Optimization models for majority logic synthesis

Detalhes bibliográficos
Autor(a) principal: Ferraz, Evandro Catelani
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/238331
Resumo: Neste trabalho apresenta-se o algoritmo 3MS (Majority Math Model Solver), utilizado para síntese de lógica de funções majoritárias com operadores de 3 ou 5 entradas. O novo algoritmo proposto recebe um vetor de números binários como entrada, representando a saída de uma tabela verdade, e retorna uma função majoritária otimizada para sua cobertura. A característica principal desta abordagem é a formulação de restrições que codificam problemas de lógica majoritária em problemas de otimização linear. O conjunto de restrições é então aplicado a um solucionador de otimização e os resultados transcritos em uma função majoritária de saída. No algoritmo 3MS, considera-se tanto o número de níveis quanto de operadores como primeiro ou segundo critérios de custo, possibilitando a escolha de qual destes critérios será priorizado. Como terceiro e quarto critérios de custo, considera-se a minimização de inversores e de literais. O desempenho do algoritmo 3MS foi avaliado a partir de uma comparação com 2 algoritmos de síntese exata para funções majoritárias com operadores de 3 e 5 entradas. Em ambas as sínteses, considera-se apenas o número de níveis e de operadores como critérios de custo. Tendo em vista que no algoritmo 3MS considera-se 2 critérios de custo adicionais, tem-se como objetivo gerar funções que também sejam exatas em relação ao número de níveis e operadores, porém possuam menos inversores e literais. Quando comparado a ambos algoritmos de síntese exata, testes mostraram que o algoritmo 3MS gerou melhores resultados para 64% de todas as 220.376 funções testadas, enquanto atingiu resultados equivalentes para as 36% restantes. O algoritmo 3MS também foi avaliado a partir de uma comparação com o benchmark EPFL (École Polytechnique Fédérale de Lausanne), sendo capaz de gerar resultados competitivos para todos os 10 circuitos que compõem o benchmark.
id UNSP_2e76b64536392100b9f8f6e5543037cb
oai_identifier_str oai:repositorio.unesp.br:11449/238331
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Optimization models for majority logic synthesisModelos de otimização para síntese de lógica majoritáriaLógica majoritáriaFunções primitivasSíntese lógicaSolucionadores de otimizaçãoOtimização linearMajority logicPrimitive functionsLogic synthesisOptimization solverLinear optimizationNeste trabalho apresenta-se o algoritmo 3MS (Majority Math Model Solver), utilizado para síntese de lógica de funções majoritárias com operadores de 3 ou 5 entradas. O novo algoritmo proposto recebe um vetor de números binários como entrada, representando a saída de uma tabela verdade, e retorna uma função majoritária otimizada para sua cobertura. A característica principal desta abordagem é a formulação de restrições que codificam problemas de lógica majoritária em problemas de otimização linear. O conjunto de restrições é então aplicado a um solucionador de otimização e os resultados transcritos em uma função majoritária de saída. No algoritmo 3MS, considera-se tanto o número de níveis quanto de operadores como primeiro ou segundo critérios de custo, possibilitando a escolha de qual destes critérios será priorizado. Como terceiro e quarto critérios de custo, considera-se a minimização de inversores e de literais. O desempenho do algoritmo 3MS foi avaliado a partir de uma comparação com 2 algoritmos de síntese exata para funções majoritárias com operadores de 3 e 5 entradas. Em ambas as sínteses, considera-se apenas o número de níveis e de operadores como critérios de custo. Tendo em vista que no algoritmo 3MS considera-se 2 critérios de custo adicionais, tem-se como objetivo gerar funções que também sejam exatas em relação ao número de níveis e operadores, porém possuam menos inversores e literais. Quando comparado a ambos algoritmos de síntese exata, testes mostraram que o algoritmo 3MS gerou melhores resultados para 64% de todas as 220.376 funções testadas, enquanto atingiu resultados equivalentes para as 36% restantes. O algoritmo 3MS também foi avaliado a partir de uma comparação com o benchmark EPFL (École Polytechnique Fédérale de Lausanne), sendo capaz de gerar resultados competitivos para todos os 10 circuitos que compõem o benchmark.This work presents the 3MS (Majority Math Model Solver) algorithm, used for majority of-three and majority-of-five logic synthesis. The new proposed algorithm receives a vector of binary numbers as input, representing the output of a truth table, and returns an optimized majority function for its coverage. Key in this approach is the formulation of constraints that encodes majority logic problems into linear optimization problems. The resulting set of constraints is then applied to an optimization solver and the results translated into the output majority function. The 3MS algorithm considers both depth and size as first and second cost criteria, making it possible to choose which of these criteria