Country
Full text data for US,EP,CN
Type
Legal Validity
Legal Status
Filing Date
Publication Date
Inventor
Assignee
Click to expand
IPC(Section)
IPC(Class)
IPC(Subclass)
IPC(Group)
IPC(Subgroup)
Agent
Agency
Claims Number
Figures Number
Citation Number of Times
Assignee Number
No. Publication Number Title Publication/Patent Number Publication/Patent Number Publication Date Publication Date
Application Number Application Number Filing Date Filing Date
Inventor Inventor Assignee Assignee IPC IPC
1 CN111199278A
包括算术电路的存储器器件和包括该器件的神经网络系统
Public
Publication/Patent Number: CN111199278A Publication Date: 2020-05-26 Application Number: 201911086263.8 Filing Date: 2019-11-08 Inventor: 金灿景   金栒永   金镇民   闵在泓   李相吉   黄荣南   Assignee: 三星电子株式会社   IPC: G06N3/067 Abstract: 提供了包括算术电路的存储器器件和包括该器件的神经网络系统。所述存储器器件包括:存储体,包括被排列在存储器器件的多个字线和多个位线彼此交叉的区域中的多个存储单元;读出放大器,被配置为放大通过多个位线当中的所选位线而发送的信号;以及算术电路,被配置为从读出放大器接收第一操作数,从存储器器件外部接收第二操作数,并且基于在存储器器件中生成的内部算术控制信号,通过使用第一操作数和第二操作数来执行算术运算。
2 CN110852431A
一种光子人工智能计算芯片的数字式信号调制方法
Under Examination
Title (English): A Digital Signal Modulation Method for Photon Artificial Intelligence Computing Chip
Publication/Patent Number: CN110852431A Publication Date: 2020-02-28 Application Number: 201911073083.6 Filing Date: 2019-11-05 Inventor: 田野   赵洋   王玮   刘胜平   李强   冯俊波   郭进   韩建忠   Assignee: 联合微电子中心有限责任公司   IPC: G06N3/067 Abstract: 发明提供了一种光子人工智能计算芯片的数字式信号调制方法,将一个或多个数字电信号组调制为光信号;所述数字电信号组包含若干在固定时间周期内顺序输出的时序信号;各时序信号具有相同的基础时钟与信号时间长度;传递N位数字信息的单个时序信号具有2‑1个基础时钟,时序信号中高电平信号或数字信号“1”所占的基础时钟数量值为时序信号的信号值,与被传递的N位数字信息值相等;所述时序信号为电信号转换光信号的调制信号。相对已有的基于数模转换+模拟信号调制的计算方案而言,不需要成本和功耗较高的数模转换转换器,能够与电子芯片的数字信号直接衔接,避免了对数字信号进行数模转化时的量化误差。
3 CN210091228U
一种基于机器人化的体外神经网络构建系统
Valid
Title (English): An In vitro Neural Network Construction System Based on Robotics
Publication/Patent Number: CN210091228U Publication Date: 2020-02-18 Application Number: 201921404137.8 Filing Date: 2019-08-27 Inventor: 李光辉   奚鹏程   蒋理想   吕晓东   王延超   何际平   Assignee: 北京理工大学   IPC: G06N3/067 Abstract: 本实用新型公开了一种基于机器人化的体外神经网络构建系统,生物培养皿内设有待构建的神经元组织;激光子系统包括激光源、激光传导装置和聚焦物镜,激光源与激光传导装置间通过供能线缆连接,用于传导激光能量,聚焦物镜通过激光光纤与激光传导装置连接,且聚集物镜设置于生物培养皿的上方,聚焦物镜用于对传导后的激光进行聚焦;聚焦物镜固定于位移控制平台上,通过控制位移控制平台移动使生物培养皿设置于聚焦物镜的下方,对生物培养皿中的目标点细胞或组织进行激光烧蚀或者光学刺激。本实用新型可以做到对单个神经元进行特异性激活,同时还可以记录神经网络内其他神经元的反应,易于集成,且集成成本较低,具备很高的灵活性和可操作性。
4 EP3631693A1
MIXING WAVE-BASED COMPUTING
Publication/Patent Number: EP3631693A1 Publication Date: 2020-04-08 Application Number: 18725555.9 Filing Date: 2018-05-26 Inventor: Bienstman, Peter   Laporte, Floris   Lugnan, Alessio   Assignee: Universiteit Gent   IMEC VZW   IPC: G06N3/067
5 CN106326983B
一种人工神经网络连接的光电转换实现方法和装置
Valid
