بهینه سازی ساختار مدارهای مبتنی بر آتوماتای کوانتومی سلولی با استفاده از روش های هوشمند

آتاماتای سلولی کوانتمی نقطه ای نوعی فناوری محاسباتی است که جهت ساخت مدارهایی در ابعاد نانو به کار برده می شود. این فناوری بر پایه سلول qca شکل گرفته است، سلولی متشکل از چهار حفره که به صورت مربعی در کنار یکدیگر قرار گرفته اند. این نسل جدید از کامپیوترها که مبتنی بر تکنولوژی آتوماتای کوانتومی سلولی نقطه ای می باشند، توان پردازشی بالایی در حد ترابایت دارد، اما مشکلاتی از قبیل دمای نقطه کار بسیار پایین در مسیر تولید آن ها وجود دارد، که اخیراً تلاش های زیادی در جهت بهبود این نقیصه صورت گرفته است. از طرف دیگر این سیستم ها مانند پلی میان کامپیوترهای معمولی و کامپیوترهای کوانتمی هستند که می توانند زمینه ساز گسترش کامپیوترهای کوانتمی باشند. کارهایی که در زمینه qca با استفاده از روش های هوشمند صورت گرفته را به چهار دسته تقسیم نموده ایم که عبارتند از: 1)تحلیل درجه اطمینان مدارها، 2) شبیه سازی مدارها، 3)بهینه سازی مدارها، 4)مشکلات طراحی فیزیکی در مدارها. شبیه سازی مدار qca در واقع تعیین خروجی های یک مدار با توجه به قطبیت ورودی های و شکل مدار است. روش های مختلف هوشمند و غیرهوشمندی بدین منظور تا کنون ارائه شده اند. نرم افزار qcadesigner یک نرم افزار شبیه سازی دقیق است که شبیه سازی را با استفاده از روش های غیرهوشمند و زمانبر انجام می دهد. روش های شبکه بیزین و شبکه عصبی و الگوریتم ذوب فلزات، روش های هوشمندی هستند که در این زمینه ارائه شده اند. در این فصل به تفصیل این روش ها را توضیح خواهیم داد. در مبحث بهینه سازی مدارهای qca، از روش هوشمند الگوریتم ژنتیک به طور عمده استفاده شده است که در مقاله [3] این بهینه سازی در سطح تغییرات مکان و تعداد سلول های مدار صورت گرفته است. از آنجایی که هدف این پایان نامه، ارائه مدلی مبتنی بر روش های هوشمند، جهت بهبود ساختار مدارهای مبتنی بر آتوماتای کوانتومی سلولی می باشد، نتایج بدست آمده از مدل ارائه شده در این پایان نامه با نتایج حاصل از مقاله [3] مقایسه شده است. در بحث مدارهای qca از آنجا که مساحت سلول تاثیر بسزایی در سرعت و درنتیجه افزایش کارایی سلول دارد، ساخت مدارهایی که تعداد سلول های آنها تا حد ممکن کم باشد حائز اهمیت است. از آنجا که نمی توان با قرار دادن سلول ها کنار هم و بدون استفاده از روش های شبیه سازی مختلف خروجی یک مدار را پیش بینی کرد تنها راه پیش بینی دقیق خروجی مدارها، ساختن آن بر اساس مدارهای اولیه که در qca شناخته شده اند می باشد. نکته قابل توجه در این بخش این است که تمام مدارهای ممکن را می توان با استفاده از مدار پایه majority gate در qca ساخت. اما گاهی ساخت مدار به این روش به مداری با مساحت بسیار زیاد منتهی می شود. بنابراین یک روش پیشنهادی استفاده از روش های مکاشفه ای برای دست یابی به مدار مورد نظر با حداقل مساحت ممکن است. در روش اول که مدار qca از مدار پایه majority gate ساخته شود، تحقیقاتی وجود دارند که با اعمال روش های مکاشفه ای مانند الگوریتم ژنتیک، تعداد این مدار پایه را به حداقل ممکن رسانده و مدار مورد نظر را با آن می سازند. مدل جدید پیشنهادی، توجه خود را معطوف به بهبود ساختار مدار با استفاده از الگوریتم ژنتیک در سطح سلول می نماید. در الگوریتم ژنتیک کروموزوم ها، توپولوژی مدار(تعداد، مکان و clock سلول های عادی و تعداد، مکان، clock و قطبیت سلول های ثابت) را دربردارند و تابع مطلوبیت وابسته به تعداد خروجی های صحیح مدار و تعداد سلول های مدار می باشد. هدف رسیدن به مداری است که با کمترین حجم، خروجی های مورد انتظار را تولید نماید و همچنین مکان سلول ها به صورت اتوماتیک تولید شود. از آنجایی که هدف این پایان نامه بهبود ساختار مدارهای qca است، بدین منظور روشی دقیق و سریع جهت شبیه سازی مدارها نیاز می باشد. در شبیه سازی مدارها، دو روش شبکه بیزین و شبکه عصبی هاپفیلد دارای سرعت قابل قبولی می باشند. با استفاده از مدل پیشنهادی، مدارهای مولتی پلکسر، or چهار ورودی و xor بهینه را بدیت آورده و نتایج را با نتایج روش هایی که تا کنون در این زمینه ارائه شده است، مقایسه می نماییم.