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！

龙图腾网获悉南京大学申请的专利一种多核存算一体芯片的神经网络负载映射方法和装置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：CN121212239B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511768883.5，技术领域涉及：G06N3/063；该发明授权一种多核存算一体芯片的神经网络负载映射方法和装置是由王宇宣;朱子谦;周奕斐;朱锦森;潘红兵设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种多核存算一体芯片的神经网络负载映射方法和装置在说明书摘要公布了：本发明公开了一种多核存算一体芯片的神经网络负载映射方法和装置，属于人工智能硬件加速与存内计算领域。所述方法通过提取出神经网络的矩阵乘法算子和算子间的数据依赖关系，得到神经网络负载有向计算图，进而根据神经网络负载有向计算图和存算一体芯片的架构参数生成存算一体芯片负载映射结果，再结合芯片架构参数中的配置寄存器信息，生成芯片配置程序，从而实现神经网络的自动化高效映射。

本发明授权一种多核存算一体芯片的神经网络负载映射方法和装置在权利要求书中公布了：1.一种多核存算一体芯片的神经网络负载映射方法，其特征在于，所述方法包括： 步骤1，提取神经网络原始算子列表以及算子间的数据依赖关系，构造得到神经网络负载有向计算图； 步骤2，根据神经网络负载有向计算图和存算一体芯片交叉阵列大小，得到交叉阵列级有向计算图； 步骤3，根据交叉阵列级有向计算图，推导出计算核心级计算图； 步骤4，根据计算核心级计算图，推导出多核芯片级计算图； 步骤5，根据多核芯片级计算图，推导出计算流水线级计算图； 所述步骤3包括： 步骤3.1，根据计算核心的交叉阵列数和交叉阵列级计算图的节点数，构造个计算核心级节点集合，每个计算核心级节点由不超过个交叉阵列级节点的并集构成； 步骤3.2，对当中的每个节点，统计其数据依赖关系，包括输入输出特征图数据量，计算核心内部输入输出特征图复用数据量；并构造聚类目标函数：；其中为非负超参数； 步骤3.3，根据步骤3.2中目标函数，基于优化算法最小化中各计算核心级节点对应的目标函数之和； 步骤3.4，将优化算法的稳定解作为最终的计算核心级计算图节点方案构造得到核心级计算图，和分别为核心级计算图的节点集合和边集合； 所述步骤4包括： 步骤4.1，对2D-mesh结构的多核存算一体芯片，为每个计算核心级计算图节点分配一一对应的多核芯片物理节点，其物理映射位置坐标为； 步骤4.2，根据物理映射位置，将计算核心级计算图的数据依赖边映射至NoC通路上，统计每条数据依赖边的数据量和通信跳数；t表示时刻； 步骤4.3，通过交换物理节点位置，或者逐个选择最优候选节点映射的优化算法，最小化目标函数； 步骤4.4，取优化算法执行结束时的映射结果作为负载物理映射的结果，根据每个物理计算核心的映射结果，生成RISC-V寄存器配置程序依赖的参数信息； 所述步骤5包括： 步骤5.1，基于计算流水线设置流水阶段集合，对每个流水阶段，提取多核芯片级计算图的子图；和分别表示多核芯片级计算图的子图的节点集合和边集合； 步骤5.2，对每条NoC物理链路，构造其介数中心性度量如下： 其中，和表示子图的两个节点，表示多核芯片级计算子图中节点和之间的最短路径数，表示其中经过的最短路径数，代表至的数据通信量； 步骤5.3，根据多核芯片级计算子图边的初始化情况，统计物理链路的拥塞度量： 其中，是通过物理链路、且数据量从小到大排在第位的连接路径数据量，为通过的总路径数；当，定义，即不存在拥塞； 步骤5.4，对边集合，按路径的最短距离与数据量的降序排序，以作为每条NoC物理链路的权重，通过dijkstra算法求解出的路径作为拥塞最小的调度结果； 步骤5.5，根据边集合的调度结果，生成NoC路由调度的数据包集合。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。