Title (English): A photoelectric conversion method and device for artificial neural network connection
Publication/Patent Number: CN106326983B Publication Date: 2020-01-07 Application Number: 201510356817.7 Filing Date: 2015-06-25 Inventor: 张南雨   Assignee: 江苏灵云数据科技有限公司   IPC: G06N3/067 Abstract: 本发明提出一种用光电转换实现人工神经网络连接的方法和装置。把要传递的信号转换为光信号,然后发射到对应光接收器,实现信号的传递和自动叠加。通过控制光发射器的发射角度并把收发单元组成矩阵,使这种传递方式可在二维平面扩展,组成更大的阵列。每层人工神经元有上下两层收发单元,从而实现多层不断堆叠,在三维空间扩展。相对的两层收发单元间的传递是双向的,从而实现对很多学习算法所必须的反向的信息传递。
6 CN110914838A
对象分类系统和方法
Under Examination
Title (English): Object classification systems and methods
Publication/Patent Number: CN110914838A Publication Date: 2020-03-24 Application Number: 201880035404.0 Filing Date: 2018-05-26 Inventor: F·拉波特   A·卢格南   P·比安斯特曼   Assignee: IMEC 非营利协会   根特大学   IPC: G06N3/067 Abstract: 描述了一种用于对对象进行分类的对象分类系统。该系统包括:被适配用于辐照感兴趣对象的成像区域、阵列式检测器、以及混合单元,该混合单元被配置用于:在该混合单元与感兴趣对象相互作用之后并且在所述检测之前,通过将源自感兴趣对象的辐照反射或散射平均至少三次来混合该辐照。
7 CN110892421A
基于混合波的计算
Under Examination
Title (English): Calculation based on mixed wave
Publication/Patent Number: CN110892421A Publication Date: 2020-03-17 Application Number: 201880035513.2 Filing Date: 2018-05-26 Inventor: P·比安斯特曼   F·拉波特   A·卢格南   Assignee: 根特大学   IMEC 非营利协会   IPC: G06N3/067 Abstract: 一种被配置用于执行基于波的计算的基于无源光子波的计算系统,该系统包括混合单元,该混合单元包括多个输入和多个输出,该混合单元是腔并且进一步被配置用于:在该腔中将经由所述至少一个输入接收到的光束朝向所述多个输出中的至少一个输出散射或反射平均至少三次。
8 WO2020027868A2
SERIALIZED ELECTRO-OPTIC NEURAL NETWORK USING OPTICAL WEIGHTS ENCODING
Publication/Patent Number: WO2020027868A2 Publication Date: 2020-02-06 Application Number: 2019016752 Filing Date: 2019-02-06 Inventor: Englund, Dirk   Assignee: Massachusetts Institute of Technology   ENGLUND, Dirk, Robert   IPC: G06N3/067 Abstract: Most artificial neural networks are implemented electronically using graphical processing units to compute products of input signals and predetermined weights. The number of weights scales as the square of the number of neurons in the neural network, causing the power and bandwidth associated with retrieving and distributing the weights in an electronic architecture to scale poorly. Switching from an electronic architecture to an optical architecture for storing and distributing weights alleviates the communications bottleneck and reduces the power per transaction for much better scaling. The weights can be distributed at terabits per second at a power cost of picojoules per bit (versus gigabits per second and femtojoules per bit for electronic architectures). The bandwidth and power advantages are even better when distributing the same weights to many optical neural networks running simultaneously.
