تعیین میزان تحمل پذیری گیت های پایه XOR در برابر اشکال جابه جایی سلول در تکنولوژی QCA و بهبود آن ها
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 798
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICEEE07_608
Index date: 8 May 2016
تعیین میزان تحمل پذیری گیت های پایه XOR در برابر اشکال جابه جایی سلول در تکنولوژی QCA و بهبود آن ها abstract
آتاماتای سلولی کوانتومی( QCA)به عنوان یکی از مهمترین تکنولوژی های مقیاس نانوی جدید برای پیاده سازی سیستم های مختلف به حساب می آید که به دلیل دارا بودن ویژگی هایی نظیر سرعت بالا و توان مصرفی کم، مورد توجه فراوانی قرار دارد. با این حال احتمال زیاد بروز اشکال در تکنولوژی های مقیاس نانو از جمله QCA ،از چالش های اساسی استفاده از این تکنولوژی به شمار می آید. با توجه به اهمیت تحمل پذیری اشکال در بلاک های پایه و پرکاربرد و همچنین با در نظر گرفتن کاربرد فراوان گیت XOR در تکنولوژی QCA ،در این مقاله ابتدا به بررسی میزان حساسیت چند نمونه از ساختارهای XOR بهینه موجود در قبال بروز اشکال رایج "جابه جایی سلولها" در جهت ها و همچنین فاصله های مختلف پرداخته می شود. سپس با بهره گیری از تکنیک استفاده از گیت اکثریت قدرتمند و مقاوم سازی ساختارهای XOR معرفی شده، میزان حساسیت آنها در برابر این اشکال مجددا مورد ارزیابی و بررسی قرار می گیرد. نتایج شبیه- سازی های انجام شده نشان می دهند که گیت های XOR مختلف با توجه به خصوصیات ساختار داخلی آنها حساسیت های کاملا مختلفی نسبت به اشکال جابجایی سلول دارند در حالیکه پس از مقاوم سازی،حساسیت همگی آنها در برابر اشکال جابه جایی سلول به میزان قابل توجهی بهبود می یابد و بعلاوه،از نظر حساسیت در برابر اشکال رفتار نسبتا مشابهی بروز می دهند.
تعیین میزان تحمل پذیری گیت های پایه XOR در برابر اشکال جابه جایی سلول در تکنولوژی QCA و بهبود آن ها Keywords:
تعیین میزان تحمل پذیری گیت های پایه XOR در برابر اشکال جابه جایی سلول در تکنولوژی QCA و بهبود آن ها authors
مهرداد پورحسینی
دانشکده مهندسی کامپیوتر و فناور ی اطلاعات,دانشگاه آزاد اسلامی، واحد قزوین
حمید رضا مهدیانی
دانشکده علوم و مهندسی کامپیوتر,دانشگاه شهید بهشتی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :