对比文件名称：2014-02-20_US2014052679A_发明申请_US20140052679A1 APPARATUS AND METHODS FOR IMPLEMENTING EVENT-BASED UPDATES IN SPIKING NEURON NETWORKS
目标专利名称：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
## 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：《直接公开》**<br>包括：执行对人工神经系统的多个人工神经元的模拟 | 对比文件第[0083]段：“Implementations of the present technology will now be described in detail with reference to the drawings, which are provided as illustrative examples so as to enable those skilled in the art to practice the technology. ... Wherever convenient, the same reference numbers will be used throughout the drawings to refer to same or like parts.” 结合图1及全文描述，该文件整体涉及对尖峰神经元网络（一种人工神经系统）的模拟。 | 对比文件通篇描述了用于模拟尖峰神经元网络（即人工神经系统）的方法和装置。例如，其背景部分（第[0003]-[0009]段）明确涉及“simulating neuronal networks”，并且详细描述了神经元模型、突触可塑性等模拟要素。本领域技术人员能够毫无疑义地确定，对比文件公开了执行对包含多个人工神经元的神经系统的模拟。因此，技术特征A被对比文件直接公开。 |
| **技术特征B：《隐含公开》**<br>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 | 对比文件第[0111]-[0121]段描述了`<unit_class>`的定义，其中包含`initialization`字段，用于设置单元（神经元）类中变量的初始值。例如，第[0121]段：“initialization sets the initial values of some or all variables and parameters of the unit. E.g., ‘float v=0; float u=0; float g_AMPA=0;’. Different unit classes may have a different number of synaptic conductance types and/or assigned different variable names.” 此外，在第[0165]-[0168]段，通过继承`simple_model`类创建`complex_model`类，增加了新的变量`w`。 | 在神经模拟器中，人工神经元（或单元）的状态由其变量（如膜电位v、恢复电流u等）表示，而神经元的类型由其所属的类（如`exc`, `inh`, `complex_model`）定义。对比文件明确展示了不同的`unit_class`可以声明和初始化不同数量和类型的变量（例如，`exc`类有`last_spike`变量，`complex_model`类比`simple_model`类多一个`w`变量）。为存储这些不同的变量集合，必然需要不同大小的内存资源。虽然对比文件没有明确使用“确定存储器资源需求”这一表述，但本领域技术人员根据对比文件公开的为不同神经元类型定义不同变量集这一事实，能够合理推断出：在实现该模拟系统时，需要基于神经元的类型（决定其变量集）来确定每个神经元所需的内存资源量。这是一种隐含的、必然的技术要求。因此，技术特征B被对比文件隐含公开。 |
| **技术特征C：《未公开》**<br>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 | 对比文件第[0172]段描述了链接器（linker）的功能：“A linker uses (e.g., the linker 108 in FIG. 1) the low-level END description and (i) populates some or all of the links between the units; (ii) saves the code and the data in binary or some other low-level (machine) format so that to facilitate data and code loading by the computational engine during model simulations.” 该过程发生在编译/构建阶段，而非模拟运行期间。 | 对比文件公开了在模型编译/构建阶段，由链接器处理低级描述并生成可加载的代码和数据。其中可能包含内存布局的安排。然而，对比文件完全没有提及在模拟运行期间（runtime）存在一个“共享存储器池”，也未曾描述基于变化的存储器需求向神经元动态分配该池的各部分。目标专利所强调的在运行时动态分配共享存储器的核心技术，在对比文件中找不到对应描述。因此，技术特征C未被对比文件公开。 |
| **技术特征D：《未公开》**<br>其中所述共享存储器池被实现为分布式架构 | 对比文件第[0286]-[0288]段讨论了并行化模型执行时，处理域（processing domains）之间交换数据（如尖峰或连接电压），并提到“The data that the processing domains may be exchanging are one or more of: (i) the spikes; or (ii) junction voltages ...”。图7、图8展示了共享或分布式内存与处理单元的连接。 | 对比文件确实涉及分布式计算和内存架构（如图7、8），但其描述重点在于处理单元的分布式和并行计算，以及它们之间的通信（如交换尖峰信号）。它没有明确描述或定义一个专用于动态分配的“共享存储器池”，更没有说明该池本身被实现为一种由特定组件（如存储器组、客户机、路由器）构成的“分布式架构”。目标专利中“共享存储器池的分布式架构”是一个具体的、用于灵活内存管理的硬件架构概念，在对比文件中未被公开。因此，技术特征D未被对比文件公开。 |
| **技术特征E：《未公开》**<br>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 | 经检索，对比文件全文未出现“memory bank”、“write client”、“read client”、“router”（在存储器分配上下文中）等描述目标专利该特征的具体组件。 | 对比文件完全没有提及由存储器组、写客户机、读客户机和路由器构成的、用于访问共享存储器池的具体分布式架构。这是目标专利中非常具体的技术手段，在对比文件中没有任何对应或暗示。因此，技术特征E未被对比文件公开。 |
| **技术特征F：《未公开》**<br>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。 | 同技术特征C、D、E，对比文件未公开“共享存储器池”、“写客户机”、“读客户机”以及基于该架构的访问机制。 | 该技术特征的实施依赖于技术特征C、D、E所定义的共享存储器池及其访问架构。由于对比文件未公开这些基础特征，因此本特征也未被公开。 |
| **技术特征G：《未公开》**<br>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。 | 对比文件第[0102]段：“在一方面，突触权重存储器可实现在与主神经处理器芯片分开的外部芯片上。突触权重存储器可与神经处理器芯片分开地封装成可更换的存储卡。” 图10中显示了片外DRAM 1006。 | 对比文件确实公开了存储器（如突触权重存储器）可以位于与处理器不同的芯片上（片外存储器）。然而，技术特征G是技术特征C（动态分配共享存储器池）的进一步限定。由于对比文件未公开“共享存储器池”这一核心概念，更未公开其动态分配，因此，即便存在片外存储器，其用途和上下文也与目标专利中作为动态分配对象的“共享存储器池的一部分”不同。片外存储器的存在本身并不等同于公开了“共享存储器池的至少一部分包括位于不同芯片上的存储器”。因此，技术特征G未被对比文件公开。 |
| **技术特征H：《未公开》**<br>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。 | 对比文件未描述在模拟运行期间改变分配给神经元的内存量的过程。 | 该特征描述了动态分配行为的具体表现——改变分配量。这同样是目标专利动态内存管理核心的一部分。对比文件仅涉及模型构建时的静态安排，未涉及运行时基于需求变化而改变内存分配。因此，技术特征H未被对比文件公开。 |
<<<A>>><<<b>>>