9 CN107169564B
一种记忆增强及认知识别神经元的类脑器件及其制备方法
Valid
Publication/Patent Number: CN107169564B Publication Date: 2020-07-03 Application Number: 201710192315.4 Filing Date: 2017-03-28 Inventor: 王永进   朱桂遐   杨永超   李永航   袁佳磊   蔡玮   Assignee: 南京邮电大学   IPC: G06N3/067 Abstract: 本发明公开了一种记忆增强及认知识别神经元的类脑器件及其制备方法,该器件以Si衬底GaN基晶圆为载体,包括硅衬底层、设置在硅衬底层上的外延缓冲层、设置在外延缓冲层上的n‑GaN层,设置在n‑GaN层上的发射极和集电极,发射极和集电极结构相同,均包括一个上台面和从下至上依次连接设置在上台面上的n‑GaN层、InGaN/GaN量子阱、p‑GaN层和p‑电极,所述发射极分别通过波导与集电极连接,n‑GaN层下方设置有空腔,使所述光致突触晶体管和波导悬空。本发明首次实现了以光子取代电子或者质子作为信息载体来模拟神经递质的传输,模拟出人脑的时间累积、空间累积和时空混合累积及识别效应,为复杂的大脑记忆特性研究奠定基础。
10 CN111667064A
基于光电计算单元的混合型神经网络及其运算方法
Under Examination
Publication/Patent Number: CN111667064A Publication Date: 2020-09-15 Application Number: 202010322172.6 Filing Date: 2020-04-22 Inventor: 王瑶   梅正宇   王宇宣   陈轩   Assignee: 南京惟心光电系统有限公司   IPC: G06N3/067 Abstract: 本发明公开了一种基于光电计算单元的混合型神经网络及其运算方法。该混合型神经网络的神经计算核结构包括突触网络、轴突、数据接收器、选择器、树突以及神经元,多个光电计算单元周期性排列组成的阵列作为突触网络,每个光电计算单元包括发光单元和计算单元,发光单元发出的光入射到计算单元中;每个计算单元包括载流子控制区、耦合区、以及光生载流子收集区和读出区;阵列中每一行计算单元的载流子控制区依次相连作为轴突,轴突中的载流子控制区与数据接收器相连;阵列中每一列计算单元的读出区依次相连作为树突,树突的读出区输出端与神经元相连接。本发明的神经网络在实际运行中无需反复访问片外存储器,达到了降低功耗的效果。
11 CN111783975A
一种利用光和质子耦合作用模拟神经突触功能的方法
Under Examination
Publication/Patent Number: CN111783975A Publication Date: 2020-10-16 Application Number: 202010566482.2 Filing Date: 2020-06-19 Inventor: 诸葛飞   徐慧文   鹿文博   张莉   Assignee: 中国科学院宁波材料技术与工程研究所   IPC: G06N3/067 Abstract: 本发明公开了一种利用光和质子耦合作用在质子导体器件中模拟神经突触功能的方法,所述质子导体器件由自下而上依次设置的衬底、质子导体薄膜和电极阵列组成,所述方法为用光照射已经施加有电信号的两个电极之间的质子导体薄膜,利用所述两个电极测量所述质子导体薄膜在光照下产生的光电响应信号。本发明将质子导体薄膜作为人工突触器件的功能层,并引入光照以诱导产生光与质子的耦合作用,以质子迁移产生的电流作为器件的输出信号,从而实现两种或多种突触可塑性之间的耦合,并且显著降低器件运行时的功率。
12 CN111882052A
光子卷积神经网络系统
Under Examination
Publication/Patent Number: CN111882052A Publication Date: 2020-11-03 Application Number: 202010837253.X Filing Date: 2020-08-19 Inventor: 王兴军   白博文   舒浩文   邹卫文   Assignee: 北京大学   IPC: G06N3/067 Abstract: 本发明实施例提供一种光子卷积神经网络系统,包括:多波长光源,用于输出具有多个波长的光信号;第一调制器,用于将待处理的第一矩阵中的元素加载到光信号上得到第一调制光信号;波分解复用器,用于将第一调制光信号分解输出为多个分波光信号;第二调制器,用于将待处理的第二矩阵中的元素加载到多个分波光信号上得到多个第二调制光信号;延时线,用于将多个第二调制光信号按照时序重新排布;波分复用器,用于将经过重新排布的多个第二光调制信号汇合输出为合波光信号;光电探测器,用于将合波光信号进行采样并转换为电信号,输出卷积结果。本发明实施例的光子卷积神经网络系统,能够实现高速浮点运算,提高运算速率,且降低能耗。
13 EP3635638A1
OBJECT CLASSIFICATION SYSTEM AND METHOD