will be prioritized. As third and fourth cost criteria, the minimization of inverters and literals is considered. The 3MS algorithm was evaluated based on a comparison with 2 exact synthesis algorithms for both majority-of-three and majority-of-five networks. Both synthesis have only depth and size as cost criteria. Since the 3MS considers 2 additional cost criteria, the goal of the algorithm is to generate functions that are also exact in relation to depth and size, but with less inverters and literals. When compared to both algorithms, simulation studies have shown that the 3MS was able to further improve 64% of all 220,376 compared functions, and achieved equal results for the remaining 36%. The 3MS algorithm was also evaluated based on the EPFL (Ecole Polytechnique F´ed´erale de ´ Lausanne) benchmark suites, where the algorithm was able to generate competitive results for all 10 circuits that composes the benchmark.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 001Universidade Estadual Paulista (Unesp)Silva, Alexandre Cesar Rodrigues da [UNESP]Universidade Estadual Paulista (Unesp)Ferraz, Evandro Catelani2022-12-20T11:16:15Z2022-12-20T11:16:15Z2022-12-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/23833133004099080P0enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-29T06:18:11Zoai:repositorio.unesp.br:11449/238331Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-12-29T06:18:11Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Optimization models for majority logic synthesis
Modelos de otimização para síntese de lógica majoritária
title Optimization models for majority logic synthesis
spellingShingle Optimization models for majority logic synthesis
Ferraz, Evandro Catelani
Lógica majoritária
Funções primitivas
Síntese lógica
Solucionadores de otimização
Otimização linear
Majority logic
Primitive functions
Logic synthesis
Optimization solver
Linear optimization
title_short Optimization models for majority logic synthesis
title_full Optimization models for majority logic synthesis
title_fullStr Optimization models for majority logic synthesis
title_full_unstemmed Optimization models for majority logic synthesis
title_sort Optimization models for majority logic synthesis
author Ferraz, Evandro Catelani
author_facet Ferraz, Evandro Catelani
author_role author
dc.contributor.none.fl_str_mv Silva, Alexandre Cesar Rodrigues da [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Ferraz, Evandro Catelani
dc.subject.por.fl_str_mv Lógica majoritária
Funções primitivas
Síntese lógica
Solucionadores de otimização
Otimização linear
Majority logic
Primitive functions
Logic synthesis
Optimization solver
Linear optimization
topic Lógica majoritária
Funções primitivas
Síntese lógica
Solucionadores de otimização
Otimização linear
Majority logic
Primitive functions
Logic synthesis
Optimization solver
Linear optimization
description Neste trabalho apresenta-se o algoritmo 3MS (Majority Math Model Solver), utilizado para síntese de lógica de funções majoritárias com operadores de 3 ou 5 entradas. O novo algoritmo proposto recebe um vetor de números binários como entrada, representando a saída de uma tabela verdade, e retorna uma função majoritária otimizada para sua cobertura. A característica principal desta abordagem é a formulação de restrições que codificam problemas de lógica majoritária em problemas de otimização linear. O conjunto de restrições é então aplicado a um solucionador de otimização e os resultados transcritos em uma função majoritária de saída. No algoritmo 3MS, considera-se tanto o número de níveis quanto de operadores como primeiro ou segundo critérios de custo, possibilitando a escolha de qual destes critérios será priorizado. Como terceiro e quarto critérios de custo, considera-se a minimização de inversores e de literais. O desempenho do algoritmo 3MS foi avaliado a partir de uma comparação com 2 algoritmos de síntese exata para funções majoritárias com operadores de 3 e 5 entradas. Em ambas as sínteses, considera-se apenas o número de níveis e de operadores como critérios de custo. Tendo em vista que no algoritmo 3MS considera-se 2 critérios de custo adicionais, tem-se como objetivo gerar funções que também sejam exatas em relação ao número de níveis e operadores, porém possuam menos inversores e literais. Quando comparado a ambos algoritmos de síntese exata, testes mostraram que o algoritmo 3MS gerou melhores resultados para 64% de todas as 220.376 funções testadas, enquanto atingiu resultados equivalentes para as 36% restantes. O algoritmo 3MS também foi avaliado a partir de uma comparação com o benchmark EPFL (École Polytechnique Fédérale de Lausanne), sendo capaz de gerar resultados competitivos para todos os 10 circuitos que compõem o benchmark.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-20T11:16:15Z
2022-12-20T11:16:15Z
2022-12-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/238331
33004099080P0
url http://hdl.handle.net/11449/238331
identifier_str_mv 33004099080P0
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803047168010878976