XiaoMi-AI文件搜索系统
World File Search System协处理器
KEM Saber 紧凑型协处理器：新型可扩展矩阵源处理
摘要 — 量子计算领域的最新进展引发了新一轮的密码系统创新，因为现有的公钥密码系统被证明容易受到成熟量子计算机发起的攻击。随着这一创新，已经提出了几种可能的后量子密码 (PQC) 候选密码算法，其中基于格的密钥封装机制 (KEM) Saber 是有前途的密码系统之一。注意到该领域的最新趋势更多地转向了 PQC 算法的有效实现，在本文中，我们建议在现场可编程门阵列 (FPGA) 平台上为 KEM Saber 提供一种新型紧凑型协处理器。具体而言，所提出的策略旨在获得一种适用于不同安全级别的 Saber 的通用方法，具有灵活的处理方式但复杂度较低。总的来说，我们进行了四层重大创新以完成所提出的工作：（i）我们以通用格式制定并推导了上述 KEM Saber 主要计算密集型操作（即多项式乘法）的可扩展矩阵起源处理 (SMOP) 策略；（ii）然后，我们介绍了基于 SMOP 策略的多项式乘法算法的细节，包括相对于 Saber PQC 方案的算法运算和结构 / 实现创新；（iii）我们还遵循了现有的协处理器设计流程
比较裸机嵌入式系统上的ECDSA签名验证实现
椭圆曲线数字签名算法（ECDSA）是一种加密方案，用于生成数字签名和验证它们。在这项研究过程中，实施了两个软件库，以执行ECDSA签名验证。讨论了ECDSA签名验证的两个实现，并就其性能进行了比较。在最小的模拟测试环境中，这两个实现都针对单个核心RISC-V CPU。第一个实现纯粹是在软件中完成的，而第二个实现是使用协处理器来加速执行的。为了访问此协处理器，RISC-V GNU工具链在这项研究期间通过自定义说明进行了扩展。这是根据ECDA及其对特别大数的要求完成的（例如283位整数）。在软件中处理这些数字需要相对较高的执行时间，尤其是在低时钟频率的单核系统上。对于这些系统，协处理器库非常适合大多数情况。如果系统时钟频率分别高，则纯软件实现也可能符合人的要求，而无需其他硬件。此外，如果签名验证的数量非常低（例如在应用程序启动时仅一次），然后，协处理器需要运行时大多未使用的芯片区域。
打破一个完全平衡的ASIC协处理器，在Weierstrass椭圆曲线上实现完整的添加公式
使用椭圆形曲线（EC）上有限场上的加密协议是全球范围内已知的数字签名生成和验证[1]以及相互认证的方法。ec加密操作是时间且能量昂贵，但要比RSA快得多[2]。此外，椭圆曲线密码学（ECC）使用的加密密钥比RSA明显短，同时提供相同的安全性。这减少了发送和接收消息所需的时间和能量。这些功能使ECC对不仅需要高度安全性，而且需要低功率的实时通信和数据处理的设备非常有吸引力。重要性的应用领域是物联网（IoT），自动驾驶，电子卫生，行业4.0和许多其他应用程序。
AN10902 使用 LPC32xx VFP - NXP 半导体
ARM 提供基于硬件的矢量浮点 (VFP) 协处理器，可加速浮点运算。ARM VFP 支持以 CPU 时钟速度执行单精度和双精度加法、减法、乘法、除法、乘法累加运算和除法/平方根运算。ARM VFP 可用于提高成像应用程序（如缩放、2D 和 3D 变换、字体生成、数字滤波器或任何使用浮点运算的应用程序）的性能。由于 ARM VFP 是由 ARM 开发和支持的协处理器，因此它在各种工具链、RTOS 和操作系统（如 Keil MDK 开发环境或 Linux）中都受到支持。ARM VFP 符合 IEEE 754 标准。
2023 年 7 月 IEEE TAXONOMY 版本 1.02
........非线性网络分析 ........电路故障 ........电气故障检测 ........电路噪声 ........热噪声 ........电路模拟 ........电路综合 ........高级综合 ........集成电路综合 ........协处理器 ........计数电路 ........耦合电路 ........数字电路 ........电路拓扑 ........数字集成电路 ........数字信号处理器 ........分布参数电路 ........驱动电路 ........电子电路 ........面包板 ........中央处理单元 ........多谐振荡器 ........条板电路 ........等效电路 ........反馈 ........反馈电路 ........负反馈 ........神经反馈 ........混合集成电路 ........集成电路 ........模拟集成电路 ........模拟-数字集成电路 ........专用集成电路 ........CMOS集成电路 ........协处理器 ........电流模式电路............数字集成电路............FET集成电路............现场可编程门阵列............混合集成电路............集成电路互连............集成电路建模............集成电路噪声............集成电路合成............大规模集成............MESFET集成电路
EdgeCortix-Sakura-I-数据表-2023 年 8 月-ENG-A4-v2-Web
EdgeCortix SAKURA-I 是台积电 (TSMC) 的 12nm FinFET 协处理器（加速器），为边缘人工智能 (AI) 推理提供一流的计算效率和延迟。它由每秒 40 万亿次操作 (TOPS) 的单核动态神经加速器® (DNA) 知识产权 (IP) 提供支持，这是 EdgeCortix 的专有神经处理引擎，具有内置运行时可重构数据路径，将所有计算引擎连接在一起。DNA 使新的 SAKURA-I AI 协处理器能够以超低延迟同时运行多个深度神经网络模型，同时保持出色的 TOPS 利用率。这一独特属性是提高片上系统的处理速度、能源效率和寿命的关键，可提供卓越的总体拥有成本优势。DNA IP 专门针对流式传输和高分辨率数据推理进行了优化。