Publication/Patent Number: EP3635638A1 Publication Date: 2020-04-15 Application Number: 18725554.2 Filing Date: 2018-05-26 Inventor: Bienstman, Peter   Lugnan, Alessio   Laporte, Floris   Assignee: Universiteit Gent   IMEC VZW   IPC: G06N3/067
14 US10657440B2
Optical synapse for neuromorphic networks
Publication/Patent Number: US10657440B2 Publication Date: 2020-05-19 Application Number: 14/922,292 Filing Date: 2015-10-26 Inventor: Abel, Stefan   Czomomaz, Lukas   Deshpande, Veeresh V.   Fompeyrine, Jean   Assignee: INTERNATIONAL BUSINESS MACHINES CORPORATION   IPC: G06N3/06 Abstract: A neuromorphic network includes a first node configured to transmit a first optical signal and a second node configured to transmit a second optical signal. A waveguide optically connects the first node to the second node. An integrated optical synapse is located on the waveguide between the first node and the second node, the optical synapse configured to change an optical property based on the first optical signal and the second optical signal such that if a correlation between the first optical signal and the second optical signal is strong, the optical connection between the first node and the second node is increased and if the correlation between the first optical signal and the second optical signal is weak, the optical connection between the first node and the second node is decreased.
15 US2020242463A1
OPTICAL NEURAL NETWORK APPARATUS INCLUDING PASSIVE PHASE MODULATOR
Publication/Patent Number: US2020242463A1 Publication Date: 2020-07-30 Application Number: 16/434,957 Filing Date: 2019-06-07 Inventor: Lee, Duhyun   Assignee: SAMSUNG ELECTRONICS CO., LTD.   IPC: G06N3/067 Abstract: An optical neural network apparatus that optically implements an artificial neural network includes an input layer, a hidden layer, and an output layer sequentially arranged in a traveling direction of light, wherein the output layer includes an image sensor including a plurality of light sensing pixels arranged in two dimensions, and wherein the input layer or the hidden layer includes at least one passive phase modulator configured to locally modulate a phase of incident light depending on positions on a two dimensional plane.
