買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東浪潮科學研究院有限公司申請的專利一種并行處理器功耗動態優化方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120029436B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510510969.1，技術領域涉及：G06F1/3234；該發明授權一種并行處理器功耗動態優化方法和系統是由閆玉婕;孟凡琨;張麗麗;李炳坤設計研發完成，并于2025-04-23向國家知識產權局提交的專利申請。

本一種并行處理器功耗動態優化方法和系統在說明書摘要公布了：本發明公開了一種并行處理器功耗動態優化方法和系統，屬于計算機圖形處理與能效管理技術領域，基于多模態特征融合和注意力機制增強實現高精度功耗預測模型，所述多模態特征，包括應用程序的代碼特征和用戶操作行為特征，應用程序的代碼特征能夠反映應用程序的復雜度和資源需求，用戶操作行為特征能夠體現用戶的使用習慣和對性能的要求；所述注意力機制增強，在CNN與LSTM結合的基礎上，引入注意力機制，所述注意力機制能夠自動地為不同的輸入特征分配不同的權重，使得模型更加關注對功耗預測影響大的特征。本發明能夠實現功耗的有效降低與性能的穩定保持，尤其適用于對能耗和性能要求極高的復雜計算場景。

本發明授權一種并行處理器功耗動態優化方法和系統在權利要求書中公布了：1.一種并行處理器功耗動態優化方法，其特征在于，基于多模態特征融合和注意力機制增強實現高精度功耗預測模型， 所述多模態特征，包括應用程序的代碼特征和用戶操作行為特征，所述應用程序的代碼特征能夠反映應用程序的復雜度和資源需求，所述用戶操作行為特征能夠體現用戶的使用習慣和對性能的要求；所述應用程序的代碼特征數據包括代碼復雜度、函數調用頻率；所述用戶操作行為特數據包括：操作頻率、操作時間間隔； 所述注意力機制增強，在CNN與LSTM結合的基礎上，引入注意力機制，所述注意力機制能夠自動地為不同的輸入特征分配不同的權重，使得模型更加關注對功耗預測影響大的特征； 該方法的實現包括以下步驟： （1）數據采集與預處理； （2）模型訓練與優化； （3）智能自適應調度實現； 所述模型訓練與優化，具體實現過程如下： （2.1）數據劃分： 將預處理后的數據按照比例劃分為三個部分，用于模型的訓練、驗證和測試； （2.2）模型結構設計： 模型采用CNN與LSTM結合的結構，并引入注意力機制，CNN部分包含多干卷積層和池化層，用于提取空間特征；LSTM部分包含多個LSTM單元，用于捕捉時間序列中的長期依賴關系；注意力層則在LSTM層之后，為不同的輸入特征分配權重； （2.3）損失函數定義： 采用均方誤差作為損失函數，以評估模型預測值與真實值之間的差異； （2.4）訓練過程： 初始化：隨機初始化模型權重和偏置； 前向傳播：將訓練集數據輸入到模型中，通過CNN和LSTM層進行前向傳播，計算預測值； 計算損失：使用MSE損失函數計算預測值與真實值之間的誤差； 反向傳播：利用梯度下降法進行反向傳播，計算損失函數關于模型參數的梯度，并更新模型參數以最小化損失； 批量歸一化：在每個卷積層或LSTM層之后添加批量歸一化層，用于速訓練過程并提高模型穩定性； 驗證與調整：在每個訓練周期結束后，使用驗證集數據評估模型的性能，如果驗證集上的損失開始增加，則采用早停法停止訓練，并返回具有最佳驗證性能的模型； （2.5）超參數調優： 在預定義的參數空間內搜索最優的超參數組合，包括學習率、批處理大小、CNN和LSTM層的數量及參數、注意力層的參數； 評估不同超參數組合下模型的性能，并選擇具有最低驗證集損失的組合作為最終模型參數； 所述智能自適應調度實現，包括多目標優化調度和實時風險評估， 所述多目標優化調度，同時考慮功耗、性能和硬件壽命三個目標，在動態調整并行處理器的包括電壓、頻率的關鍵參數以及優化任務分配時，通過多目標優化算法找到所述三個目標之間的最優平衡點； 所述實時風險評估，實時評估并行處理器的運行風險，包括如過熱、過載；當檢測到潛在風險時，調度策略立即采取相應的措施，包括快速降低電壓和頻率、緊急遷移高風險任務；同時，根據風險的嚴重程度和類型，動態調整調度策略的參數，以確保并行處理器在安全穩定的狀態下運行。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東浪潮科學研究院有限公司，其通訊地址為：250000 山東省濟南市高新區浪潮路1036號S02號樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。