**对比文件名称**：2013-07-18_JP2013529342A_发明专利_JP2013529342A Neural processing unit
**目标专利名称**：206用于神经模拟器的共享存储器架构CN105637541B
**本次调用的模型名称**：未指定
以下是根据目标专利权利要求划分的技术特征与对比文件（JP2013529342A）的比对表格：
| 技术特征描述及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：包括：执行对人工神经系统的多个人工神经元的模拟<br>**《直接公开》** | [0005] “...少なくとも１つのマイクロエンジンをニューロンとして構成するステップと、上記少なくとも１つのマイクロエンジンにおいて、ニューロンの出力を示す値を発生するステップとを含んでもよい。”<br>[0018] “図１は単一のニューロン１５０を図示するが、システム１００は、複数のニューロンもまた含んでもよい。” | 对比文件明确描述了将至少一个微引擎配置为神经元，并由该微引擎产生表示神经元输出的值。同时，系统100可以包括多个神经元。这直接公开了使用硬件（微引擎）模拟多个人工神经元的技术特征。 |
| **技术特征B**：基于正被模拟的人工神经元的状态或类型中的至少一者来确定正被模拟的所述人工神经系统的所述人工神经元中的每一者的存储器资源需求<br>**《隐含公开》** | [0022] “ブロック３１０Ａは、ニューロンのタイプ３２０を定義する情報を含んでもよい。そのタイプ３２０は、ニューロンの種類及び当該ニューロンをどのように実行すべきかを定義する。”<br>[0024] “ブロック３１０Ａは...結合値を含んでもよい...動作アドレス３４０を含んでもよい。” | 对比文件公开了数据块包含定义神经元类型的信息（类型320）以及结合值、动作地址等上下文信息。神经元类型直接决定了其执行所需的代码/指令集，而不同的代码/指令集、结合值数量等必然对应不同的存储器资源需求。本领域技术人员在阅读对比文件后，能够合理推断出：为了配置微引擎以模拟特定类型或状态的神经元，需要根据该神经元的类型（例如，其模型、结合数量）来确定其所需的存储器资源（如存储指令、结合值、状态值的空间）。因此，该技术特征被对比文件隐含公开。 |
| **技术特征C**：在所述模拟期间在所述存储器资源需求改变时基于所述对存储器资源需求的确定来动态地向所述人工神经元分配共享存储器池的各部分，<br>**《隐含公开》** | [0024] “シーケンシャルメモリ２０５は、ニューロンとして...マイクロエンジンを構成するために必要とされる情報のすべてではないがいくつかを備えたコンテキスト情報を含んでもよい。”<br>[0049] “プロセッサ２１０は、シーケンシャルメモリ２０５及び／もしくはメモリ２１５から、パケットフォームでコンテキスト情報を受信する場合、その場合には、プロセッサ２１０は、パケットベースのコンテキスト情報をマイクロエンジンにルーティングしてニューロンとしてマイクロエンジンを構成してもよい。” | 对比文件公开了顺序内存205和静态随机存取内存215作为存储上下文信息和动作值的共享存储资源（即共享存储器池）。处理器210从这些内存中读取信息（可视为分配存储器的部分内容）并将其路由到微引擎以配置神经元。虽然对比文件未明确使用“动态分配”和“需求改变时”的表述，但其描述的基于数据包（包含不同类型神经元的上下文信息）的配置过程，本质上是在模拟运行期间，根据不同神经元的配置信息（即其资源需求）来提供相应的数据。本领域技术人员可以合理推断，当需要模拟的神经元类型或状态发生变化（即需求改变）时，系统会从共享内存池中读取对应的信息来配置微引擎，这隐含了动态分配共享存储器池各部分的过程。 |
| **技术特征D**：其中所述共享存储器池被实现为分布式架构，<br>**《隐含公开》** | [0045] “（ＮＰＵとしてそれぞれが表示された）ニューラル処理ユニットは、２次元グリッドレイアウトにおいて相互接続されてもよい。” (对应图9)<br>[0026] “（クラスタとしてもまた言及された）１つもしくはそれ以上の追加的なニューラル処理ユニットは、プロセッサ２１０からコンテキスト情報を受信してもよいし、及び／又は結合２３０を介してコンテキスト情報をプロセッサ２１０に提供してもよい。” | 对比文件公开了系统可以包含多个相互连接的神经处理单元（NPU），形成网格布局（图9）。每个NPU包含自己的内存资源（如顺序内存、SRAM）。这些分布在多个NPU上的内存资源共同构成了一个分布式的存储系统，用于服务整个神经网络模拟。因此，本领域技术人员能够从对比文件中合理推断出共享存储器池被实现为分布式架构。 |
