FET: SHF: Small: Collaborative: Advanced Circuits, Architectures and Design Automation Technologies for Energy-efficient Single Flux Quantum Logic

FET:SHF:小型:协作:用于节能单通量量子逻辑的先进电路、架构和设计自动化技术

基本信息

  • 批准号:
    2008514
  • 负责人:
  • 金额:
    $ 20万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    2020
  • 资助国家:
    美国
  • 起止时间:
    2020-06-15 至 2024-05-31
  • 项目状态:
    已结题

项目摘要

The critical dependence of the world economy on energy-efficient operations in computing are now almost universally recognized. To this end, advances in “beyond-CMOS” device technologies and corresponding logic families are now seen as a key step towards achieving the next major leap in high-performance computing. The challenges and opportunities described in this research provide directions for developing many aspects of a very promising “beyond-CMOS” technology, which can result in extremely high-performance, yet energy-efficient, computing systems, and thereby ensure sustainability of the information-technology ecosystem. SuperConductive Electronics (SCE) based on the Josephson junction (JJ) Single Flux Quantum (SFQ) logic cells have evolved into a within-reach “beyond-CMOS” technology, with switching speeds in the hundreds of GHz and energy dissipation of 10^-19 or less Joules per transition. The project will enhance business and societal opportunities by producing ultra-high performance and energy-efficient electronics for a wide range of computing fabrics, and in the process will also contribute to enhancing the technological capabilities of the US by providing education and research opportunities to undergraduate, graduate, and underrepresented students by including them in the planned research.This research aims to achieve major strides in the development of advanced circuits, architectures and design-automation technologies in support of large-scale superconductive SFQ digital electronics to meet the needs of future energy-efficient, high-performance exa-scale computing systems. Research on design automation will enable large-scale SCE systems integration. Targeting both DC-powered energy-efficient Rapid SFQ and AC-powered Adiabatic Quantum-Flux-Parametron circuit families, this research aims to solve four key problems associated with the design automation and optimization of SFQ logic circuits, namely: minimization of SFQ circuit retiming to the number of buffers for operating frequency improvement and/or clock-phase consistency; path-balancing technology mapping for sequential SFQ circuits with loops; timing-driven global placement using unique features of SFQ logic families and a powerful mathematical optimization tool; and circuit partitioning to enable effective current recycling.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.
世界经济对计算节能运行的严重依赖现已几乎得到普遍认可。为此,“超越 CMOS”器件技术和相应逻辑系列的进步现在被视为实现下一个重大飞跃的关键一步。本研究中描述的挑战和机遇为开发非常有前途的“超越 CMOS”技术的许多方面提供了方向,该技术可以产生极高性能且节能的计算系统,从而确保信息技术生态系统的可持续性。基于约瑟夫森结 (JJ) 单通量量子 (SFQ) 逻辑单元的超导电子 (SCE) 已发展成为触手可及的“超越 CMOS”技术,其开关速度可达数百 GHz,能量耗散可达 10^-每次转换的能耗为 19 焦耳或更少。该项目将通过为各种计算结构生产超高性能和节能电子产品来增加商业和社会机会,并在此过程中也将有助于增强性能。通过为本科生、研究生和代表性不足的学生提供教育和研究机会,将他们纳入计划的研究,来增强美国的技术能力。这项研究旨在在先进电路、架构和设计自动化技术的开发方面取得重大进展,以支持大规模超导 SFQ 数字电子技术的发展,以满足未来节能、高性能埃级计算系统的需求,设计自动化研究将实现大规模 SCE 系统集成。和交流供电的绝热量子通量参量管电路系列,本研究旨在解决与 SFQ 逻辑电路的设计自动化和优化相关的四个关键问题,即: SFQ 电路重定时最小化到缓冲器数量以提高工作频率和/或时钟相位一致性;使用 SFQ 逻辑系列的独特功能和强大的数学优化工具进行时序驱动的全局布局的路径平衡技术映射,以实现有效的电流;该奖项反映了 NSF 的法定使命,并通过使用基金会的智力价值和更广泛的影响审查标准进行评估,被认为值得支持。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
TAAS: a timing-aware analytical strategy for AQFP-capable placement automation
TAAS:用于支持 AQFP 的贴装自动化的时序感知分析策略
  • DOI:
    10.1145/3489517.3530487
  • 发表时间:
    2022-07
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Dong, Peiyan;Xie, Yanyue;Li, Hongjia;Sun, Mengshu;Chen, Olivia;Yoshikawa, Nobuyuki;Wang, Yanzhi
  • 通讯作者:
    Wang, Yanzhi
Towards AQFP-Capable Physical Design Automation
迈向支持 AQFP 的物理设计自动化
  • DOI:
  • 发表时间:
    2021-01
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Li, Hongjia;Sun, Mengshu;Zhang, Tianyun;Chen, Olivia;Yoshikawa, Nobuyuki;Yu, Bei;Wang, Yanzhi;Lin, Yibo
  • 通讯作者:
    Lin, Yibo
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Yanzhi Wang其他文献

