姚茂群，馮杰，劉志強(qiáng)，李聰輝

（杭州師范大學(xué)信息科學(xué)與技術(shù)學(xué)院，浙江 杭州 311121）

0 引 言

共振隧穿二極管（resonant tunneling diode，RTD）是一種比較成熟的量子器件，可用來(lái)解決傳統(tǒng)CMOS電路因工藝尺寸逼近物理極限而出現(xiàn)的熱耗散、短溝道效應(yīng)和量子力學(xué)效應(yīng)等一系列問(wèn)題[1-4]。RTD具有工作頻率高、功耗低、能自鎖和負(fù)內(nèi)阻等特性，非常適合數(shù)字集成電路設(shè)計(jì)[5-6]，特別是其負(fù)內(nèi)阻特性，在閾值邏輯電路設(shè)計(jì)中具有顯著優(yōu)勢(shì)[7-8]。RTD可編程邏輯門(mén)是一類(lèi)特殊的閾值電路，通過(guò)該邏輯門(mén)可實(shí)現(xiàn)任意的n變量邏輯函數(shù)[9]。RTD可編程邏輯門(mén)由單雙穩(wěn)態(tài)轉(zhuǎn)換邏輯單元（monostable bistable transition logic element，MOBILE）、n個(gè)正輸入分支以及n個(gè)負(fù)輸入分支組成，其中MOBILE利用RTD設(shè)計(jì)，是閾值電路的重要邏輯單元[10-13]。由于二進(jìn)制神經(jīng)元模型與閾值邏輯門(mén)具有一定的相似性，因此可利用二進(jìn)制神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)任意n變量邏輯函數(shù)[14-15]。二進(jìn)制神經(jīng)網(wǎng)絡(luò)由輸入層、隱層和輸出層三層網(wǎng)絡(luò)結(jié)構(gòu)組成[16]。文獻(xiàn)[9]和文獻(xiàn)[17]均基于三層網(wǎng)絡(luò)結(jié)構(gòu)，提出RTD可編程邏輯門(mén)的函數(shù)綜合算法，且文獻(xiàn)[17]算法較文獻(xiàn)[9]算法的效率更高、設(shè)計(jì)的電路更簡(jiǎn)單，但仍存在不足。本文將基于新的定理，提出一種n變量函數(shù)實(shí)現(xiàn)算法，能有效解決文獻(xiàn)[17]算法的不足，且算法準(zhǔn)確性更高、設(shè)計(jì)的電路更簡(jiǎn)單。

1 相關(guān)理論及RTD可編程邏輯門(mén)

1.1 相關(guān)理論

1.2 RTD可編程邏輯門(mén)

基于RTD的閾值電路結(jié)構(gòu)通常由MOBILE和輸入分支組成[11-12]。MOBILE可由2個(gè)RTD串聯(lián)得到，電路圖如圖1所示。在圖1中，位于上方的RTD為負(fù)載管，位于下方的RTD為驅(qū)動(dòng)管，Vclk為時(shí)鐘電壓[19]，y為輸出端。由于當(dāng)RTD的電流密度一定時(shí)，RTD的波峰電流與其面積成正比，且波峰電流較小的RTD先進(jìn)入負(fù)阻區(qū)，呈現(xiàn)的阻抗較大，故電路的輸出y取決于負(fù)載管和驅(qū)動(dòng)管的面積[6]。當(dāng)負(fù)載管的面積比驅(qū)動(dòng)管的面積小時(shí)，y輸出低電平；反之，y輸出高電平。當(dāng)MOBILE加入輸入分支時(shí)，便可實(shí)現(xiàn)閾值電路。輸入分支由RTD和HFET的串聯(lián)結(jié)構(gòu)組成[20]。當(dāng)輸入分支與負(fù)載管并聯(lián)時(shí)，稱(chēng)為正輸入分支；當(dāng)輸入分支與驅(qū)動(dòng)管并聯(lián)時(shí)，稱(chēng)為負(fù)輸入分支。RTD可編程邏輯門(mén)電路如圖2所示，其中A表示RTD的單位面積，c1～c2n表示輸入端信號(hào)。該RTD由n個(gè)正輸入分支、n個(gè)負(fù)輸入分支和MOBILE組成，稱(chēng)其為n輸入RTD可編程邏輯門(mén)[21]，其輸入輸出關(guān)系可表示為

