XiaoMi-AI文件搜索系统
World File Search System低功率的
低功率的有效的绝热4位阵列乘数...
摘要这项研究为基于有效的低功率VLSI方法设计了一种在信号和图像处理中设计的4位阵列乘数的创新技术。建议的架构使用近阈值区域的绝热方法来优化传播延迟和耗能之间的权衡。乘数是许多数字电子环境中必不可少的组成部分，导致了许多针对某些应用程序定制的乘数类型的诞生。与传统的CMOS技术相比，该技术大大降低了动态和静态功率耗散。接近阈值绝热逻辑（NTAL）是使用单个时间变化的电源实现的，这简化了时钟树的管理并提高了能源效率。使用Tanner EDA工具和幽灵模拟器在TSMC 65 nm技术节点上模拟了建议的设计，并确保验证了优化的结果。与典型的CMOS方法相比，在保持相似的设计参数的同时，可变频率，电源电压和负载电容的功率耗散大约有66.6％，14.4％和64.6％的显着提高。值得注意的是，随着频率变化，负载电容在C负载= 10 pf和vdd（max）= 1.2 V时保持恒定。随着电源电压的变化，负载电容在C负载= 10 pf时保持恒定，而频率为f = 4 GHz； and with load capacitance variation, the frequency is maintained at F = 4 GHz and the supply voltage at VDD (max) = 1.2 V. Keywords: - 4-bit array multiplier, adiabatic logic, low-power VLSI, Near Threshold Region, NTAL approach, TSMC 65 nm CMOS technology, mixer circuit, signal and image processing, energy efficiency, Tanner EDA, Spectre simulator, and功率耗散优化。
低功率的可调和多功能28nm的FD-SOI横杆输出电路
关键字; UTBB 28NM FD-SOI，Analog SNN，Analog Envm，Envm Integration。2。简介基于新兴的非易失性记忆（ENKM）横杆的尖峰神经网络（SNN）是有希望的内存计算组件，这些组件具有出色的能力，可在边缘低功率人工智能。然而，Envms突触阵列与28nm超薄体和掩埋的氧化物完全耗尽的硅在绝缘子中（UTBB-FDSOI）技术节点的结合是一个挑战。在模拟尖峰神经网络（SNN）中，输入神经元通过单位驱动器透射器（1T1R）突触与输出神经元互连，并通过突触量通过突触转换为电流的电压尖峰来完成计算[1]。神经元会积聚尖峰到预定义的阈值，然后产生输出尖峰。神经元能力区分和容纳大量突触和输入尖峰的能力直接与直至神经元的射击阈值的电压摆动直接相关。这主要取决于膜电容，突触电荷的净数和低功率神经元的阈值[2]。