一种基于硅和金刚石的三维集成芯片的混合键合方法

    公开(公告)号:CN116960057A

    公开(公告)日:2023-10-27

    申请号:CN202310933530.0

    申请日:2023-07-27

    Abstract: 本发明涉及芯片制造技术领域,具体而言,涉及一种基于硅和金刚石的三维集成芯片的混合键合方法。该方法包括:制备硅基Cu/SiO2混合键合样品和金刚石基Cu/SiO2混合键合样品后进行等离子体活化处理;将经等离子体活化处理后Cu/SiO2混合键合样品浸泡于有机酸溶液中,清洗后吹干;在吹干后的硅基和/或金刚石基Cu/SiO2混合键合样品的待键合表面上滴加氢氟酸溶液,将硅基和金刚石基Cu/SiO2混合键合样品对准贴合进行预键合,得到预键合芯片;将预键合芯片进行热压键合,退火处理,得到混合键合样品对。本发明实现了以Cu/SiO2混合键合为基础的硅/金刚石三维异质集成。

    人工智能AI模型的开发方法和装置
    22.
    发明公开

    公开(公告)号:CN116472533A

    公开(公告)日:2023-07-21

    申请号:CN202080107168.6

    申请日:2020-12-14

    Abstract: 一种人工智能AI模型的开发方法和装置。该方法包括:对AI模型进行拆分,以得到多种拆分结果,多种拆分结果中的每种拆分结果包括多个第一子模型,多个第一子模型中的每个第一子模型对应M个处理器中的至少一个处理器,M为大于1的正整数,每个第一子模型能够运行于对应的至少一个处理器以使得每种拆分结果具有运行多个第一子模型的运行开销(210);在多种拆分结果中确定第一拆分结果,第一拆分结果的第一运行开销小于多种拆分结果中的一个或多个第二拆分结果的第二运行开销(220);输出第一拆分结果(230)。当根据第一拆分结果将AI模型部署在包括M个处理器的设备上时,能够提高AI模型在设备上的部署效率和降低AI模型在设备上的运行开销。

    一种基于神经网络模型的量化方法及其相关设备

    公开(公告)号:CN114698394A

    公开(公告)日:2022-07-01

    申请号:CN202080062370.1

    申请日:2020-10-29

    Abstract: 一种基于神经网络的模型量化方法及其相关设备,用于人工智能领域。该方法包括:获取神经网络图结构,所述神经网络图结构包括多个运算节点;在所述神经网络图结构中插入多个量化节点,以得到量化模型图结构;根据样本数据对所述量化模型图结构进行训练,以得到量化模型,所述量化模型的大小小于所述神经网络图结构的大小;其中,所述训练包括:利用所述多个量化节点中的每个量化节点对所述每个量化节点的输入数据进行量化以得到所述每个量化节点的输出数据。

    一种业务参数配置方法及系统以及业务参数配置单元

    公开(公告)号:CN101035317A

    公开(公告)日:2007-09-12

    申请号:CN200710087393.4

    申请日:2007-04-03

    Abstract: 本发明公开了一种业务参数配置方法及系统以及业务参数配置单元,用于提高业务参数配置的灵活性。所述方法包括:参数查询单元获取业务标识信息;在业务参数存储单元中查询所述业务标识信息对应的业务参数;业务参数配置单元根据查询到的业务参数对客户端进行业务配置。本发明还提供一种业务参数配置系统以及业务参数配置单元,本发明可以有效地提高业务参数配置的灵活性。

Patent Agency Ranking