圖1 MOBILE電路圖Fig.1 The circuit of MOBILE

圖2 RTD可編程邏輯門(mén)及其電路符號(hào)Fig.2 RTD programmable logic gate and its circuit symbols

采用如圖2所示的RTD可編程邏輯門(mén)可實(shí)現(xiàn)任意n變量函數(shù)[9]。同時(shí)采用定理1和定理2方法，可提高算法的準(zhǔn)確性，且電路更簡(jiǎn)單。

2 n變量函數(shù)的實(shí)現(xiàn)

二進(jìn)制神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為輸入層、隱層和輸出層3層[16，21]。其中，輸入層的作用是對(duì)輸入信號(hào)進(jìn)行整形，以保證輸入信號(hào)時(shí)序一致；隱層是網(wǎng)絡(luò)的核心，實(shí)現(xiàn)所需的邏輯功能；輸出層用于處理隱層結(jié)果，以得到正確的輸出。目前，已有不少實(shí)現(xiàn)邏輯函數(shù)的3層網(wǎng)絡(luò)結(jié)構(gòu)算法[14-15]，但得到的邏輯函數(shù)其閾值和權(quán)值的取值范圍過(guò)大，不利于電路設(shè)計(jì)。

由于利用一個(gè)n輸入RTD可編程邏輯門(mén)能實(shí)現(xiàn)符合定理1的任意n變量函數(shù)[9]，可在隱層中對(duì)輸入向量的真假性進(jìn)行變換，并在輸出層中進(jìn)行糾錯(cuò)處理。文獻(xiàn)[9]采用定理1提出的隱層及輸出層算法，雖然可實(shí)現(xiàn)任意n變量函數(shù)，且能用RTD可編程邏輯門(mén)設(shè)計(jì)電路，但效率較低，設(shè)計(jì)的電路也較復(fù)雜。文獻(xiàn)[17]對(duì)文獻(xiàn)[9]的算法進(jìn)行了改進(jìn)，使設(shè)計(jì)的電路較簡(jiǎn)單，但算法尚存在以下不足：

（1）由于假向量對(duì)隱層函數(shù)的權(quán)重?zé)o影響，若將輸入向量真假性變換次數(shù)均加1，可能導(dǎo)致算法出錯(cuò)。

（2）在被覆蓋的所有真向量中，未考慮真假性變換次數(shù)的奇偶性。

本文提出的n變量函數(shù)實(shí)現(xiàn)算法，能較好地解決文獻(xiàn)[17]算法的不足，且準(zhǔn)確性更高，設(shè)計(jì)的電路更簡(jiǎn)單。

2.1 基本概念與記號(hào)

算法基本框架：在隱層中，產(chǎn)生隱層函數(shù)，實(shí)現(xiàn)所需的邏輯功能；在輸出層中，產(chǎn)生輸出層函數(shù)，調(diào)整隱層的結(jié)果，得到正確的輸出[21]。隱層函數(shù)的產(chǎn)生是算法的關(guān)鍵，可采用定理1及定理2方法實(shí)現(xiàn)，但需將某些假向量臨時(shí)看作真向量，其核心向量可為真向量，也可為假向量。產(chǎn)生隱層函數(shù)后，被覆蓋的向量需根據(jù)真假性變換情況對(duì)其復(fù)原。

按照漢明距離從大到小搜索所有輸入向量。當(dāng)漢明距離不為1和0，且滿(mǎn)足可產(chǎn)生隱層函數(shù)的條件時(shí)，采用定理1方法產(chǎn)生隱層函數(shù)；當(dāng)漢明距離為1，且滿(mǎn)足可產(chǎn)生隱層函數(shù)的條件時(shí)，采用定理2方法產(chǎn)生隱層函數(shù)。由于定理2中的閾值函數(shù)出現(xiàn)了權(quán)值為±2的項(xiàng)，為防止RTD可編程邏輯門(mén)中出現(xiàn)較多無(wú)實(shí)際作用的輸入端，需判斷該隱層函數(shù)能否使用n+1輸入的RTD可編程邏輯門(mén)。

