### 对比文件、目标专利及模型名称
- **对比文件名称**：2011-11-24_US2011289034A_发明申请_US20110289034A1 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**：无特定模型名称
### 特征比对表格
| 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》 | [0043] "each of the microengines 220A-E may each be configured by context information provided by processor 210 to enable a neuron to be implemented at a microengine."（每个微引擎220A-E可由处理器210提供的上下文信息配置，以在微引擎处实现神经元。）<br>[0042] "The processor 210 may route packets including the context information obtained from memory 205 and any intermediate values ... to a microengine to configure the microengine as a neuron."（处理器210可将包括从存储器205获取的上下文信息和任何中间值的数据包路由到微引擎，以将微引擎配置为神经元。） | 对比文件明确描述了通过处理器210配置多个微引擎（220A-E）作为神经元，并执行神经模拟（如基于神经模型生成输出）。这直接对应于目标专利中“执行对人工神经系统的多个人工神经元的模拟”的技术特征。本领域技术人员能够毫无疑义地从对比文件得出该技术方案。 |
| **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》 | [0035] "Moreover, in some implementations, each connection may be associated with one of a plurality of neuron types. For example, connections Wij A-C may implement a first neural model corresponding to a first type of neuron, and connections Wij 165D-E may implement a second neural model corresponding to a second type of neuron. In this example, the context information would include the connection values and information representative of the types of neurons."（此外，在一些实现中，每个连接可与多种神经元类型之一相关联。例如，连接Wij A-C可实现对应于第一类型神经元的第一神经模型，而连接Wij 165D-E可实现对应于第二类型神经元的第二神经模型。在此示例中，上下文信息将包括连接值和代表神经元类型的信息。）<br>[0046] "The type 320 defines the kind of neuron and how to execute the neuron. For example, the type may define the neural model, defining Equation 1 or the basis function K being used by the jth neuron. In this example, a neuron type may have a corresponding code set which is loaded into a microengine to enable the microengine to process the context information and generate an output."（类型320定义神经元的种类以及如何执行神经元。例如，类型可定义神经模型，定义等式1或第j个神经元所使用的基函数K。在此示例中，神经元类型可具有对应的代码集，其被加载到微引擎中以使微引擎能处理上下文信息并生成输出。） | 对比文件公开了神经元类型（type 320）作为上下文信息的一部分，用于配置微引擎作为特定类型的神经元。配置神经元需要加载对应的代码集（如程序内存850中的指令），这必然涉及存储器资源（如寄存器、程序内存）的分配。虽然对比文件未明确表述“确定存储器资源需求”，但本领域技术人员能够合理推断：根据神经元类型（或状态，如激活值）的不同，所需加载的代码集和存储上下文信息的存储器量也会不同，从而隐含了基于神经元类型或状态确定存储器资源需求的技术特征。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>《未公开》 | 无相关引用 | 对比文件描述了使用顺序存储器（205）和静态随机存取存储器（215）存储上下文信息和激活值，但并未提及“共享存储器池”的概念，也未描述在模拟期间根据存储器资源需求的变化动态分配共享存储器池的各部分。存储器分配在对比文件中似乎是静态或预配置的（如通过数据结构300/305顺序存储），而非基于需求动态分配。因此，该技术特征未被对比文件直接或隐含公开。 |
| **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>《未公开》 | 无相关引用 | 对比文件虽描述了分布式神经网络处理系统（如图9的蜂巢结构，多个神经处理单元互连），但并未将存储器描述为“共享存储器池”，也未公开共享存储器池被实现为分布式架构。对比文件中的存储器（如顺序存储器、SRAM）是各处理单元局部或全局访问的，但缺乏共享池的动态分配特性。因此，该技术特征未被对比文件直接或隐含公开。 |
| **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》 | [0055] "The neural processing unit 500 includes a memory interface 505, an application interface 510, and a dispatcher 520. The memory interface 505 is coupled to sequential memory 205 and processor 210, and the application interface 510 is coupled to processor 210 and dispatcher 520, which is further coupled to microengines A-E."（神经处理单元500包括内存接口505、应用接口510和分发器520。内存接口505耦合到顺序存储器205和处理器210，应用接口510耦合到处理器210和分发器520，分发器520进一步耦合到微引擎A-E。）<br>[0061] "The application interface 510 provides an interface to each of the microengines 220A-E."（应用接口510提供到每个微引擎220A-E的接口。）<br>[0062] "The dispatcher 520 provides packet handling and queuing for packets exchanged among the application interface 510 and the microengines A-E."（分发器520为应用接口510和微引擎A-E之间交换的数据包提供包处理和队列。）<br>[0064] "Each of the neural processing units may be coupled to four other neural processing units, and, in some implementations, each of the neural processing units may be implemented on one or more application specific integrated circuits."（每个神经处理单元可耦合到其他四个神经处理单元，并且在一些实现中，每个神经处理单元可在一个或多个专用集成电路上实现。） | 对比文件公开了神经处理单元中的组件：存储器组（如顺序存储器205、SRAM 215）、写/读客户机（微引擎220A-E作为读写客户机，通过应用接口510和分发器520访问存储器）、以及路由器（处理器210或路由器610负责路由数据包）。这些组件共同构成了一个分布式架构，用于在神经网络模拟中处理数据。虽然对比文件未使用“共享存储器池”这一术语，但本领域技术人员能够从上述组件及其连接关系中合理推断出分布式架构包含存储器组、客户机和路由器，这些组件在功能上对应于目标专利技术特征E的要素。因此，该技术特征被对比文件隐含公开。 |
| **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>《未公开》 | 无相关引用 | 对比文件中，微引擎（作为客户机）通过接口访问存储器（如顺序存储器、SRAM），但访问的是预分配或顺序存储的上下文信息，而非“共享存储器池”中动态分配的部分。目标专利中“分配给该人工神经元的共享存储器池的部分”这一概念在对比文件中未出现。因此，该技术特征未被对比文件直接或隐含公开。 |
| **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>《未公开》 | 无相关引用 | 对比文件提及存储器（如DDR2内存）可能位于不同芯片，但未明确描述共享存储器池的概念，也未指出存储器池的一部分位于与处理器不同的芯片上。因此，该技术特征未被对比文件直接或隐含公开。 |
| **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>《未公开》 | 无相关引用 | 对比文件未描述基于存储器资源需求改变动态调整分配给神经元的存储器量。存储器分配在对比文件中是静态或通过固定数据结构管理的。因此，该技术特征未被对比文件直接或隐含公开。 |
### 公开性判断代码输出
<<<A>>><<<b>>><<<e>>>