一种稀疏矩阵求解方法、系统、设备及介质

本申请涉及电路仿真，尤其涉及一种稀疏矩阵求解方法、装置、电子设备及存储介质。

背景技术：

1、在电路仿真中，由于电路网络的复杂性和大规模性质，往往会生成大规模且稀疏的系数矩阵。而电路网络的稀疏矩阵具有特殊的结构和性质，使得传统的直接解法，如高斯消元法不适用于求解稀疏矩阵的线性方程组，在计算机处理时会浪费大量的存储和计算资源，处理效率低下。

2、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本申请实施例的主要目的在于提出一种稀疏矩阵求解方法、装置、电子设备及存储介质，能够提高稀疏矩阵的求解效率。

2、为实现上述目的，本申请实施例的一方面提出了一种稀疏矩阵求解方法，所述方法包括：

3、获取电路网络的稀疏矩阵；

4、将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，所述现场可编程门阵列包括处理单元集合，所述处理单元集合包括多个预训练的处理单元，所述处理单元采用自适应乘法进行计算；

5、通过所述处理单元集合对所述稀疏矩阵进行分解处理，得到分解结果。

6、在一些实施例中，所述现场可编程门阵列还包括列映射单元和列缓冲区，所述将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，包括：

7、通过所述列映射单元对所述处理单元集合进行批量读取处理，得到轴向列表示；

8、通过所述列缓冲区对所述轴向列表示进行保存得到缓冲元素，并将所述缓冲元素依次广播到所述处理单元集合中。

9、在一些实施例中，所述现场可编程门阵列还包括控制器，所述将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，包括：

10、通过所述控制器从所述处理单元集合中获取得到所述稀疏矩阵的主元数据，并将所述主元数据广播至所述处理单元集合；

11、通过所述处理单元集合对所述主元数据进行除法处理得到归一化结果，并对所述归一化结果进行保存。

12、在一些实施例中，所述通过所述处理单元集合对所述稀疏矩阵进行分解处理，得到分解结果，包括：

13、通过所述处理单元集合中的每个处理单元对所述稀疏矩阵进行计算处理，所述处理单元包括浮点乘法器、浮点加法器和用于存储计算结果的存储单元；

14、通过所述浮点乘法器对所述稀疏矩阵进行自适应乘法处理，得到乘法结果；

15、通过所述浮点加法器对所述乘法结果进行加法处理，得到计算结果；

16、通过所述存储单元对所述计算结果进行缓存，输出计算结果；

17、对所述处理单元集合中的每个处理单元的计算结果进行合并处理，得到分解结果。

18、在一些实施例中，所述通过所述浮点乘法器对所述列元素进行自适应乘法处理，得到乘法结果，包括：

19、对所述稀疏矩阵进行特征提取处理，得到输入特征；

20、将所述输入特征输入分类器进行预测，得到自适应乘法；

21、根据所述自适应乘法进行矩阵乘法计算，得到乘法结果。

22、在一些实施例中，所述将所述稀疏矩阵输入现场可编程门阵列进行并行计算处理之前，所述方法还包括预先训练所述处理单元，具体包括：

23、获取样本数据集；

24、对所述样本数据集进行特征选择处理，得到选择特征；

25、对所述样本数据集进行矩阵抽样处理，得到训练数据集；

26、根据所述选择特征和所述训练数据集对分类器进行训练，得到处理单元。

27、在一些实施例中，所述对所述样本数据集进行矩阵抽样处理，得到训练数据集，包括：

28、对所述样本数据集中每个矩阵的样本数量进行计算处理，得到矩阵样本数量；

29、根据所述矩阵样本数量对所述样本数据集进行比例抽样处理，得到训练数据集。

30、为实现上述目的，本申请实施例的另一方面提出了一种稀疏矩阵求解系统，所述系统包括：

31、第一模块，用于获取电路网络的稀疏矩阵；

32、第二模块，用于将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，所述现场可编程门阵列包括处理单元集合，所述处理单元集合包括多个预训练的处理单元，所述处理单元采用自适应乘法进行计算；

33、第三模块，用于通过所述处理单元集合对所述稀疏矩阵进行分解处理，得到分解结果。

34、为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的方法。

35、为实现上述目的，本申请实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的方法。

36、本申请实施例至少包括以下有益效果：本申请提供一种稀疏矩阵求解方法、系统、设备及介质,该方案通过将稀疏矩阵输入现场可编程门阵列以进行并行计算处理，从而在现场可编程门阵列硬件中实现多个处理单元并行计算来提高运算速率，加速稀疏矩阵的求解，并通过对处理单元采用自适应乘法进行计算，降低了计算的复杂度，提高了电路网络中稀疏矩阵的求解效率。

技术特征：

1.一种稀疏矩阵求解方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述现场可编程门阵列还包括列映射单元和列缓冲区，所述将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述现场可编程门阵列还包括控制器，所述将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述通过所述处理单元集合对所述稀疏矩阵进行分解处理，得到分解结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述通过所述浮点乘法器对所述列元素进行自适应乘法处理，得到乘法结果，包括：

6.根据权利要求1至5任一项所述的方法，其特征在于，所述将所述稀疏矩阵输入现场可编程门阵列进行并行计算处理之前，所述方法还包括预先训练所述处理单元，具体包括：

7.根据权利要求6所述的方法，其特征在于，所述对所述样本数据集进行矩阵抽样处理，得到训练数据集，包括：

8.一种稀疏矩阵求解系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

技术总结
本申请公开了一种稀疏矩阵求解方法、系统、设备及介质，方法包括：获取电路网络的稀疏矩阵；将所述稀疏矩阵输入现场可编程门阵列以进行并行计算处理，所述现场可编程门阵列包括处理单元集合，所述处理单元集合包括多个预训练的处理单元，所述处理单元采用自适应乘法进行计算；通过所述处理单元集合对所述稀疏矩阵进行分解处理，得到分解结果。本申请实施例能够通过机器学习技术学习电路矩阵，并通过在现场可编程门阵列中实现多个处理单元并行计算来提高运算速率，加速稀疏矩阵的求解，可以广泛应用于电路仿真技术领域。

技术研发人员：胡建国,周潮兴,王正卓,王雨禾,潘家锴,沈圣智,黄文俊,王叶,王滔
受保护的技术使用者：中山大学
技术研发日：
技术公布日：2024/3/31