算法中的記號(hào)如下：

chi表示輸入向量Xi的變換次數(shù)；

d表示漢明距離；

si表示將輸入向量Xi當(dāng)作核心向量進(jìn)行覆蓋時(shí)，被覆蓋的向量中chi為正的向量數(shù)；

ti表示將輸入向量Xi當(dāng)作核心向量進(jìn)行覆蓋時(shí)，被覆蓋的向量中chi為負(fù)的向量數(shù)；

li表示將輸入向量Xi當(dāng)作核心向量進(jìn)行覆蓋時(shí)，被覆蓋的向量數(shù)；

g表示隱層函數(shù)；

k表示某隱層函數(shù)在輸出層中的權(quán)重，簡(jiǎn)稱(chēng)為隱層函數(shù)權(quán)重；

f表示輸出層函數(shù)；

best_vector 1表示最優(yōu)輸入向量，且用該最優(yōu)向量判斷其能否作為定理1中的核心向量；

best_vector 2表示最優(yōu)輸入向量，且用該最優(yōu)向量判斷其能否作為定理2中的核心向量。

2.2 變換次數(shù)、最優(yōu)輸入向量與隱層函數(shù)權(quán)重

首先，對(duì)所有真向量的chi標(biāo)記為+1，對(duì)所有假向量的chi標(biāo)記為0。在采用定理1方法產(chǎn)生隱層函數(shù)時(shí)，若該隱層函數(shù)的權(quán)重為+1，則對(duì)所有被其覆蓋的向量的chi－1；若該隱層函數(shù)權(quán)重為 －1，則對(duì)所有被其覆蓋的向量的chi+1。當(dāng)采用定理2方法產(chǎn)生隱層函數(shù)時(shí)，若該隱層函數(shù)的權(quán)重為+1，則對(duì)所有被其覆蓋的真向量（不包括核心向量）及核心向量（不管真假）的chi－1；若該隱層函數(shù)的權(quán)重為－1，則對(duì)所有被其覆蓋的真向量（不包括核心向量）及核心向量（不管真假）的chi+1。

輸入向量的真假性可由chi確定：若chi為0，則為假向量；若chi非0，則為真向量。

當(dāng)以某個(gè)漢明距離搜索所有向量時(shí)，由于可能需同時(shí)判斷多個(gè)輸入向量能否作為核心向量，因此需選擇其中最優(yōu)的輸入向量。在判斷能否作為定理1中的核心向量時(shí)，選擇其中被覆蓋的假向量最多的為最優(yōu)輸入向量。如果仍存在多個(gè)，則選擇chi絕對(duì)值最小的為最優(yōu)輸入向量，記為best_vector 1。在判斷能否作為定理2中的核心向量時(shí)，選擇其中被覆蓋的假向量最多的為最優(yōu)輸入向量。如果仍存在多個(gè)，則選擇ωi最小、且chi不為0的為最優(yōu)輸入向量；若chi均為0，則選擇ωi最小的為最優(yōu)輸入向量，記為best_vector 2。其中，

在被覆蓋的向量中，若chi為正的向量比為負(fù)的多，則隱層函數(shù)權(quán)重+1；若chi為負(fù)的向量比為正的多，則隱層函數(shù)權(quán)重－1；若chi為正的向量與為負(fù)的一樣多，則對(duì)這些向量的chi求和，若求和后的值為負(fù)，則隱層函數(shù)權(quán)重－1，若求和后的值為正或0，則隱層函數(shù)權(quán)重+1。

