MétaCan
Menu
Retour à la cohorte
Enregistrement W4312521697 · doi:10.1109/nano54668.2022.9928723

Majority Logic-based Approximate Recoding Adders for High-radix Booth Multipliers

2022· article· en· W4312521697 sur OpenAlexafffund
Tingting Zhang, Honglan Jiang, Weiqiang Liu, Fabrizio Lombardi, Leibo Liu, Jie Han

Notice bibliographique

Revue2022 IEEE 22nd International Conference on Nanotechnology (NANO) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésAdderArithmeticRadix (gastropod)Computer scienceMultiplier (economics)AlgorithmDiscrete mathematicsParallel computingMathematicsBiologyLatency (audio)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Approximate computing permits the improvement of hardware efficiency with a relaxation of accuracy for nanoscale technologies and devices. Instead of conventional Boolean logic, voter-based majority logic (ML) is widely applicable to many emerging nanotechnologies. High-radix Booth multipliers, such as radix-8 and radix-16 multipliers, suffer from high complexity when generating odd multiples of the multiplicand. In this paper, designs of approximate recording adders (ARAs) based on ML with no carry propagation are proposed to alleviate this issue. For calculating the triple and 5×of the multiplicand, a 2-bit ARA and a 3-bit ARA are designed to compute the sum of 1× and 2× multiplicand, and the sum of 1× and 4× multiplicand, respectively. Moreover, a 4-bit ARA is especially developed for computing 7× of the multiplicand as the addition of −1× and 8× of the multiplicand. The proposed ARAs show advantages in hardware evaluated by delay and gate complexity, as well as in accuracy; for example, in a 16 × 16 radix-8 multiplier, the use of 2-bit ARAs achieves a reduction of 77% in the area-delay product with a normalized mean error distance of 7.51 × 10– <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">4</sup> for computing the triple multiplicand.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,247
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2022 IEEE 22nd International Conference on Nanotechnology (NANO)Même sujetLow-power high-performance VLSI designTravaux en français237 207