买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学技术大学申请的专利面向深度学习的粗粒度可重构阵列系统及计算方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119987861B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510160346.6，技术领域涉及：G06F9/30；该发明授权面向深度学习的粗粒度可重构阵列系统及计算方法是由游宇航;孙文迪;陈松设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本面向深度学习的粗粒度可重构阵列系统及计算方法在说明书摘要公布了：本公开提供了一种面向深度学习的粗粒度可重构阵列系统及计算方法，可以应用于可重构阵列技术领域。该系统包括：控制器，用于确定向至少一个处理单元输入的输入信息，其中，输入信息包括待计算数据、操作指令和模式控制指令；处理单元组，包括多个处理单元，多个处理单元形成可重构阵列，每个处理单元用于基于模式控制指令和操作指令，对待计算数据进行浮点运算或整型运算，得到运算结果。处理单元包括：操作数选择器，用于基于操作指令，从邻居运算结果、权重数据和输入数据中确定第一操作数据和第二操作数据；算数逻辑子单元，用于基于与模式控制指令对应的操作子指令，对第一操作数据和第二操作数据进行浮点运算或整型运算，得到运算结果。

本发明授权面向深度学习的粗粒度可重构阵列系统及计算方法在权利要求书中公布了：1.一种面向深度学习的粗粒度可重构阵列系统，其特征在于，所述系统包括： 控制器，用于确定向至少一个处理单元输入的输入信息，其中，所述输入信息包括待计算数据、操作指令和模式控制指令； 处理单元组，包括多个所述处理单元，多个所述处理单元形成可重构阵列，每个所述处理单元用于基于所述模式控制指令和所述操作指令，对所述待计算数据进行浮点运算或整型运算，得到运算结果； 其中，所述待计算数据包括输入数据和权重数据，所述处理单元包括：操作数选择器和算数逻辑子单元； 所述操作数选择器，用于接收邻居处理单元输出的邻居运算结果，并基于所述操作指令，从所述邻居运算结果、所述权重数据和所述输入数据中确定第一操作数据和第二操作数据，其中，所述邻居处理单元为与所述处理单元相邻的处理单元； 所述算数逻辑子单元，用于从所述操作指令中确定与所述模式控制指令对应的操作子指令，以基于所述操作子指令，对所述第一操作数据和所述第二操作数据进行浮点运算或整型运算，得到运算结果； 所述算数逻辑子单元包括： 第一加法器电路，所述第一加法器电路的第一输入端与第一乘法器相连，所述第一加法器电路的第二输入端与第二加法器电路的输出端相连，所述第一加法器电路的第三输入端与第二乘法器相连，所述第一加法器电路的输出端与规格化电路的输入端、第三加法器电路的第一输入端和结果选择器的输入端分别相连； 所述规格化电路，所述规格化电路的输出端与第三加法器电路的第二输入端相连； 所述第二加法器电路，所述第二加法器电路的第一输入端与第三乘法器相连，所述第二加法器电路的第二输入端与第四乘法器相连，所述第二加法器电路的输出端与所述第一加法器电路的第二输入端、所述第三加法器电路的第三输入端、第四加法器电路的第一输入端和所述结果选择器的输入端分别相连； 所述第三加法器电路，所述第三加法器电路的输出端与所述结果选择器相连； 所述第四加法器电路，所述第四加法器电路的输出端与所述结果选择器相连； 其中，所述第一加法器电路、所述第二加法器电路、所述第三加法器电路和所述第四加法器电路中分别包括至少一个选择器和加法器，所述加法器的输入由所述至少一个选择器基于所述操作子指令选择得到。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。