2.3 算法實(shí)現(xiàn)步驟

3 算法檢驗(yàn)與比較

例 1若四變量函數(shù)f(x1，x2，x3，x4)的卡諾圖如圖3所示，試通過(guò)算法實(shí)現(xiàn)該四變量函數(shù)。

圖3 四變量函數(shù) f(x1，x2，x3，x4)的卡諾圖Fig.3 Karnaugh map of four-variable function

將所有輸入向量Xi中真向量的chi設(shè)為+1，假向量的chi設(shè)為0。由于變量數(shù)大于2，先執(zhí)行步驟（3）～步驟（8）的循環(huán)。以d1=[(n+1)/2]=2作為漢明距離，將每個(gè)輸入向量Xi依次作為核心向量，得到的|max{si，ti}|為6。該值對(duì)應(yīng)的輸入向量有X1，X5，X8，X9和X13，可選X5或X8作為 best_vector 1。將X5作為核心向量，由于|2max{s5，t5}|=12＞l5=11，因此采用定理1方法產(chǎn)生隱層函數(shù)g1，隱層函數(shù)權(quán)重為k1=+1。更改向量的 chi：向量X0，X5，X6，X7和X15的 chi減 1 后變?yōu)椋?，向量X1，X3，X4，X9，X12和X13的chi減1后變?yōu)?。同理，此時(shí)d2=[(n+1)/2]=2，可 得 到 最 優(yōu) 向 量X9，X10或X12。 由 于|2max{s9，t9}|=10＜l9=11，故以 1作為漢明距離，將每個(gè)輸入向量Xi依次作為核心向量，得到|max{si，ti}|=4。該值對(duì)應(yīng)的輸入向量為X7，并將X7作為 best_vector 2。由于|max{s7，t7}|＞1，因此執(zhí)行步驟（13）～步驟（20）的循環(huán)。以X7作為核心向量，用定理2方法產(chǎn)生函數(shù)y。由于函數(shù)y可用（4+1）輸入的RTD可編程邏輯門(mén)實(shí)現(xiàn)，故可產(chǎn)生隱層函數(shù)g2，隱層函數(shù)權(quán)重k2=-1。更改向量的chi：向量X5，X6，X7和X15的 chi加 1 后變?yōu)?0，此時(shí)，|max{si，ti}|=1，執(zhí)行步驟（22），可得到隱層函數(shù)g3，g4及隱層函數(shù)權(quán)重k3=-1，k4=+1。

得到的隱層函數(shù)為：

輸出層函數(shù)為

采用本文算法得到的隱層函數(shù)和輸出層函數(shù)電路如圖4所示。在圖4中，隱層函數(shù)g1，g2，g3和g4的電路用時(shí)鐘信號(hào)Vclk1實(shí)現(xiàn)，輸出層函數(shù)f的電路用時(shí)鐘信號(hào)Vclk2實(shí)現(xiàn)。當(dāng)時(shí)鐘信號(hào)Vclk1處于上升沿時(shí)，電路輸出隱層函數(shù)g1，g2，g3和g4的結(jié)果；當(dāng)時(shí)鐘信號(hào)Vclk2處于上升沿時(shí)，電路輸出輸出層函數(shù)f的結(jié)果。對(duì)圖4所示的電路進(jìn)行HSPICE仿真，結(jié)果如圖5所示。可知，用本文算法設(shè)計(jì)的電路輸出結(jié)果正確，該電路共用了5個(gè)RTD可編程邏輯門(mén)，其中，2個(gè)為三輸入RTD可編程邏輯門(mén)、1個(gè)為二輸入RTD可編程邏輯門(mén)、2個(gè)為四輸入RTD可編程邏輯門(mén)。而文獻(xiàn)[17]算法在漢明距離為1時(shí)，由于存在多個(gè)可選的輸入向量，若選擇不同的輸入向量作為核心向量，則得到不同的結(jié)果，且設(shè)計(jì)的最優(yōu)電路需要6個(gè)RTD可編程邏輯門(mén)，其中，5個(gè)為三輸入RTD可編程邏輯門(mén)、1個(gè)為四輸入RTD可編程邏輯門(mén)。采用本文算法得到的電路較文獻(xiàn)[17]方法少用了1個(gè)RTD可編程邏輯門(mén)，電路更簡(jiǎn)單。

圖4 四變量函數(shù)實(shí)現(xiàn)電路Fig.4 Realization circuit of four-variable function

圖5 四變量函數(shù)實(shí)現(xiàn)電路的HSPICE仿真Fig.5 HSPICE simulation of realization circuit of four-variable function

