مقاله کنفرانسی سال ۱۴۰۱ فارسی

طراحی مدار جمع کننده برگشت پذیر n+۱ بیتی با استفاده از پیشنهاد یک بلوک برگشت پذیر موثر با قابلیت حفظ توازن

چکیده مقاله

در سیستم های نانوتکنولوژی محاسبات کوانتومی می توانند در بهینه سازی توان مصرفی مدارهای CMOS با توان مصرفی کم استفاده شوند در این سیستم ها توان پایین بهره گیری از محاسبات کوانتومی و فناوری نانو،استفاده از منطق برگشت پذیر می باشد در سال های اخیر توجه محققان برای طراحی مدارهایی با هدف کاهش اتلاف انرژی و کاربرد در محاسبات کوانتومی ،بهینه سای مصرف توان،حداقل سازی مدار در مقیاس نانو و حداقل سازی حرارت تولیدی،سبب شد تا منطق برگشت پذیر نقش مهمی در دنیای دیجیتال ایفا کند به این دلیل که در سیستم های مبتنی بر نانوتکنولوژی ،محاسبات کوانتومی می توانند در بهینه سازی توان مصرفی مدارهای CMOS با توان مصرفی کم استفاده شوند در این مقاله ابتدا یک بلوک برگشت پذیر جدید با قابلیت حفظ توان پیشنهاد شده است سپس با استفاده از بلوک پیشنهادی برگشت پذیر که نگهدارنده پریتی نیز هست یک طراحی بهینه و موثر از مدار جمع کننده برگشت پذیر RCA با قابلیت حفظ توازن را پیشنهاد داده ایم از این بلوک دیاگرام می توان برای طراحی مدارهای مختلف استفاده کرد و در مقایسه ی با سختار های پیشنهادی با نمونه های موجود،نشان می دهد که این مدار در انجام محاسبات کارآمد تر است

کلیدواژه‌ها

محاسبات کوانتومی منطق برگشت پذیر جمع کننده قابلیت حفظ توازن

نویسندگان

شیوه ارجاع

�البی، محمد و یزدان ستا، الهام،1401،طراحی مدار جمع کننده برگشت پذیر n+۱ بیتی با استفاده از پیشنهاد یک بلوک برگشت پذیر موثر با قابلیت حفظ توازن،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۱ ۱,۲۴۶ مشاهده

تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد در حال حاضر…

ام آر آییادگیری عمیقتومور مغزی
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مروری بر تکنیک های هوش مصنوعی در خودروهای الکتریکی خودران

سیستم های رانندگی خودکار ADS دامنه ای جدید برای صنعت خودرو باز کرده و امکانات نوینی را برای حمل ونقل آین…

LiDARسیستم های خودرانوسایل نقلیه خودران
مقاله کنفرانسی سال ۱۴۰۲ ۹۸۴ مشاهده

مقایسه عملکرد دو مدل شبکه عصبی عمیق BiLSTM و CNN در پیش بینی قیمت سهام (مطالعه موردی: بورس اوراق بهادار تهران)

شبکه های عصبی به عنوان یک پیشرفت تکنولوژیک در زمینه یادگیری عمیق به ویژه در پردازش داده هایساختار بافته…

یادگیری عمیقشبکه های عصبیپیش بینی قیمت سهام
مقاله کنفرانسی سال ۱۴۰۱ ۹۴۲ مشاهده

مروری بر سیستم های توصیه گر مبتنی بر گراف دانش

در سال های اخیر با توجه به رشد روزافزون حجم داده ها در بسترهای مختلف، استفاده از سیستم توصیه گر برای کمک…

گراف دانشفاکتورسازی ماتریسسیستم های توصیه گر
مقاله کنفرانسی سال ۱۴۰۱ ۸۰۸ مشاهده

بهبود روش LIME با نمونه برداری هوشمند و غیر قطعی

LIME یکی از محبوب ترین مدل های هوش مصنوعی توضیح پذیر XAI ، است که سعی در شفاف سازی دلایل تصیم گیری مدل ه…

ثباتوفاداریروشLIME
مقاله کنفرانسی سال ۱۴۰۱ ۷۶۵ مشاهده

سامانه توصیه گر مبتنی بر گراف دانش با استفاده از شبکه عصبی کانولوشن

استفاده از گراف دانش به عنوان اطلاعات جانبی در سامانه های توصیه گر مدرن به طور گسترده افزایش پیدا کرده ا…

گراف دانشسامانه توصیه گرشبکه عصبی کانولوشن