-
公开(公告)号：CN119882928A
公开(公告)日：2025-04-25
申请号：CN202510379729.2
申请日：2025-03-28
Applicant: 清华大学
IPC: G06E3/00
Abstract: 本公开涉及光计算技术领域，尤其涉及一种晶圆级智能光计算芯片系统与架构。该系统包括：高能效信息编码压缩模块，用于将输入矩阵进行多路信息通道编码压缩，得到第一编码向量；可重构信息编码压缩模块，用于将输入矩阵进行多路信息可重构的计算权重，得到第二编码向量；通用特征计算模块，用于将第一编码向量和第二编码向量进行通用特征计算，得到特征向量；高能效特征解码表征模块，用于将特征向量进行第一解码表征，得到第一解码向量；可重构特征解码表征模块，用于将特征向量进行第二解码表征，得到第二解码向量；输出模块，用于将第一解码向量与第二解码向量进行融合，得到目标计算结果。本公开支持更高参数量的智能计算网络的光学布署。
-
公开(公告)号：CN119882926A
公开(公告)日：2025-04-25
申请号：CN202510379724.X
申请日：2025-03-28
Applicant: 清华大学
Abstract: 本公开涉及光计算技术领域，尤其涉及一种大规模可重构光子大矩阵模型与架构。其中，该模型包括：混合光计算子模型；大规模可重构光子大矩阵模型包括获取模块、并行输入模块和整合模块，其中，获取模块，用于获取需要计算的第一大矩阵和输入向量；并行输入模块，用于基于确定的并行通道数量，将第一大矩阵和输入向量并行输入每个并行通道的混合光计算子模型中，得到每个并行通道的输出向量；整合模块，用于将每个并行通道的输出向量进行整合，得到目标输出向量。采用上述方案的本公开在兼顾高计算精度与高数据通量的情况下，实现了大规模通用的光学矩阵运算新范式，从而支撑复杂的光学通用计算任务。
-
公开(公告)号：CN116523015B
公开(公告)日：2024-09-10
申请号：CN202310300927.6
申请日：2023-03-24
Applicant: 清华大学
Abstract: 本申请涉及光学神经网络技术领域，特别涉及一种对于工艺误差鲁棒的光学神经网络训练方法、装置及设备，其中，方法包括：获取光学神经网络中神经元权重参数的加工误差分布得到权重误差模型；在对光学神经网络训练过程中，按照权重误差模型随机叠加噪声至神经元权重参数上，直到训练结束，得到训练完成的神经元权重参数；将训练完成的神经元权重参数映射为光学神经网络芯片的加工参数。由此，解决了相关技术中的光学神经网络芯片加工存在偏差，无法保证理论模型与芯片加工的完美映射，且通过对光的相位和幅度误差进行补偿，存在校准时间长，难度大等问题。
-
公开(公告)号：CN118154430B
公开(公告)日：2024-07-16
申请号：CN202410573481.9
申请日：2024-05-10
Applicant: 清华大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明公开了时空角融合动态光场智能成像方法，该方法，包括对光场低分辨率视频帧的不同子视角进行角度对齐得到对齐后的光场子视角视频帧；利用光流对齐方法对光场子视角视频帧进行特征对齐以得到光流对齐后的时序融合特征；根据对时序融合特征的高维信息的特征处理结果进行多维度信息的融合得到时空角信息融合特征；对时空角信息融合特征进行特征重建以输出高分辨率重建结果。本发明能够充分有效地利用光场的时空角信息，进一步提升光场成像能力。
-
公开(公告)号：CN118154411B
公开(公告)日：2024-07-16
申请号：CN202410573482.3
申请日：2024-05-10
Applicant: 清华大学
Abstract: 本发明公开了数字自适应光学架构与系统，包括对原始光场图像进行像素重排得到低空间采样率的子孔径图像；利用TIS算法对低空间采样率的子孔径图像进行处理得到高空间采样率的子孔径图像；利用由粗粒度到细粒度的波前梯度估计算法对高空间采样率的子孔径图像的空间偏移量进行估计得到第一波前梯度，并利用训练好的MLP模型将第一波前梯度转换为第一波前像差；基于第一波前像差对高空间采样率的子孔径图像进行相空间解卷积运算得到局部图像的图像重建结果。本发明能够进行高速宽视场波前检测，采用湍流诱导扫描算法提高采样率，使用非相干孔径合成算法实现去像差、高分辨成像。
-
Patent Agency Ranking
公开(公告)号：CN118138901B
公开(公告)日：2024-07-16
申请号：CN202410535756.X
申请日：2024-04-30