例 2若五變量函數(shù)f(x1，x2，x3，x4，x5)的卡諾圖如圖6所示，試通過(guò)算法實(shí)現(xiàn)該五變量函數(shù)。

圖6 五變量函數(shù) f(x1，x2，x3，x4，x5)的卡諾圖Fig.6 Karnaugh map of five-variable function

將所有輸入向量Xi中真向量的chi設(shè)為 +1，假向量的chi設(shè)為0，d1=[(n+1)/2]=3。執(zhí)行步驟（4）和步驟（5），可找到 best_vector 1為X18。由于|2max{s18，t18}|=34＞l8=26，可產(chǎn)生隱層函數(shù)g1，隱層函數(shù)權(quán)重k1=+1。更改相應(yīng)向量的chi后，由于max{si，ti}=9，d2=d2-1=2，再執(zhí)行步驟（4），可找到 best_vector 1為X18。由于|2max{s18，t18}|=14＜l18=16，d2=d2-1=1。執(zhí)行步驟（11）和步驟（12），可得|max{si，ti}|=4，對(duì)應(yīng)的輸入向量為X16和X19；由于ω19=1＜ω16=3，故選擇X19作 為best_vector 2。再執(zhí)行步驟（14）～步驟（16），可得隱層函數(shù)g2，隱層函數(shù)權(quán)重k2=-1。更改相應(yīng)向量的 chi后 ，再執(zhí)行步驟（17）和步驟（18），可得best_vector 2 為X20。由于|max{s20，t20}|=3，執(zhí)行步驟（14）～步驟（16），可得隱層函數(shù)g3，隱層函數(shù)權(quán)重k3=-1。更改相應(yīng)向量的 chi，此時(shí)，|max{si，ti}|=1，執(zhí)行步驟（22），可得隱層函數(shù)g4，g5和g6，隱層函數(shù)權(quán)重k4=-1，k5=-1，k6=+1。

得到的隱層函數(shù)為：

輸出層函數(shù)為

由隱層函數(shù)和輸出層函數(shù)設(shè)計(jì)的電路如圖7所示。在圖7中，利用時(shí)鐘信號(hào)Vclk1實(shí)現(xiàn)隱層函數(shù)g1，g2，g3，g4，g5和g6，利用時(shí)鐘信號(hào)Vclk2實(shí)現(xiàn)輸出層函數(shù)f。當(dāng)時(shí)鐘信號(hào)Vclk1處于上升沿時(shí)，輸出隱層函數(shù)g1，g2，g3，g4，g5和g6的結(jié)果；當(dāng)時(shí)鐘信號(hào)Vclk2處于上升沿時(shí)，輸出輸出層函數(shù)f的結(jié)果。對(duì)圖7所示電路進(jìn)行HSPICE仿真，其結(jié)果如圖8所示?？芍?，采用本文算法設(shè)計(jì)的電路具有正確的輸出結(jié)果，用7個(gè)RTD可編程邏輯門(mén)即可實(shí)現(xiàn)，即1個(gè)六輸入RTD可編程邏輯門(mén)、4個(gè)四輸入RTD可編程邏輯門(mén)和2個(gè)五輸入RTD可編程邏輯門(mén)；采用文獻(xiàn)[17]算法設(shè)計(jì)的最優(yōu)電路需要11個(gè)RTD可編程邏輯門(mén)：1個(gè)五輸入RTD可編程邏輯門(mén)和10個(gè)四輸入RTD可編程邏輯門(mén)[21]。采用本文算法設(shè)計(jì)的電路較文獻(xiàn)[17]算法少用了4個(gè)RTD可編程邏輯門(mén)，電路更簡(jiǎn)單。

圖7 五變量函數(shù)實(shí)現(xiàn)電路Fig.7 Realization circuit of five-variable function

圖8 五變量函數(shù)實(shí)現(xiàn)電路的HSPICE仿真Fig.8 HSPICE simulation of realization circuit of five-variable function

4 總 結(jié)

基于二進(jìn)制神經(jīng)元模型中的三層網(wǎng)絡(luò)結(jié)構(gòu)及相關(guān)定理，提出了基于RTD可編程邏輯門(mén)的n變量函數(shù)實(shí)現(xiàn)算法，很好地解決了文獻(xiàn)[17]算法的不足，且準(zhǔn)確性更高，設(shè)計(jì)的電路也更簡(jiǎn)單，特別是當(dāng)變量數(shù)較多時(shí)，優(yōu)勢(shì)更明顯。