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！

龙图腾网获悉西安交通大学申请的专利基于多模态数据的芯片抗辐照性能参数选型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：CN116595331B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310538725.5，技术领域涉及：G06F18/20；该发明授权基于多模态数据的芯片抗辐照性能参数选型系统是由鲍军鹏;何超;马俊杰;贺永宁;赵小龙设计研发完成，并于2023-05-12向国家知识产权局提交的专利申请。

本基于多模态数据的芯片抗辐照性能参数选型系统在说明书摘要公布了：本发明公开了一种基于多模态数据的芯片抗辐照性能参数选型系统，包括参数采集模块、芯片抗辐照多模态性能参数关联关系发现模块、芯片抗辐照性能参数选型模块和可视化展示模块，本发明的选型系统可产生所查芯片相关的全部抗辐照性能参数，并对其进行关联分析，提供抗辐照性能较好的芯片列表供研发人员进行选择，通过采集芯片抗辐照的多模态数据，并自动发现其中的关联关系，实现了抗辐照性能参数选型的自动化和智能化；基于深度学习技术的抗辐照性能参数选型，可以提高芯片抗辐照性能参数选型工作的速度和准确性，通过智能化分析处理多模态数据，减轻了研发人员查询比较分析工作，降低了芯片研发成本和时间，提高了工作效率。

本发明授权基于多模态数据的芯片抗辐照性能参数选型系统在权利要求书中公布了：1.基于多模态数据的芯片抗辐照性能参数选型系统，其特征在于包括： 参数采集模块：用于采集不同类型的抗辐照芯片的抗辐照多模态数据，并根据数据不同结构存储至多模态数据库中，抗辐照多模态数据包括但不限于芯片型号、封装工艺、辐照剂量、工作温度和失效率； 芯片抗辐照多模态性能参数关联关系发现模块：用于将从不同来源获取的抗辐照芯片的抗辐照多模态数据进行整合和关联，以构建芯片抗辐照多模态数据关联关系，抗辐照芯片的抗辐照多模态数据类型包括芯片抗辐照性能说明文本、抗辐照性能实验结果曲线数据或者芯片电路结构图； 芯片抗辐照性能参数选型模块：用于根据研发人员输入的芯片需求条件与多模态数据库进行实体匹配，将匹配到的多模态性能参数传送给芯片抗辐照多模态性能参数关联关系发现模块进行处理，根据芯片参数采集模块采集的多模态数据和芯片抗辐照多模态性能参数关联关系发现模块的分析处理结果，自动选型出适合的芯片抗辐照性能参数和相应的芯片型号供研发人员选择； 可视化展示模块：用于将芯片抗辐照性能参数选型模块得到的芯片型号及其抗辐照性能参数结果呈现给研发人员，研发人员根据需要对结果进行筛选、排序操作； 在芯片抗辐照性能参数选型模块中研发人员描述对芯片的需求，系统根据输入文本进行关键信息抽取，获得芯片需求条件信息芯片抗辐照性能指标LET或电离总剂量效应； 芯片抗辐照多模态性能参数关联关系发现模块构建芯片抗辐照多模态数据关联关系具体过程为： 1.1对不同来源获取的抗辐照芯片的抗辐照多模态数据进行整合和关联，从匹配得到的芯片各模态抗辐照性能参数中分别随机抽取1项，形成1个多模态抗辐照性能参数组合； 1.2针对组合中不同模态数据采用不同的深度学习方法进行特征表示，即提取特征向量； 对于抗辐照性能实验结果曲线数据，作为时序数据通过LSTM编码模块进行特征表示为E1=LSTMM_waveform，具体过程为： 首先，对LSTM模块输入的时序数据进行归一化将数据缩放到0-1范围内； 然后，将数据形成一个形状为n_samples,look_back,n_features的数组，其中n_samples是样本数量，look_back参数表示需要使用多少个连续时间点作为输入，设置look_back=10，n_features是每个时间点的特征数量； 最后，生成的数组数据通过一个LSTM层和一个全连接层进行处理输出特征向量，其中，LSTM层的输入大小与数据的特征数相同，隐藏层的大小为512，全连接层将LSTM层的输出转换为一个大小为1,1000的特征向量E1； 对于芯片电路结构图，作为图像数据通过ResNet-LSTM编码模块表示为E2=ResNet-LSTMM_image，具体过程为： 首先，图像经过预处理后调整至RGB图像3224224； 然后，加载预训练的ResNet50模型，并移除最后一个全连接层和平均池化层； 再次，将ResNet50模型的输出展平成一个向量1,1,100352，并将其输入到一个全连接层中，该全连接层将其转换成具有所需大小的向量1,1,512；继续将变换后的向量输入到一个LSTM层中，LSTM层将其作为一个序列的时间步来处理，并输出一个最终的LSTM状态； 最后，将LSTM状态输入到一个全连接层中，输出大小为1,512特征向量E2； 对于芯片抗辐照性能说明文本，作为文本数据通过Bert编码模块表示为E3=BertM_text，具体过程为： 首先，将输入文本转换成数字形式，即使用WordPiece分词器对输入文本进行分词，并为每个词汇映射到BERT模型的词汇表vocab_size=21128中的对应编号； 然后，根据位置编码公式：与对文本的分词进行位置编码，其中i表示位置编码的索引，j表示隐藏单元的索引，hidden_size为BERT模型中隐藏单元的数量，即hidden_size=768； 再次，将上述编码序列输入BERT模型进行前向传播，经过12层的自注意力机制、全连接和池化操作转化为一系列向量，其中每个向量表示输入文本中的一个标记； 最后，通过对这些向量求平均值输出大小为1,768特征向量E3； 对于给定的芯片抗辐照性能指标LET通过Linear编码模块表示为E4=Linearindex，具体过程为： 首先，将给定的LET值作为输入，设定要划分的索引：和bin的宽度：；然后，将LET分配到一个bin中，将LET值减去LET范围下限，然后除以bin宽度，得到该值所在的bin的索引:,如果计算得到的索引超出了0到的范围，则需要将其限制在这个范围内； 再次，通过一个循环，将每个bin的中心值构成一个长度为10的离散向量； 最后，通过全连接层线性变换操作进行特征提取，输出大小为1,30特征向量E4； 1.3将各模态性能参数的特征向量采用线性变换分别进行维度转化，使各性能指标在同一个特征向量空间进行表示，设线性变换L1维度为1000,10、线性变换L2维度为512,10，线性变换L3维度为768,10，转化后的特征向量为E'1=E1L1,E'2=E2L2,E'3=E3L3，它们的大小均为1,10； 1.4将同一向量空间中的特征表示E'1,E'2,E'3采用第2维拼接的方式进行融合，得到多模态数据共同特征表示W=[E'1,E'2,E'3]，大小为1,30； 1.5采用余弦相似度方式计算在同一个特征向量空间中的特征表示W与特征向量E4的关联度，并将结果保存至列表；设余弦相似度函数为similarityx,y=x·yx·y，则W和E4的关联度为S=similarityW,E4，将S添加至列表中； 重复步骤1.1-1.5，得到多个多模态数据组合的关联度列表，记为{S1,S2,..Sx}。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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。