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！

龙图腾网获悉江苏海纳电子科技有限公司申请的专利一种基于深度学习的AI芯片测试参数自适应优化方法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：CN120872714B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511387758.X，技术领域涉及：G06F11/22；该发明授权一种基于深度学习的AI芯片测试参数自适应优化方法是由陶雪峰;郑超;代彬;段宏宇设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本一种基于深度学习的AI芯片测试参数自适应优化方法在说明书摘要公布了：本发明涉及深度学习技术领域，具体为一种基于深度学习的AI芯片测试参数自适应优化方法，包括采集AI芯片的历史测试数据，基于所述历史测试数据计算不同失效模式之间的相关性强度；根据边权值识别失效耦合矩阵，将预设的静态检测参数约束边界转换为随失效检测状态变化的动态约束空间；构建多层级优化架构，上层执行失效类型相关性分析并生成约束传播信息，中层基于约束传播信息对参数簇进行优化，下层对单个检测参数进行调节，输出参数优化结果；建立神经网络映射模型，获取检测参数与失效类型之间的非线性映射关系；基于物理状态参数，调整非线性映射关系，更新动态约束空间，并重新执行参数优化，输出参数优化结果，输出最优测试参数组合。

本发明授权一种基于深度学习的AI芯片测试参数自适应优化方法在权利要求书中公布了：1.一种基于深度学习的AI芯片测试参数自适应优化方法，其特征在于，包括： 采集AI芯片的历史测试数据，基于所述历史测试数据计算不同失效模式之间的相关性强度，构建以失效模式为节点、相关性强度为边权值的失效相关图谱； 根据边权值识别失效耦合矩阵；基于失效耦合矩阵，将预设的静态检测参数约束边界转换为随失效检测状态变化的动态约束空间； 构建多层级优化架构，其中上层执行失效类型相关性分析并生成约束传播信息，中层基于所述约束传播信息对参数簇进行优化，下层对单个检测参数进行调节，输出参数优化结果； 建立神经网络映射模型，获取检测参数与失效类型之间的非线性映射关系； 所述神经网络映射模型包括： 输入层接收标准化后的检测参数，所述检测参数包括电压值、频率值、温度值、时序参数值、参数变化率、参数稳定性指标；第一隐藏层提取检测参数间的非线性交互特征，通过ReLU激活函数处理得到初级特征表示；第二隐藏层处理检测参数的时序依赖关系，提取检测参数变化的时序动态特征和历史影响模式；特征融合层将非线性交互特征和时序动态特征进行自适应权重融合，生成综合特征向量；输出层将综合特征向量映射为失效模式的非线性映射关系； 在检测过程中采集AI芯片的物理状态参数，调整非线性映射关系，更新动态约束空间，并重新执行参数优化，输出参数优化结果； 基于参数优化结果，输出平衡检测时间、成本和准确率的最优测试参数组合； 生成最优测试参数组合的具体过程为： 建立多目标评价函数，其中检测时间函数基于测试序列长度计算，成本函数基于设备使用时间计算，准确率函数基于失效检测覆盖率和误报率计算；对参数优化结果中的最优配置集合分别计算检测时间、成本、准确率三个目标函数值；运用层次分析法确定三个目标的相对重要性权重；基于加权求和法计算各候选参数组合的综合评分；选择综合评分最高且满足性能约束的参数组合作为最优测试参数组合。

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江苏海纳电子科技有限公司，其通讯地址为：214000 江苏省无锡市新吴区震泽路18-2号无锡软件园二期狮子座A-1层-1室；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。