[论文解读] A multi-objective synthesis methodology in quantum-dot cellular automata technology.

Moein Sarvaghad-Moghaddam, Ali A. Orouji+1 more|arXiv (Cornell University)|Jun 1, 2016

Quantum-Dot Cellular Automata参考文献 32被引用 3

一句话总结

该论文提出了一种基于多数规范矩阵（MSM）的多目标量子点细胞自动机（QCA）综合方法，旨在最小化布尔函数综合中的门数、门级数和非门使用量。该方法在MCNC基准测试中优于多目标遗传编程，门数和非门数分别减少了16.8%和33.5%，平均门级数减少10.5%。

ABSTRACT

Quantum-dot Cellular Automata (QCA) has been widely advocated in nanotechnology as a response to the physical limits associated with complementary metal oxide semiconductor (CMOS) technology in atomic scales. Some of its peculiar features are its smaller size, higher speed, higher switching frequency, lower power consumption, and higher scale integration. In this technology, the majority and NOT gates are employed for the production of the functions as these two gates together make a universal set of Boolean primitives in QCA technology. An important step in the generation of Boolean functions using the majority gate is reducing the number of involved gates. In this paper, a multi-objective synthesis methodology (with the objective priority of gate counts, gate levels and the number of NOT gates) is presented for finding the minimal number of possible majority gates in the synthesis of Boolean functions using the proposed Majority Specification Matrix (MSM) concept. Moreover, based on MSM, a synthesis flow is proposed for the synthesis of multi-output Boolean functions. To reveal the efficiency of the proposed method, it is compared with a meta-heuristic method, multi-objective Genetic Programing (GP). Besides, it is applied to synthesize MCNC benchmark circuits. The results are indicative of the outperformance of the proposed method in comparison to multi-objective GP method. Also, for the MCNC benchmark circuits, there is an average reduction of 10.5% in the number of levels as well as 16.8% and 33.5% in the number of majority and NOT gates, as compared to the best available method respectively.

研究动机与目标

• 解决超越CMOS极限的纳米尺度计算中对能效更高、可扩展的逻辑综合日益增长的需求。
• 最小化基于QCA的布尔函数实现中的多数门和非门数量。
• 减少门级数以提升QCA电路的性能和面积效率。
• 为使用QCA原语的多输出布尔函数开发系统化的综合流程。
• 在门数、门级数和非门使用量方面优于现有元启发式方法（如多目标遗传编程）。

提出的方法

• 引入多数规范矩阵（MSM）作为核心数据结构，用于表示和分析QCA中的布尔函数。
• 在多目标优化框架中，优先最小化门数，其次是最小化门级数和非门数。
• 基于MSM表示，提出一种针对多输出布尔函数的系统化综合流程。
• 利用QCA中多数门和非门的通用性，高效合成复杂函数。
• 通过MSM的结构洞察，实现布尔函数到最小QCA电路配置的直接映射。
• 算法流程通过迭代优化MSM，将门数最小化、级数减少和非门优化相结合。

实验结果

研究问题

• RQ1 是否可以通过系统化、多目标的综合方法，在基于QCA的布尔函数设计中减少门数、门级数和非门使用量？
• RQ2 与多目标遗传编程等元启发式方法相比，所提出的基于MSM的方法在电路复杂性和效率方面表现如何？
• RQ3 MSM表示在多输出布尔函数的QCA技术中，能在多大程度上实现最小化综合？
• RQ4 在标准MCNC基准电路上，使用所提方法可在门数、门级数和非门使用量方面实现多大程度的改进？
• RQ5 所提方法是否能在QCA电路的面积、延迟和功耗效率方面持续优于现有最佳方法？

主要发现

• 与MCNC基准电路中最佳可用方法相比，该方法在门级数上平均减少了10.5%。
• 与现有最佳方法相比，多数门数量减少了16.8%。
• 与最佳可用方法相比，非门数量减少了33.5%。
• 在所有评估指标（门数、门级数和非门使用量）上，该方法均优于多目标遗传编程。
• 基于多数规范矩阵（MSM）的综合流程，实现了QCA中多输出布尔函数的高效且最小化实现。
• 结果表明，基于MSM的方法在QCA电路设计中能够实现更优的面积与性能权衡。