可寻址量子门
1 引言 量子计算的标准范例是协处理器模型。在该模型中，量子演化由纯经典设备——传统计算机控制。量子计算被描述为发送到协处理器：所谓的量子电路的基本指令列表——量子门。这种表示形式长期以来被认为是量子计算最可行的模型，它已成功使许多有用的算法复杂度大大提高。与通常的电路（线/门）视图相比，几种其他量子计算模型已被设计出来以提供其他量子计算可能性，特别是：单向计算 [ 29 ]、量子行走 [ 23 ]、绝热量计算 [ 1 ]、混合模型等等，其中一些已经一次又一次地证明了它们的实际用途。然而，即使坚持线/门的观点，人们很快也会注意到，在协处理器模型中只有数据是量子的。控制流，即应用门的顺序，是经典确定的，明确的。换句话说，门之间的布线是固定的，尽管是量子的，但数据以明确的经典方式流过电路。量子力学允许更多：在 [ 10 ] 中，通过构建一种新的基本电路，即所谓的“量子开关”，人们认为经典有序门并不是量子计算的唯一可能范例。相反，量子开关的行为就像一个量子测试：给定一个量子比特 푞 和一个门 푈 和 푉 实例，操作 Switch ( 푞 )( 푈 )( 푉 ) 实现
第 1 部分 第 2 部分 量子计算入门
量子物理如何为我们提供一种新的计算方式 量子计算与传统计算之间的相似点和不同点 如何操纵量子计算的基本单位（量子位）来解决难题 为什么量子计算非常适合人工智能和机器学习应用，以及如何将量子计算机用作“人工智能协处理器”
SX1500 和 SX2500 JTF - 档案 - RetroBridge
SX1500 功能................................................................................................................................................12 SX2500 功能...................................................................................................................................................13 内存...................................................................................................................................................................14 存储...................................................................................................................................................................14 系统 I/O......................................................................................................................................................15 Sun XVR-100 2D 图形适配器......................................................................................................................17 Sun XVR-500 3D 图形加速器......................................................................................................................18 Sun XVR-1200 3D 图形加速器............................................................................................................................20 SunPCi IIpro 协处理器卡............................................................................................................................22
人工智能在密码学中的应用
本文探讨了人工智能 (AI) 在密码学领域的一些最新进展。它特别考虑了机器学习 (ML) 和进化计算 (EC) 在分析和加密数据中的应用。简要概述了人工神经网络 (ANN) 和使用深度 ANN 进行深度学习的原理。在此背景下，本文考虑：(i) EC 和 ANN 在生成唯一且不可克隆的密码方面的实现；(ii) 用于检测有限二进制字符串的真正随机性（或其他）的 ML 策略，用于密码分析中的应用。本文的目的是概述如何应用 AI 来加密数据并对此类数据和其他数据类型进行密码分析，以评估加密算法的加密强度，例如检测被拦截的数据流模式，这些数据流是加密数据的签名。这包括作者对该领域的一些先前贡献，并在整个过程中被引用。介绍了一些应用，包括使用智能手机对钞票等高价值文件进行身份验证。这涉及使用智能手机的天线（在近场）读取柔性射频标签，该标签耦合到具有不可编程协处理器的集成电路。协处理器保留使用 EC 生成的超强加密信息，可以在线解密，从而通过智能手机通过物联网验证文档的真实性。还简要探讨了使用智能手机和光学密码的光学认证方法的应用。