公开(公告)号：CN115859097A

公开(公告)日：2023-03-28

申请号：CN202211441966.X

申请日：2022-11-17

Applicant: 鹏城实验室

Inventor： 任智祥 ,  任一铭 ,  田永鸿 ,  高文

IPC: G06F18/214 ,  G06N3/08

Abstract: 本发明公开了一种面向智慧科学的高扩展共享计算平台及方法，包括：发布模块，所述发布模块用于根据用户指令将本地预训练模型参数与预处理数据上传至存储节点，并通过解析模型参数量、使用框架以及关联数据集，生成对应的模型及数据描述文件；执行模块，所述执行模块用于将模型、数据以及计算资源进行结合，执行智慧科学模型的训练推理过程。本发明解决传统并行训练方式训练效率低及无法满足科学大模型的训练与微调的需求的问题，可适用于多个科学领域的神经网络模块的训练。

公开(公告)号：CN115841142A

公开(公告)日：2023-03-24

申请号：CN202310134058.4

申请日：2023-02-20

Applicant: 鹏城实验室 ,  北京大学

Inventor： 黄力炜 ,  余柳涛 ,  马征宇 ,  叶钰敏 ,  周晖晖 ,  田永鸿

IPC: G06N3/065 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/049

Abstract: 本发明公开了基于深度脉冲神经网络的视觉皮层模拟方法及相关设备，所述方法包括：将与生物实验中相同的图片刺激输入到预训练的深度脉冲神经网络，得到各层的脉冲响应；采用表征相似性分析RSA或者典型相关分析CCA度量深度脉冲神经网络各层的脉冲响应和真实生物神经响应之间的相似性；选择最高的神经相似性得分作为深度脉冲神经网络的结构针对相应脑区的得分，并记录得分最高的层以与生物视觉系统进行对比。本发明利用深度脉冲神经网络对神经系统视觉皮层进行建模，可以直接与生物实验记录的时序信号进行比较，取得了相对于相似结构卷积神经网络更高的神经相似性得分，同时也在网络结构和信息处理机制方面更好地匹配了真实神经系统的性质。

公开(公告)号：CN115631826A

公开(公告)日：2023-01-20

申请号：CN202211156398.9

申请日：2022-09-22

Applicant: 鹏城实验室

Inventor： 陈杰 ,  田永鸿 ,  高文 ,  王中岐 ,  王林

IPC: G16H15/00 ,  G06F16/36 ,  G06F40/166 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明所提供的一种基于任务感知的报告自动生成方法及装置，方法包括：将原始报告输入预先训练的报告生成模型，利用嵌入向量生成器生成块嵌入向量序列；对原始报告中的各个解剖结构创建对应的分类嵌入向量，得到分类嵌入向量序列；将块嵌入向量序列和分类嵌入向量序列输入到共享编码器中，得到隐藏状态序列和分类标识序列；将隐藏状态序列和分类标识序列输入到多头解码器中，得到拆分为各个解剖结构的结构化报告。本发明利用报告生成模型中的多头解码器对原始报告中的各个解剖结构进行拆分，每个解码器头都只关注对应解剖结构的报告生成，避免了生成的段落中出现重复的句子，也降低了长文本建模的难度，提高了报告生成的准确性。

公开(公告)号：CN115456149A

公开(公告)日：2022-12-09

申请号：CN202211221881.0

申请日：2022-10-08

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  权璞丽 ,  李国齐 ,  崔小欣 ,  周晖晖 ,  高文

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种脉冲神经网络加速器学习方法、装置、终端及存储介质，包括：获取前向运算所需数据，并根据前向运算数据在前向运算引擎中进行第一卷积运算和自组织迁移运算，得到前向运算结果；根据前向运算结果在后向运算引擎中进行第二卷积运算和梯度运算，得到后向运算结果；根据后向运算结果进行梯度更新运算，并根据梯度更新运算的结果更新脉冲神经网络加速器的梯度参数。本发明可以高效处理基于BPTT的脉冲神经网络学习，从而确保了SNN的精度，端到端的解决了SNN学习问题。

公开(公告)号：CN120087360A

公开(公告)日：2025-06-03

申请号：CN202510058078.7

申请日：2025-01-13

Applicant: 鹏城实验室

Inventor： 朱学科 ,  周晖晖 ,  林文杰 ,  林彦宇 ,  程文翔 ,  许芬 ,  田永鸿 ,  刘怡俊

IPC: G06F40/279 ,  G06F40/216 ,  G06N3/045

Abstract: 本申请实施例提供了基于大模型量化的文本生成方法、装置、设备及存储介质，应用于昇腾计算架构。通过将原始文本输入至目标大语言模型，目标大语言模型包括多个依次级联的特征提取层，每个特征提取层包括全连接层，通过目标大语言模型中的多个依次级联的特征提取层，基于原始文本对应的文本特征进行逐层级递增的特征提取，并配合昇腾计算架构的量化方法对每个特征提取层中全连接神经元的权重参数和激活值进行量化处理，输出目标文本特征，以简化全连接阶段的计算，从而实现大语言模型下的轻量级计算。基于目标文本特征生成目标文本，通过利用轻量级的大语言模型进行文本生成任务，减少了大模型在文本推理过程中的复杂计算，提高了文本生成的效率。

