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！

龍圖騰網獲悉電子科技大學申請的專利一種基于GPU并行加速的異構對稱矩陣特征值分解方法、系統和設備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：CN120561440B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202511055273.0，技術領域涉及：G06F17/16；該發明授權一種基于GPU并行加速的異構對稱矩陣特征值分解方法、系統和設備是由王瀚生;張少帥;段翰聰;嚴華兵;楊文聰;黃大軍設計研發完成，并于2025-07-30向國家知識產權局提交的專利申請。

本一種基于GPU并行加速的異構對稱矩陣特征值分解方法、系統和設備在說明書摘要公布了：本發明提供了一種基于GPU并行加速的異構對稱矩陣特征值分解方法、系統和設備，屬于高性能計算技術領域。本發明打破了傳統對稱矩陣特征值分解過程中五個子過程只能夠嚴格串行執行的設計，解決了串行算法存在的CPU和GPU計算資源空閑的問題，極大地提高了計算效率。同時本發明針對BC?Back階段，提出了一種基于GPU實現的新穎的BC?Back方法，其將BC?Back過程從并行能力有限的CPU轉移到可以大規模并行的GPU上，極大的提升了BC?Back階段的并行效率。本發明充分利用了異構架構特點和GPU并行性，實現了對稱矩陣特征值求解子過程間并行和BC?Back的內部并行，充分利用了CPU和GPU資源，極大地提高了計算機內部對于對稱矩陣特征值求解過程的計算性能。

本發明授權一種基于GPU并行加速的異構對稱矩陣特征值分解方法、系統和設備在權利要求書中公布了：1.一種基于GPU并行加速的異構對稱矩陣特征值分解方法，其特征在于，該方法在圖形處理器GPU和中央處理器CPU上并行運行處理，具體包括以下步驟： 步驟1：給定待求解原始矩陣A，通過條帶化分解和三對角化分解，得到單位正交矩陣、三對角矩陣和豪斯霍爾德向量矩陣；再求解三對角矩陣，獲得原始矩陣的特征值數組和三對角矩陣的特征向量矩陣； 步驟2：利用凸塊追逐后向變換方法，對單位正交矩陣使用豪斯霍爾德向量矩陣中的豪斯霍爾德向量進行豪斯霍爾德變換，得到中間過程矩陣； 具體的，首先在GPU上分配條帶化數組，對豪斯霍爾德向量矩陣中的豪斯霍爾德向量u進行條帶化存儲；然后獲取GPU上線程塊可使用的共享內存的最大尺寸、具有流多處理器的個數、流多處理器上能夠啟動線程塊的個數；基于流多處理器個數和每個流多處理器上能夠啟動線程塊的個數創建可用線程塊，可用線程塊的每個線程對轉置的單位正交矩陣使用豪斯霍爾德向量進行變換，得到中間過程矩陣；設原始矩陣A的尺寸為n*n，豪斯霍爾德向量u的長度為b，GPU上每個線程塊中線程束的個數為k，所述中間過程矩陣的求解過程如下： 獲取豪斯爾德向量u的個數；獲取凸塊追逐的總趟數，記為sN，sN＝n+b-3b；獲取最后1趟凸塊追逐產生的豪斯霍爾德向量u的個數，記為tUN，通過公式tUN＝n-sN-1*b-2計算得到； 條帶化數組的分配與存儲；在GPU上分配條帶化數組bandUArrey，將豪斯霍爾德向量矩陣中存儲的豪斯霍爾德向量u存儲到條帶化數組bandUArrey中； 創建線程塊；獲取線程塊可使用的共享內存的最大尺寸maxSharedMemPerBlock、GPU具有流多處理器的個數、流多處理器上能夠啟動線程塊的個數；令線程塊中可用共享內存大小sharedMemSize為： 其中，Sizeof是c語言中求數據類型datatype所占內存長度的函數；令線程塊1次可加載最多向量u的個數maxSharedUNum為： maxSharedUNum＝sharedMemSizesizeofdatatype*b 線程塊中含有線程的個數dimblock為32,k,1，其中32是GPU中線程束中線程的個數；基于流多處理器個數和每個流多處理器上能夠啟動線程塊的個數創建blockNum個線程塊；變換開始；每個線程對單位正交矩陣的轉置的perBlockN列遍歷條帶化數組bandUArrey進行變換，其中perBlockN＝n+blockNum-1blockNum，其中blockNum為創建的線程塊的個數,perBlockN為待變換的列的索引； 變換完成；等待所有的線程塊完成變換操作，得到中間過程矩陣； 步驟3：使用矩陣乘法將中間過程矩陣和特征向量矩陣相乘，完成矩陣特征值分解。

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電子科技大學，其通訊地址為：611731 四川省成都市高新區(西區)西源大道2006號；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”。