,  高文

IPC: G06N3/049 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种脉冲神经网络加速器学习方法、装置、终端及存储介质，包括：获取前向运算所需数据，并根据前向运算数据在前向运算引擎中进行第一卷积运算和自组织迁移运算，得到前向运算结果；根据前向运算结果在后向运算引擎中进行第二卷积运算和梯度运算，得到后向运算结果；根据后向运算结果进行梯度更新运算，并根据梯度更新运算的结果更新脉冲神经网络加速器的梯度参数。本发明可以高效处理基于BPTT的脉冲神经网络学习，从而确保了SNN的精度，端到端的解决了SNN学习问题。

公开(公告)号：CN119358606A

公开(公告)日：2025-01-24

申请号：CN202411346108.6

申请日：2024-09-25

Applicant: 鹏城实验室

Inventor： 周晖晖 ,  李明静 ,  田永鸿 ,  崔小欣 ,  李国齐

IPC: G06N3/049 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请提供了一种脉冲神经网络权重梯度计算方法，包括：获取目标脉冲神经网络中每个通道维度的脉冲变化信号以及每个卷积核对应的膜电位梯度变化信息；针对每个脉冲变化信号，分别在多个时钟滑窗内按照时钟周期读取对应的脉冲信号值；在当前时钟周期读取的多个脉冲信号值不均为0的情况下，读取多个膜电位梯度变化信息中的梯度变化值，将多个梯度变化值按行输入至预设的累加器阵列，并将多个脉冲信号值输入至预设的多个选择器，以通过多个选择器按列控制累加器阵列中多个累加器将梯度变化值累加至上一时钟周期的梯度累加结果上，得到当前时钟周期的多个梯度累加结果，进而得到每个卷积核的权重梯度信息，能够有效避免无效计算，提高计算效率。