Reduced-Complexity Deep Neural Networks Design Using Multi-Level Compression
使用多级压缩降低复杂度的深度神经网络设计
ClickTrain: efficient and accurate end-to-end deep learning training via fine-grained architecture-preserving pruning
ClickTrain:通过细粒度的架构保留剪枝实现高效、准确的端到端深度学习训练
Unfairness in Distributed Graph Frameworks
分布式图框架中的不公平性
Design Automation Methodology and Tools for Superconductive Electronics
超导电子设计自动化方法和工具
Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression
用于神经网络压缩的高效微结构权重统一和剪枝
  • DOI:
  • 发表时间:
    2021-06-15
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Sheng Lin;Wei Jiang;Wei Wang;Kaidi Xu;Yanzhi Wang;Shan Liu;Songnan Li
  • 通讯作者:
    Songnan Li

Yanzhi Wang的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Yanzhi Wang', 18)}}的其他基金

Collaborative Research: CSR: Small: Expediting Continual Online Learning on Edge Platforms through Software-Hardware Co-designs
协作研究:企业社会责任:小型:通过软硬件协同设计加快边缘平台上的持续在线学习
  • 批准号:
    2312158
  • 财政年份:
    2023
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
CNS Core: Small: Collaborative: Content-Based Viewport Prediction Framework for Live Virtual Reality Streaming
CNS 核心:小型:协作:用于直播虚拟现实流的基于内容的视口预测框架
  • 批准号:
    1909172
  • 财政年份:
    2019
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
SPX: Collaborative Research: FASTLEAP: FPGA based compact Deep Learning Platform
SPX:协作研究:FASTLEAP:基于 FPGA 的紧凑型深度学习平台
  • 批准号:
    1919117
  • 财政年份:
    2019
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
IRES Track I: U.S.-Japan International Research Experience for Students on Superconducting Electronics
IRES Track I:美国-日本超导电子学学生国际研究经验
  • 批准号:
    1854213
  • 财政年份:
    2019
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant

相似国自然基金

面向5G通信的超高频FBAR耗散机理和耗散稳定性研究
  • 批准号:
    12302200
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
宽运行范围超高频逆变系统架构拓扑与调控策略研究
  • 批准号:
    52377175
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
超高频同步整流DC-DC变换器效率优化关键技术研究
  • 批准号:
    62301375
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
衔接蛋白SHF负向调控胶质母细胞瘤中EGFR/EGFRvIII再循环和稳定性的功能及机制研究
  • 批准号:
    82302939
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
强震动环境下10-100Hz超高频GNSS误差精细建模及监测应用研究
  • 批准号:
    42274025
  • 批准年份:
    2022
  • 资助金额:
    56 万元
  • 项目类别:
    面上项目

相似海外基金

SHF: Small: Hardware-Software Co-design for Privacy Protection on Deep Learning-based Recommendation Systems
SHF:小型:基于深度学习的推荐系统的隐私保护软硬件协同设计
  • 批准号:
    2334628
  • 财政年份:
    2024
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
FET: SHF: Small: A Verification Framework for Hybrid Classical and Quantum Protocols (VeriHCQ)
FET:SHF:小型:混合经典和量子协议的验证框架 (VeriHCQ)
  • 批准号:
    2330974
  • 财政年份:
    2024
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Small: LEGAS: Learning Evolving Graphs At Scale
协作研究:SHF:小型:LEGAS:大规模学习演化图
  • 批准号:
    2331301
  • 财政年份:
    2024
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
SHF: Small: A Hybrid Synchronous Language for Verifiable Execution of Cyber-Physical Systems
SHF:Small:一种用于网络物理系统可验证执行的混合同步语言
  • 批准号:
    2348706
  • 财政年份:
    2024
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
Collaborative Research: SHF: Small: Efficient and Scalable Privacy-Preserving Neural Network Inference based on Ciphertext-Ciphertext Fully Homomorphic Encryption
合作研究:SHF:小型:基于密文-密文全同态加密的高效、可扩展的隐私保护神经网络推理
  • 批准号:
    2412357
  • 财政年份:
    2024
  • 资助金额:
    $ 20万
  • 项目类别:
    Standard Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了