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！

龙图腾网获悉华南理工大学申请的专利一种混合存内架构的软硬件协同优化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：CN120973728B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511071004.3，技术领域涉及：G06F15/78；该发明授权一种混合存内架构的软硬件协同优化方法是由龚月姣;朱柯;张幸林;钟竞辉设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本一种混合存内架构的软硬件协同优化方法在说明书摘要公布了：本发明公开了一种混合存内架构的软硬件协同优化方法，包括以下步骤：对目标AI算法与存内计算架构进行联合特征表征，提取上下文特征，并参数化存内计算架构的存内计算单元配置、神经网络处理器流水线、多核互连拓扑及存储层次接口；构建离线基准数据集并训练预测性代理模型，该模型采用嵌入方法处理离散架构参数，运用带有自注意力机制的编码器学习特征关联，并通过并行预测网络实现多维度PPA指标的联合预测，训练中引入可行域约束学习机制；将训练完成的代理模型嵌入多目标进化算法中，以能效比、平均算力利用率、模型执行延迟等为优化目标，同时满足芯片面积效率和功耗约束，搜索帕累托最优的存内计算架构配置集。

本发明授权一种混合存内架构的软硬件协同优化方法在权利要求书中公布了：1.一种混合存内架构的软硬件协同优化方法，其特征在于，包括以下步骤： S1、提取目标AI算法的上下文特征，形成AI算法上下文特征向量，并对存内计算架构的可配置参数及微结构进行参数化描述，得到多组存内计算架构参数配置向量，形成存内计算架构参数集； S2、基于步骤S1的存内计算架构参数集，构建离线基准数据集，所述离线基准数据集包含从所述存内计算架构参数集中抽样的多组存内计算架构参数配置、对应的AI算法上下文特征向量、通过硬件仿真获得的PPA指标以及架构可行域信息；所述PPA指标是包含能效比、性能、面积效率的多维度指标； S3、基于所述离线基准数据集，训练一个具有上下文感知能力的预测性代理模型，所述预测性代理模型能够根据输入的存内计算架构参数配置向量和AI算法上下文特征向量，预测相应的存内计算指标；所述训练过程包括采用嵌入方法处理离散架构参数，运用带有自注意力机制的编码器学习特征间的复杂关联，通过并行预测网络实现多维度PPA指标的联合预测，并引入可行域约束学习机制，机制在监督学习架构可行配置间PPA关系的同时，引入对抗性负采样机制对不可行配置进行判别式学习； 预测性代理模型的结构包括：将离散的存内计算架构参数配置向量通过嵌入层映射为连续向量；采用含自注意力机制的编码器层处理连续向量以生成统一架构特征表示；将所述统一架构特征表示与AI算法上下文特征向量融合；输入融合后的特征到并行多头预测网络并通过顶层注意力机制或直接输出方式聚合各预测头输出以生成多维度PPA指标预测向量； S4、将训练完成的预测性代理模型作为评估函数，嵌入多目标优化算法框架中； S5、定义针对存内计算架构的多个优化目标，所述优化目标基于PPA指标，并满足芯片面积效率和功耗约束； S6、运行所述多目标优化算法，利用所述预测性代理模型快速评估候选存内计算架构配置的PPA指标，搜索并输出一组满足预设优化目标的帕累托最优存内计算架构参数配置方案。

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南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。