16 CN109211122B
基于光神经网络的超精密位移测量系统及方法
Valid
Publication/Patent Number: CN109211122B Publication Date: 2020-05-15 Application Number: 201811278823.5 Filing Date: 2018-10-30 Inventor: 张鸣   朱煜   王磊杰   杨富中   叶伟楠   李鑫   赵家琦   Assignee: 清华大学   北京华卓精科科技股份有限公司   IPC: G01B11/02 Abstract: 本发明公开了一种基于光神经网络的超精密位移测量系统。该系统包括:光源、光学位移测量器件、光神经网络、探测器阵列、信号处理器件,当目标物体发生运动时,系统将光学位移测量器件输出的测量光信号作为信号输入,通过光神经网络处理后利用探测器阵列接收,最后经过信号处理器件转化为目标物体的位移信息。本发明还公开了一种采用基于光神经网络的超精密位移测量方法。本发明利用光神经网络对测量光信号处理可直接实现目标物体位移的测量,无须电子信号的鉴相过程,响应速度极快,尺寸可缩放,能量利用率高,适用于速度快,动态性能要求高的超精密测量场合。该系统还可通过增加输入测量光信号及探测器阵列数实现目标物体的多自由度位姿测量。
17 EP3685320A1
PHOTONIC NEURAL NETWORK SYSTEM
Publication/Patent Number: EP3685320A1 Publication Date: 2020-07-29 Application Number: 18857686.2 Filing Date: 2018-09-20 Inventor: Crill, Rikki J.   Baiardo, Jonathan C.   Bruce, David A.   Assignee: Look Dynamics, Inc.   IPC: G06N3/067
18 CN111753977A
光学神经网络卷积层芯片、卷积计算方法和电子设备
Under Examination
Publication/Patent Number: CN111753977A Publication Date: 2020-10-09 Application Number: 202010616219.X Filing Date: 2020-06-30 Inventor: 王瑞廷   王鹏飞   罗光振   张冶金   周旭亮   潘教青   Assignee: 中国科学院半导体研究所   IPC: G06N3/067 Abstract: 一种光学神经网络卷积层芯片,应用于人工智能领域,包括依次连接的第一耦合器、第一分束器、多个光子计算模块和卷积求和模块;该第一耦合器,用于将接收到的光信号耦合至第一分束器中;该第一分束器包括多个输出端口,该分束器用于将耦合后的光信号进行分束,得到多束光信号,多束该光信号一一通过各该输出端口输入至各该光子计算模块;该光子计算模块,用于对每束该光信号进行幅度调制和相位调制,以通过每束调制的光信号表示一个输入数据和一个卷积核参数,并将所有调制后的光信号转化为电信号;该卷积求和模块,用于对所有该电信号进行卷积求和,完成所有输入数据和卷积核参数的光子卷积运算。光子具有高速度、高带宽、低功耗的特点,利用光子实现卷积计算,可以大幅度提高计算速度并降低计算能耗。
19 CN111680796A
基于级联光耦合器的片上光子神经网络装置、芯片及其应用方法
Under Examination
Publication/Patent Number: CN111680796A Publication Date: 2020-09-18 Application Number: 202010605656.1 Filing Date: 2020-06-29 Inventor: 罗章   赖明澈   翦杰   王子聪   孙岩   黎渊   张建民   徐金波   董德尊   熊泽宇   欧洋   Assignee: 中国人民解放军国防科技大学   IPC: G06N3/08 Abstract: 本发明公开了一种基于级联光耦合器的片上光子神经网络装置、芯片及其应用方法,光子神经网络装置包括全光光子神经网络,全光光子神经网络包括调幅单元、多层神经元以及探测单元,调幅单元包括N路调幅器,多层神经元包括M个重复单元,重复单元包括多个调幅调相器和一个MIMO光耦合器,任意第m个重复单元的多个调幅调相器用于分别将N路输入的光信号进行调幅调相后通过MIMO光耦合器得到N路输出,探测单元包括N路探测器。本发明能够以级联光耦合器为基础在片上集成系统中实现大位宽输入的全光光子神经网络深度学习系统,训练学习完成后正向推理过程的计算开销极小、功耗低,片上系统易于集成、支持大位宽数据输入。
20 KR20200004315A
모션 검출기
Publication/Patent Number: KR20200004315A Publication Date: 2020-01-13 Application Number: 20197033292 Filing Date: 2018-05-08 Inventor: Cope, Alex   Assignee: THE UNIVERSITY OF SHEFFIELD   IPC: G06N3/067 Abstract: Examples relate to a detectors for determining motion from visual cues, said determining being invariant to changes in at least one of temporal and spatial frequencies of said visual cues. 예는 시각 신호로부터의 모션을 결정하기 위한 검출기에 관한 것으로, 상기 결정은 상기 시각 신호의 시간적 및 공간적 주파수 중 적어도 하나의 변화에 대해 불변인 것이다.