Applicant: 清华大学
IPC: H04N23/957
Abstract: 本发明公开了光场元视觉表征模型与架构，包括分光模块、第一成像模块和宽视场波前传感器；其中，分光模块，用于将输入的入射光线分为第一分路光线和第二分路光线；第一成像模块，用于利用第一分路光线对目标场景进行成像以输出像差模糊的目标场景图像；宽视场波前传感器，用于采集第二分路光线以得到目标场景的像差分布信息，并将像差分布信息输入至系统的点扩散函数模型中，通过包含像差分布信息的点扩散函数对所述像差模糊的目标场景图像进行图像处理以输出高分辨率无像差的目标场景图像。本发明解决了目标场景空间非一致像差的问题，可以消除成像视场角内不同的像差分别。
-
公开(公告)号：CN115358381B
公开(公告)日：2024-05-31
申请号：CN202211063558.5
申请日：2022-09-01
Applicant: 清华大学
Abstract: 本申请涉及神经网络技术领域，特别涉及一种光学全加器及其神经网络设计方法、设备及介质，其中，方法包括：获取隐藏层的每层中不同位置神经元的期望计算特征和输出端口优先级；根据期望计算特征和输出端口的优先级匹配隐藏层中衍射槽之间的设计间距，其中，优先级高的输出端口对应的衍射槽之间的设计间距小于优先级低的输出端口对应的衍射槽之间的设计间距；根据隐藏层衍射槽之间的设计间距生成目标神经网络的设计方案，基于设计方案实现目标神经网络的设计。由此，解决了相关技术采用神经元在空间上均匀排布的方法会导致输出结果的精度分布不均，且需要长时间训练才能达到理想的精度，效率低等问题。
-
公开(公告)号：CN117217275A
公开(公告)日：2023-12-12
申请号：CN202311483723.7
申请日：2023-11-09
Applicant: 清华大学
Abstract: 本申请提出了一种双神经元大规模智能光计算方法及装置，该方法包括：构建光电计算单元，对光电计算单元进行建模，得到光学神经元；根据数学抽象的方式，将光学神经元抽象为人工神经元；连接多个人工神经元，以构建光电神经网络，并在光电神经网络上应用端到端的梯度下降对所有人工神经元的网络参数进行全局优化；基于全局优化后的人工神经元，对光学神经元的物理参数进行优化；根据优化后光学神经元的参数，计算光电神经网络。基于本申请提出的方案，能够应用于大规模衍射光电神经网络的构建与参数训练，解决了现有衍射神经网络训练算力和存储需求大，收敛速度慢，难以实现大规模衍射光电网络训练的问题。
-
公开(公告)号：CN116739064A
公开(公告)日：2023-09-12
申请号：CN202310735709.5
申请日：2023-06-20
Applicant: 清华大学
IPC: G06N3/067 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了神经形态智能光计算架构系统与装置，该系统包括：多通道表征模块，通过多光谱激光器将原始输入的目标光场信号编码为不同波长的相干光；注意力感知光神经网络模块，包括BU和TD光注意力模块，通过将不同波长的相干光输入至BU光注意力模块，并通过对注意力感知光神经网络进行网络训练，以基于训练好的注意力感知光神经网络使得TD光注意力模块对BU光注意力模块提取的多维稀疏特征进行光谱和空间透射率调制以得到最终空间光输出；输出模块，在输出平面上检测识别最终空间光输出以得到目标在光场中的定位和识别结果。本发明以自适应地分配计算资源，具有前所未有的能力和可扩展性，并且首次利用光神经网络来解决高复杂度机器学习问题。
-
公开(公告)号：CN116449642B
公开(公告)日：2023-08-29
申请号：CN202310721988.X
申请日：2023-06-19
Applicant: 清华大学
Abstract: 本发明公开了沉浸式光场智能感算系统、方法与装置，该系统，包括移动平台、支架、采集阵列、控制系统和计算系统，其中，控制系统和采集阵列固定于半球形的支架上；支架通过移动平台进行位姿变化；采集阵列包括多视角的采集相机，通过连接件均匀分散固定在支架上，采集相机的镜头从球心指向外部，用于采集多种俯仰角度下的视频图像；与采集阵列相连的控制系统，用于将视频图像传输至控制设备中进行数据存储，计算系统用于获取控制设备中的视频图像并基于视频图像生成沉浸式光场视频。本发明能为沉浸式光场通讯提供采集端支持，可降低光场采集操作难度，提高采集精度。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.027 seconds)