| **技术特征E**：所述分布式架构包括存储器组、写客户机、读客户机以及将所述存储器组与所述写客户机和所述读客户机对接的路由器<br>**《隐含公开》** | [0025] “ニューラル処理ユニット２００は、例えばシーケンシャルメモリ２０５などの第１のメモリと、プロセッサ２１０と、...スタティックランダムアクセスメモリ２１５などの第２のメモリと、...マイクロエンジン２２０Ａ−Ｅ...を含む。”<br>[0026] “プロセッサ２１０はまたルータとして構成されてもよい。”<br>[0027] “アプリケーションインターフェース５１０は、各マイクロエンジン２２０Ａ−Ｅに対してインターフェースを提供する。...ディスパッチャ５２０は、アプリケーションインターフェース５１０及びマイクロエンジン２２０Ａ−Ｅ間で交換されたパケットに対してハンドリングしてキューイングするパケットを提供する。” | 对比文件公开了系统包含多个存储器（如顺序内存205、SRAM 215，可视为存储器组）。处理器210可被配置为路由器。应用接口510为微引擎提供接口，分发器520处理微引擎与接口之间的数据包队列。本领域技术人员可以理解，应用接口和分发器共同起到了管理对存储器的读写访问的作用，相当于“写客户机”和“读客户机”的功能实体。处理器210作为路由器，则在存储器组与这些读写接口之间进行路由。因此，对比文件隐含公开了该分布式架构的具体组成。 |
| **技术特征F**：以及针对每个人工神经元，经由所述写客户机和所述读客户机来访问在所述模拟期间分配给该人工神经元的所述共享存储器池的部分。<br>**《隐含公开》** | [0027] “アプリケーションインターフェース５１０は、...受信されたパケット内に含まれた結合値をマッチングさせる動作値をフェッチしてもよい。...（例えばニューロンタイプ、結合値、動作値などの）コンテキスト情報を含むパケットは、マイクロエンジンに転送される。”<br>[0049] “プロセッサ２１０は、パケットベースのコンテキスト情報をマイクロエンジンにルーティングしてニューロンとしてマイクロエンジンを構成してもよい。” | 对比文件描述了针对每个由微引擎实现的神经元，应用接口510会获取（读）匹配的动作值，并将包含上下文信息的数据包转发（写）给微引擎。这个过程是通过应用接口（相当于读写客户机）和路由器（处理器210）来访问共享内存池（顺序内存、SRAM）中分配给该神经元的数据（如结合值、动作值）来实现的。因此，该访问方式被对比文件隐含公开。 |
| **技术特征G**：其特征在于，所述共享存储器池的至少一部分包括位于与所述人工神经系统模拟器的处理器不同的芯片上的存储器。<br>**《未直接或隐含公开》** | 对比文件未明确记载共享存储器池的部分位于与模拟器处理器（如NPU中的处理器）不同的芯片上。对比文件提到NPU可以在ASIC上实现（例如段落[0019]），但未明确内存与处理器是否跨芯片分布。 | 对比文件没有提供任何信息表明其共享存储器（如顺序内存205、SRAM215）位于与处理这些存储器的处理器（如处理器210、微引擎）不同的芯片上。本领域技术人员无法从对比文件内容中合理推断出这一特定技术特征。 |
| **技术特征H**：其特征在于，所述分配包括基于所述确定来改变分配给所述人工神经元的所述共享存储器池的量。<br>**《未直接或隐含公开》** | 对比文件未提及根据神经元资源需求的确定来“改变”已分配给神经元的共享存储器池的量。其描述的数据包路由和配置过程，更侧重于根据固定的上下文信息格式进行读取和加载，并未涉及在模拟过程中动态调整分配给单个神经元的存储空间大小。 | 对比文件公开了基于上下文信息（可反映需求）为神经元分配数据，但未公开在分配后，根据需求的变化去动态调整（增加或减少）已分配给该神经元的存储空间量。这一特征涉及更精细的动态资源管理，无法从对比文件中合理推断得出。 |
<<<A>>><<<b>>><<<c>>><<<d>>><<<e>>><<<f>>>