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！

龙图腾网获悉中山大学申请的专利一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列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：CN114860192B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202210681126.4，技术领域涉及：G06F7/523；该发明授权一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列是由黄以华;许翔智设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列在说明书摘要公布了：本发明公开一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列，其通过一套乘加法阵列结构，将图神经网络中组合运算中的稀疏稠密乘法拆分，能将源自不同节点，数量不定的有效值累加在一起，得到所需的稀疏稠密矩阵乘法结果。此方法平均每个周期有超过95％乘法器在进行有效运算，且无需复杂的数据预处理，拥有节点特征向量的利用率高，所需乘法器数量较少等优点。

本发明授权一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列在权利要求书中公布了：1.一种基于FPGA的图神经网络高乘法器利用率的稀疏稠密矩阵乘法阵列，其特征在于，所述稀疏稠密矩阵乘法阵列用于能先组合后聚合的应用场景中，所述稀疏稠密矩阵乘法阵列包括预处理模块、特征缓存模块、乘法阵列和加法阵列，其中： 所述预处理模块的输入为需要处理的GNN模型以及数据集，所述预处理模块根据所述GNN模型以及数据集生成所需的功能配置参数以及特征矩阵； 所述特征缓存模块的输入为所述功能配置参数，所述特征缓存模块提供缓存并通过所述缓存将特征矩阵的有效值按一定顺序送入所述乘法阵列中； 所述乘法阵列中进行乘法运算并将运算结果送入至所述加法阵列中，所述乘法阵列中还包括用于存储权重矩阵的存储器； 所述加法阵列受功能配置参数的控制，对所述乘法阵列的运算结果进行合并整合，使得源自同一节点的部分和能累加在一起，最终得到后面聚合阶段所需的组合部分结果； 所述特征缓存模块包括特征缓存控制器、特征矩阵存储器、解码器和缓存器，其中，所述特征缓存控制器接收所述功能配置参数，并根据所述功能配置参数对所述特征矩阵存储器进行控制，所述特征矩阵存储器接收CSR编码后的特征矩阵，在所述特征缓存控制器下，往解码器中输送特征矩阵进行解码，解码后的特征矩阵数据进入缓存中，等待输送至所述乘法阵列。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。