Design of optimized reversible multiplier for high speed DSP application

Nagamani, A N; Prasad, Hitesh; Hathwar, Rajendra S; Agrawal, Vinod Kumar

doi:10.1109/icics.2015.7459869

Cited by 4 publications

(1 citation statement)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Günümüzde kuantum bilgisayarlar için özel olarak tasarlanmış algoritmalar mevcuttur [2]. Genetik algoritmalar [3], Back Tracking algoritması [4], derin öğrenme [5], kenar çıkarım algoritması [6], ve sinyal işleme [7] gibi algoritmalar geliştirilmiştir.…”

unclassified

A YOLO-Based Method for Detection of Gate and Input in Quantum Circuits

Yılmaz

Yaman

Karaköse

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Tersinir kuantum devreleri farklı türde ve sayıdaki kuantum kapıları kullanılarak oluşturulmaktadır. Kuantum devreleri oluşturulurken kullanılacak kapı sayısının optimize edilmesi maliyeti ve karmaşıklığı azaltmaktadır. Tersinir kuantum devrelerinde durum tablolarının elde edilmesi ve optimizasyonu için giriş sayısı, çıkış sayısı ve kapı sayılarının bilinmesi önemlidir. Ayrıca bu parametreler kuantum devrelerinde oluşabilecek arızaların tespit edilmesinde de kullanılmaktadır. Literatürde kuantum devreleri için giriş, çıkış ve kapı sayılarının tespitinde eksiklik vardır. Ayrıca, literatürde yapılan uygulamaların test edilebilmesi için sınırlı sayıdaki standart kuantum devreleri kullanılmaktadır. Bu kapsamda kullanılabilecek veri setlerinin çok az olduğu tespit edilmiştir. Literatürdeki bu eksikliklerin giderilmesi çalışmamızın amacını, önerilen yöntem ise çalışmamızın özgünlüğünü oluşturmaktadır. Bu çalışmada Yolo (You Only Look Once) tabanlı yöntemler kullanılarak kapı sayısı ve giriş sayısı tespit edilmiştir. “MATLAB” ve “RCViewer+” programları kullanılarak CNOT, Feynman ve Toffoli kapılarından oluşan büyük bir veri seti oluşturulmuştur. Bu çalışmada, 1-8 kapı sayısına ve 3-7 giriş sayısına sahip toplamda 5000 adet kuantum devre oluşturulmuştur. Elde edilen veri setleri üzerinde kapılar ve girişler etiketlenmiştir. Etiketlenen veri setleri üzerinde 80:20 eğitim ve test oranı ile YoloV4, YoloV7 ve YoloV7x yöntemleri uygulanmıştır. YoloV4, YoloV7 ve YoloV7x yöntemleri için sırasıyla %87.1, %89.7 ve %89.3 mAP hesaplanmıştır. Önerilen yöntem 2800 iterasyon çalıştırılmış ve en iyi sonuç YoloV7 algoritması ile elde edilmiştir.

show abstract

unclassified