원래 이름 기록: 中国科学院软件研究所

本发明涉及一种基于SPH的不可压缩流体仿真方法和装置。该方法首先将粒子拆分为作为压强计算点的虚粒子，以及作为速度计算点的实粒子，当流体某区域处于压缩状态时，令该区域中的实粒子与虚粒子重合，即粒子聚合，以保证流体在压缩状态下的数值稳定性(压缩稳定性)；当流体某区域处于拉伸状态时，则令该区域的实粒子与粒子分离，以保证流体在拉伸状态下的数值稳定性(拉伸稳定性)。本发明通过流体不同区域应力与应变状态，自适应地触发粒子的聚合与分裂，以保证流体大部分区域都处于应力数值稳定状态，提高SPH不可压缩流体的仿真准确性。

本发明公开了一种基于知识图谱的多源数据多维辅助校验方法，其步骤包括：1)构建目标领域的知识图谱；2)以所述知识图谱中已建模的目标实体为导向，从多个不同来源定向汇聚与该目标实体相关的描述信息，并同步记录来源标识与时间戳；3)提取每一条所述描述信息中的核心要素并将其输入至大型语言模型进行语义向量化，得到每一所述描述信息的语义向量；4)从内容相似度分析、实体图谱关联分析和关键词共现分析三个维度对多源数据进行一致性校验；5)根据一致性校验结果对各所述描述信息中的不一致之处进行标识和提示。本发明大幅降低了因表述差异导致的漏检情况，从而提升一致性校验的准确性。

本发明公开了一种脉冲神经网络在神经形态硬件上的部署方法，属于神经网络软硬件协同设计技术领域。本发明为解决不同硬件拓扑结构与路由算法下脉冲神经网络部署延迟高的问题，主要采用在预设硬件参数约束下，对神经网络在硬件核心间的映射方案进行建模，并通过部署方案选择策略对初始部署方案进行迭代优化以满足响应时间约束。本发明能够适用于多种硬件架构与路由组合，有效降低部署后的响应时间并提高系统运行效率。

本发明公开一种基于点云数据的自监督三维人体重建方法及系统，属于属于三维重建领域和人工智能的深度学习领域。所述方法包括：获取人体点云数据；基于自监督回归重建模块对该人体点云数据进行处理，得到姿势参数和形状参数；将姿势参数和形状参数输入至SMPL人体参数化模型，得到人体重建结果。本发明可以从人体点云数据中自监督地估计点云语义由此引导深度回归网络重建三维人体，并通过深度回归网络与优化算法间的融合迭代实现自我提升，实现准确高效的三维人体重建。

本发明提供一种可执行程序生成方法、装置及电子设备，涉及计算机技术领域，可执行程序生成方法应用于第一设备，包括：获取第二设备发送的目标软件源码对应的第一中间文件和目标软件源码对应的记录文件；记录文件用于表征目标软件源码转换成第一可执行程序时所需的可执行程序链接命令；基于第一中间文件、可执行程序链接命令和第二设备对应的指令集扩展信息，生成第二可执行程序。本发明实现在不修改目标软件源码与原始构建系统，降低了软件的复杂度，并且在所有版本的硬件改变时都可以保证设备正常运行，实现了软件在所有版本硬件上的兼容。

本发明属于计算机科学技术领域，涉及一种大模型灵活低秩训练后量化方法和系统。该方法包括：获取大模型的每一层对应的激活值；对激活值进行最大最小值下的归一化，得到数据分布缩放数组；利用数据分布缩放数组对当前权重W进行通道方向的缩放，得到缩放后的权重数组W；对缩放后的权重数组W应用最佳秩选择算法，得到低秩近似矩阵W；对残差矩阵R＝W‑W进行裁剪和量化，得到量化矩阵W；计算当前W和W对应的量化误差，将最小量化误差对应的量化矩阵W和低秩矩阵W作为低秩量化结果。本发明能够自适应灵活选择秩，能够提升量化精度，加快量化速度并降低计算开销，适合大规模模型部署。

本发明公开了一种低开销的抗功耗分析AES算法掩码防护方法。本发明在时钟周期0接收明文和密钥的两个份额，在时钟周期0到30执行十轮轮函数，其中每轮需要3个时钟周期，在时钟周期31输出密文的两个份额；在轮函数和密钥扩展的实现中，S盒（不含输入线性映射）的计算需要三个时钟周期；在S盒计算完成的第三个时钟周期，同时完成一轮的剩余操作（其中轮函数的剩余操作包括S盒的乘法模块、S盒输出线性映射、行移位、列混淆、轮密钥加，密钥扩展的剩余操作包括密钥字异或生成下一轮的轮密钥）和下一轮的S盒输入线性映射计算。本发明的掩码实现能为AES算法提供1阶抗功耗分析的侧信道安全能力，并显著降低了对随机数和芯片面积的需求。