基于常规逻辑设计理论与技术移植的较大规模可逆逻辑电路设计方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61271114
  • 项目类别:
    面上项目
  • 资助金额:
    76.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0118.电路与系统
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

Reversible logic circuits (RLCs) can avoid loss of information and consequent power consumption and heat generation. RLCs also coincide with implementations of quantum computing perfectly, which are inherently reversible. Thus, RLCs play an important role, i.e., basis and prerequisite, in research, development and realization of ultra-low-power ICs and quantum computers. But unfortunately, theory, methods and tools for RLCs design are so far either weak or even unborn. This project seeks to significant improvement on RLCs design capability, mainly by transplanting and using EDA techniques. Towards a rather comprehensive and systematic investigation, the research plan was drafted regarding both deferent circuit-level such as component-level, gate-level and system-level, and each of design steps including synthesis, optimization, validation, and debugging. The main research topics are as follows: transplanting and improving the Quine-McCluskey algorithm and the Espresso algorithm for simplications of RLCs; transformation-based optimization methods for minimization of circuit quantum cost; evolutionary design methods for reversible logic gates; parallel implement of the above algorithm based on the CUDA parallel computing technique; approaches based on EDA for high-level expression of design specifications, and that for verification and debugging of RLCs designed. Moreover, some large-scale benmark RLCs, e.g., an 8-bit reversible ALU, are to be designed by using the above methods, mainly for the sake of validation and demonstration of their performances. This project promises effective methods for optimal design of large-scale reversible logic circuits, thus contributing to development of the relevant theory, methods and techniques, and promoting the emergence and development of quantum design automation.
可逆逻辑电路(Reversible Logic Circuits)既可根绝源于信息损失的能耗和发热,又是量子计算的内在实现方式,因而是研发和实现超低功耗IC和量子计算机的基础和前提。但有关的设计理论、方法和工具还很稚嫩甚至空白。本项目寻求通过移植常规逻辑设计理论和技术,显著提高可逆逻辑设计能力。将针对元件级、门级、系统级等层次和综合、优化、验证、调试等步骤,较全面、系统地开展研究,包括:Quine-McCluskey算法和Espresso算法的移植和改进;基于变换的电路量子代价优化方法;可逆逻辑门的进化设计方法;上述算法的CUDA并行化实现;基于EDA技术的设计规格表达和设计结果验证、调试方法;并通过16位可逆ALU等较大规模功能模块的优化设计,检验和展示上述方法的性能。预期可获得适用于较大规模可逆逻辑电路的优化设计方法,丰富和发展有关的理论、方法和技术,并促进量子设计自动化的产生和发展。

结项摘要

可逆逻辑电路(Reversible Logic Circuit)泛指以硬件a/o软件实现的可逆操作(运算)序列,因其可避免信息损失和相应的能耗与发热,被视为降低集成电路功耗和延续相关技术、产业发展的必由之路;它还是内在可逆的量子计算(机)的逻辑表达形式和研究、实现基础,因而已成为国际性的研究前沿和热点。因受可逆性约束等的限制,其设计和实现等不再适用现行的常规(非可逆)逻辑电路理论和技术,已有研究普遍另起炉灶、从头开始,因而进展缓慢、遭遇严重瓶颈。但我们研究发现,尽管可逆逻辑和常规逻辑之间存在着显著差异,逻辑代数仍是它们共同的理论基础和连接纽带,故将常规逻辑电路设计的理论和技术(部分)移植、复用于可逆逻辑,不但在理论上可行,而且十分必要和迫切。本项目即主要研究通过移植常规逻辑设计的理论与技术,实现较大规模可逆逻辑优化设计的有效途径。具体针对元件级、门级、系统级等不同逻辑层次和综合、优化、验证、调试等各个设计步骤,较全面、系统地开展了理论和实验研究,主要包括:Quine-McCluskey算法和Espresso算法的移植和改进;基于变换的电路量子代价优化方法;基于遗传算法(GA)、差分进化算法(DE)和基因表达式编程(GEP、MGEP)的可逆逻辑(门)进化设计方法;上述算法基于CUDA技术的(部分)并行化实现;基于EDA技术平台的可逆逻辑设计规格表达和设计结果验证、调试方法,特别是基于原理图和硬件描述语言(Verilog)的设计、优化方法;时序、多值可逆逻辑电路的初步研究;并通过对于较大规模、较复杂功能模块的优化设计,检验和展示上述方法的性能及本项目的研究成果。本项研究获得了适用于较大规模可逆逻辑电路的多层次设计优化方法和设计实验平台(原型),以及多种(新型)可逆逻辑门和16位可逆ALU等较大规模功能模块的优化设计结果,从而丰富和发展了可逆逻辑设计的理论、方法和技术,并为其未来发展开辟了新的有效途径;相信对于量子设计自动化(QDA)以及超低功耗IC设计、量子计算(机)等相关领域和方向的发展也有一定的促进作用。

