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！

龙图腾网获悉华东师范大学申请的专利一种基于GPU-NVMe架构的大规模向量近似最近邻搜索的异构系统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：CN119669525B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411809534.9，技术领域涉及：G06F16/901；该发明授权一种基于GPU-NVMe架构的大规模向量近似最近邻搜索的异构系统是由黄宇辰;翁楚良;马百腾设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于GPU-NVMe架构的大规模向量近似最近邻搜索的异构系统在说明书摘要公布了：本发明公开了一种基于GPU‑NVMe架构的大规模向量近似最近邻搜索的异构系统，其特点在于该系统基于直接GPU‑NVMe架构，设计了一种结合聚类与图算法的混合索引。该混合索引利用GPU的并行处理能力来高效处理聚类良好的向量，同时通过图索引作为补偿机制，提升对噪声向量的搜索准确性。本发明充分考虑了硬件与软件的协同优化，在NVMe驱动层级实施向量索引数据部署，同时协同利用CPU、GPU硬件进行十亿级向量检索计算过程，构建了一个可扩展的直接GPU‑NVMe架构上的大规模检索系统。与现有技术相比，本发明有效解决了十亿级向量数据搜索中的性能瓶颈，显著提高了搜索吞吐量和准确性，降低了搜索延迟。

本发明授权一种基于GPU-NVMe架构的大规模向量近似最近邻搜索的异构系统在权利要求书中公布了：1.一种基于GPU-NVMe架构的大规模向量近似最近邻搜索的异构系统，其特征在于，所述系统包括： 一种同时结合聚类和图算法的混合索引，用于该系统中组织大规模近似最近邻搜索的索引数据结构构建、部署及检索； 一种基于直接GPU-NVMe架构的大规模近似最近邻搜索的异构平台，用于支持混合索引的部署与检索； 所述的一种同时结合聚类和图算法的混合索引，包括：将向量数据集区分为聚类部分与噪声部分，并部署于直接GPU-NVMe硬件架构上，通过CPU-GPU协同计算的模式进行向量近似最近邻检索即向量相似性检索，具体包括以下步骤： 1将向量数据集区分为聚类部分和噪声部分；将聚类数据部分部署于NVMeSSD阵列上，通过倒排索引方式检索，并GPU设备加速向量相似性检索；将噪声部分通过图索引方式进行检索，并在GPU处理聚类数据时，利用CPU进行噪声向量部分相似性检索；其CPU与GPU的检索是并行进行的； 2部署过程中，聚类数据部分被均匀切分成多组类簇，并部署于NVMeSSD驱动层逻辑抽象下，以逻辑块的方式组织存储数据结构；同时，在所述的直接GPU-NVMe架构上，GPU与NVMe之间的数据传输是旁路主机内存的，即部署于NVMeSSD上的聚类数据部分，在检索过程中，能够直接传输至GPU设备，并利用GPU设备加速向量相似性检索； 所述基于直接GPU-NVMe架构的大规模近似最近邻搜索的异构平台，包括： 在NVMe设备上存储聚类部分，主机内存中驻留聚类质心索引和噪声图索引，并利用CPU对图向量索引进行检索和利用GPU对聚类向量索引进行检索，搜索时NVMe设备与GPU设备之间数据进行P2P直接传输即旁路主机内存与传统Linux系统IO软件栈，GPU设备与CPU设备在搜索的计算过程中并行化运行，具体包括以下步骤： 1从向量搜索应用侧接受向量搜索请求，在驻留于主机内存的聚类质心索引中搜索最近邻的多个聚簇，之后通过NVMe驱动层IO将对应聚簇的向量列表通过PCIeP2P传输至GPU设备内存； 2在聚簇向量列表通过PCIeP2P传输GPU设备内存的NVMe的IO命令发起后，CPU在噪声图索引中进行搜索；同时，GPU设备对向量搜索请求中的向量和聚簇列表中的向量进行相似性计算； 3在GPU计算完成后，将相似性计算结果传输回主机内存，由CPU设备对噪声图索引相似搜索结果和来自GPU的相似性计算结果进行合并，生成向量近似最近邻搜索结果，并将结果返回给上层向量搜索应用程序。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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。