项目名称: 对基于随机比特序列运算的电路的自动综合算法的研究

项目编号: No.61204042

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 信息四处

项目作者: 钱炜慷

作者单位: 上海交通大学

项目金额: 24万元

中文摘要: 传统的算数运算电路都是对二进制编码的数据进行计算的。与二进制编码不同的一种数据编码方式是利用一串随机比特序列来表示一个数值。在这种编码方式下,复杂的算数运算可以通过很简单的数字电路来实现。这种编码相比于二进制编码具有很强的容错性。面对未来集成电路中器件的可靠性下降这一问题,设计基于随机编码的电路是一种潜在的解决方法。然而,现有的基于随机编码计算的电路都是人为的设计,尚没有自传动综合这类电路的算法提出。本课题将对这类电路的自动综合算法开展研究,针对组合逻辑电路与时序逻辑电路分别提出综合方法。我们将把传统的逻辑优化技术结合到概率性计算之中,开发出新的数据结构,并依此提出有效的算法来综合最优的基于随机编码计算的组合逻辑电路。同时,本课题将对时序逻辑电路在随机编码下实现的计算进行分析,把握其输入输出间的规律,提出自动综合电路的算法。我们将开发相应的计算机辅助设计软件,为设计者设计这类电路提供便捷。

中文关键词: 随机比特序列编码;随机计算;概率性计算;逻辑综合;

英文摘要: Traditional arithmetic circuits operate on numbers encoded with binary radix. An alternative to binary radix encoding is to represent a value by a stream of random bits, where the value is represented by the probability of ones in that stream. With this representation, complex arithmetic operations can be implemented with very simple digital circuits. The representation is also much more fault-tolerant than binary radix encoding. Designing circuits computing on stochastic bit streams offers a promising way to design reliable circuits with emerging unreliable nanoscale devices. However, such circuits are currently designed manually: there are no automatic ways to synthesize them. In this project, we will develop algorithms for synthesizing digital circuits operating on stochastic bit streams. We will target both combinational circuits and sequential circuits. We will explore novel data structures that combine the classic logic optimization techniques with probabilistic computation. These novel data structures will be applied to develop algorithms for synthesizing combinational circuits. We will also analyze sequential circuits operating on stochastic bit streams and study what kind of computation they can perform. We will develop methods to synthesize sequential circuits that compute on stochastic bit streams. Co

英文关键词: Stochastic Encoding;Stochastic Computing;Probabilistic Computing;Logic Synthesis;

成为VIP会员查看完整内容
0

相关内容

深度对抗视觉生成综述
专知会员服务
32+阅读 · 2021年12月29日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
23+阅读 · 2021年6月8日
专知会员服务
69+阅读 · 2021年3月29日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
专知会员服务
77+阅读 · 2020年12月6日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
深度对抗视觉生成综述
专知
2+阅读 · 2021年12月29日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月27日
Scalable symmetric Tucker tensor decomposition
Arxiv
0+阅读 · 2022年4月22日
小贴士
相关VIP内容
深度对抗视觉生成综述
专知会员服务
32+阅读 · 2021年12月29日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
23+阅读 · 2021年6月8日
专知会员服务
69+阅读 · 2021年3月29日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
专知会员服务
77+阅读 · 2020年12月6日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
相关资讯
深度对抗视觉生成综述
专知
2+阅读 · 2021年12月29日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员