项目成果

期刊论文数量(19)
专著数量(0)
科研奖励数量(0)
会议论文数量(9)
专利数量(0)
Dynamic performance optimization for cloud computing using M/M/m queueing system
使用M/M/m排队系统的云计算动态性能优化
  • DOI:
    10.1155/2014/756592
  • 发表时间:
    2014-01-01
  • 期刊:
    Journal of Applied Mathematics
  • 影响因子:
    --
  • 作者:
    Lizheng Guo;Tao Yan;Changyuan Jiang
  • 通讯作者:
    Changyuan Jiang
Visual computing model for immune system and medical system
免疫系统和医疗系统的可视化计算模型
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Pakistan Journal of Pharmaceutical Sciences
  • 影响因子:
    0.8
  • 作者:
    Gong, Tao;Cao, Xinxue;Xiong, Qin
  • 通讯作者:
    Xiong, Qin
GPU-based parallel optimization of immune convolutional neural network and embedded system
基于GPU的免疫卷积神经网络与嵌入式系统并行优化
  • DOI:
    10.1016/j.engappai.2016.08.019
  • 发表时间:
    2017-06-01
  • 期刊:
    ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE
  • 影响因子:
    8
  • 作者:
    Gong, Tao;Fan, Tiantian;Cai, Zixing
  • 通讯作者:
    Cai, Zixing
Intelligent Gauge Control System Using ARM and Fuzzy PI Controller
使用 ARM 和模糊 PI 控制器的智能仪表控制系统
  • DOI:
    10.24846/v22i1y201305
  • 发表时间:
    2013-03
  • 期刊:
    Studies in Informatics and Control
  • 影响因子:
    1.6
  • 作者:
    Gong, Tao;Qi, Lei
  • 通讯作者:
    Qi, Lei
A Self-Adaptive Differential Evolution Algorithm for Parameters Identification of Stochastic Genetic Regulatory Networks with Random Delays
随机时滞随机遗传调控网络参数识别的自适应差分进化算法
  • DOI:
    10.1007/s13369-013-0803-y
  • 发表时间:
    2013-09
  • 期刊:
    Arabian Journal for Science and Engineering
  • 影响因子:
    2.9
  • 作者:
    Zhao, Shuguang;Zhu, Wu;Liu, Yuying;Zhang, Wenbing
  • 通讯作者:
    Zhang, Wenbing

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

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 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.authors }}

数据更新时间:{{ monograph.updateTime }}

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

数据更新时间:{{ sciAawards.updateTime }}

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

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

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

数据更新时间:{{ patent.updateTime }}

其他文献

姜黄素对脂多糖诱导大鼠肝脏Kupffer细胞NF-κB及下游炎症因子的影响
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    胃肠病学和肝病学杂志
  • 影响因子:
    --
  • 作者:
    刘震雄;王景杰;王旭霞;赵曙光
  • 通讯作者:
    赵曙光
一种自适应多目标离散差分进化算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机工程与应用
  • 影响因子:
    --
  • 作者:
    赵曙光;张明明;王旭
  • 通讯作者:
    王旭
基于社区分解的多智能体递阶一致性仿真研究
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    计算机仿真
  • 影响因子:
    --
  • 作者:
    汤曼;李晓丽;赵曙光
  • 通讯作者:
    赵曙光
非酒精性脂肪性肝病鼠科动物模型研究进展
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    肝脏
  • 影响因子:
    --
  • 作者:
    潘良盈;赵曙光
  • 通讯作者:
    赵曙光
Saliency Detection via Iterative Bootstrap Learning Strategy
通过迭代引导学习策略进行显着性检测
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    International Journal of Pattern Recognition and Artificial Intelligence
  • 影响因子:
    1.5
  • 作者:
    李立明;柴晓冬;赵曙光;郑树彬;苏圣超
  • 通讯作者:
    苏圣超

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

赵曙光的其他基金

可逆逻辑电路的多目标进化设计方法研究
  • 批准号:
    60672026
  • 批准年份:
    2006
  • 资助金额:
    24.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码