公开(公告)号：CN120086025A

公开(公告)日：2025-06-03

申请号：CN202510572168.8

申请日：2025-05-06

Applicant: 鹏城实验室

Inventor： 章弋嘉 ,  王丙强 ,  黎文博 ,  张士勋 ,  田永鸿 ,  高文

IPC: G06F9/50 ,  G06N3/063

Abstract: 本申请实施例提供一种模型训练方法、装置、存储介质及计算机设备，包括：在模型训练中，先获取任一个NPU频率调控的调控延迟，多个NPU顺序处理多批次任务。接着将调控延迟与调控延迟阈值对比，得到比较结果。若调控延迟大于阈值，就让每个NPU依次处理多批次任务，且在前向传播阶段对至少一个NPU处理的至少一批次任务降频。要是调控延迟小于或等于阈值，在模型训练的前向传播阶段，仍让每个NPU依次处理多批次任务；到反向传播阶段，则控制每个NPU间隔处理多批次任务。同时，在前向和反向传播阶段，都对至少一个NPU处理的至少一批次任务进行降频。这种根据NPU频率调控延迟在模型训练不同阶段自适应降频的方式，能有效提高能效。

公开(公告)号：CN119938318A

公开(公告)日：2025-05-06

申请号：CN202411946612.X

申请日：2024-12-25

Applicant: 鹏城实验室

Inventor： 章弋嘉 ,  王丙强 ,  黎文博 ,  张士勋 ,  田永鸿 ,  高文

IPC: G06F9/50 ,  G06N3/063 ,  G06F18/2415 ,  G06F18/214

Abstract: 本申请实施例提供了一种神经网络处理器的能效比调优方法以及相关设备，属于计算机处理技术领域，该方法包括：获取神经网络处理器的矩阵参数集合，并基于矩阵参数集合确定神经网络处理器的工作能效比函数；基于工作能效比函数和矩阵参数集合构建贝叶斯分布模型，其中，贝叶斯分布模型包括用于评估矩阵参数集合质量的采集函数；利用采集函数对矩阵参数集合进行贝叶斯优化处理，得到目标矩阵参数集合；基于目标矩阵参数集合控制神经网络处理器进入运行状态。本申请能够提高NPU的能效比、减少能源消耗。

公开(公告)号：CN119659657B

公开(公告)日：2025-04-29

申请号：CN202510199602.2

申请日：2025-02-24

Applicant: 鹏城实验室

Inventor： 夏灿铭 ,  田永鸿 ,  彭佩玺 ,  谭光 ,  许浩然 ,  常亦谦 ,  李论通

IPC: B60W50/00 ,  B60W60/00

Abstract: 本申请实施例提出的车辆驾驶控制方法、装置、电子设备及存储介质，方法包括：首先，获取车辆在行驶过程中当前时刻的图像信息和导航信息；其次，基于图像信息进行轨迹预测处理得到预测轨迹，并基于预测轨迹得到第一控制决策；然后，基于导航信息和预测轨迹进行多步控制处理，得到第二控制决策，并基于第一控制决策和第二控制决策组合得到初步控制决策；接下来，将图像信息输入碰撞修正模型进行数据处理，得到安全控制决策，并基于安全控制决策和初步控制决策进行整合处理，得到目标控制决策；最后，基于目标控制决策对车辆进行驾驶控制，可以提高预定路线的控制可靠性以及运行控制安全性。

公开(公告)号：CN119376902B

公开(公告)日：2025-04-08

申请号：CN202411970335.6

申请日：2024-12-30

Applicant: 鹏城实验室

Inventor： 章弋嘉 ,  王丙强 ,  张士勋 ,  田永鸿 ,  高文

IPC: G06F9/48 ,  G06F9/50

Abstract: 本申请实施例提供了一种基于智算集群的资源调度方法、装置、设备及存储介质。方法包括：对多个智算集群进行基准测试，得到每个第一集群相对于基准集群的能耗比例因子和时长比例因子；对基准集群执行每个待处理任务的能耗和时长进行预测，得到基准能耗和基准时长；对每个第一集群进行能耗和时长的转换，得到对应的第一能耗和第一时长；将基准集群对应的基准能耗和基准时长，以及每个第一集群对应的第一能耗和第一时长输入至预设的目标模型中，得到待求解模型；基于待求解模型进行求解，确定多个待处理任务与多个智算集群之间的分配关系并将多个待处理任务分配到多个智算集群。以此，能够使得算力资源得到合理利用，有利于环境的可持续发展。

公开(公告)号：CN119741990A

公开(公告)日：2025-04-01

申请号：CN202411616900.9

申请日：2024-11-12

Applicant: 鹏城实验室

Inventor： 许芬 ,  邝涛杰 ,  任智祥 ,  田永鸿

IPC: G16C20/20 ,  G16C20/70 ,  G06N3/0499 ,  G06N3/08

Abstract: 本公开实施例提供了一种分子性质预测方法、相关装置和介质。该方法通过对无标签分子数据集中的第一分子进行拆分重组得到新的第二分子，基于第一分子和第二分子确定训练样本，并利用训练样本对分子编码器进行优化。再利用有标签分子数据集对基于优化完成的分子编码器的分子性质预测模型进行训练，以实现对分子性质的准确预测。本公开实施例能够充分利用分子内部的子结构信息来提高预测的准确性和泛化能力，以优化分子编码器的分子表征能力，使得目标分子编码器能够更好地理解分子碎片之间的组合关系，进而能够提升对于复杂分子结构的表征质量和预测精度。本公开实施例可应用于药物发现、材料科学、分子虚拟筛选等场景。