Fugu-MT 論文翻訳(概要): DH-TRNG: A Dynamic Hybrid TRNG with Ultra-High Throughput and Area-Energy Efficiency

論文の概要: DH-TRNG: A Dynamic Hybrid TRNG with Ultra-High Throughput and Area-Energy Efficiency

arxiv url: http://arxiv.org/abs/2502.01066v1
Date: Mon, 03 Feb 2025 05:22:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-05 14:52:01.737468
Title: DH-TRNG: A Dynamic Hybrid TRNG with Ultra-High Throughput and Area-Energy Efficiency
Title（参考訳）: DH-TRNG:超高速スループットと面積エネルギー効率を備えた動的ハイブリッドTRNG
Authors: Yuan Zhang, Kuncai Zhong, Jiliang Zhang,
Abstract要約: DH-TRNGは、超高スループットと面積エネルギー効率を備えた動的ハイブリッドTRNG回路アーキテクチャである。提案した設計は、最大2.63倍のスループット/スライスパワーを有する。
参考スコア（独自算出の注目度）: 10.35978081518573
License:
Abstract: As a vital security primitive, the true random number generator (TRNG) is a mandatory component to build roots of trust for any encryption system. However, existing TRNGs suffer from bottlenecks of low throughput and high area-energy consumption. In this work, we propose DH-TRNG, a dynamic hybrid TRNG circuitry architecture with ultra-high throughput and area-energy efficiency. Our DH-TRNG exhibits portability to distinct process FPGAs and passes both NIST and AIS-31 tests without any post-processing. The experiments show it incurs only 8 slices with the highest throughput of 670Mbps and 620Mbps on Xilinx Virtex-6 and Artix-7, respectively. Compared to the state-of-the-art TRNGs, our proposed design has the highest Throughput/SlicesPower with a 2.63 times increase.
Abstract（参考訳）: 重要なセキュリティプリミティブとして、真の乱数生成器(TRNG)は、あらゆる暗号化システムに対して信頼の根を構築するために必須のコンポーネントである。しかし、既存のTRNGは低スループットと高エネルギー消費のボトルネックに悩まされている。本研究では,超高スループットかつ領域エネルギー効率を有する動的ハイブリッドTRNG回路アーキテクチャであるDH-TRNGを提案する。我々のDH-TRNGは、異なるプロセスFPGAへの移植性を示し、後処理なしでNISTおよびAIS-31テストに合格する。実験の結果、Xilinx Virtex-6とArtix-7の最高スループットは670Mbps、最高スループットは620Mbpsだった。現時点のTRNGと比較すると,提案した設計はスループット/スライスパワーが最も多く,2.63倍に増加した。

関連論文リスト

Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
論文参考訳（メタデータ） (2024-06-12T02:48:52Z)
xTern: Energy-Efficient Ternary Neural Network Inference on RISC-V-Based Edge Systems [11.488297094967377]
3次ニューラルネットワーク(TNN)は、バイナリニューラルネットワークに比べて精度とエネルギーのトレードオフが優れている。汎用コア上でのTNN推論の高速化を目的としたRISC-V命令セットアーキテクチャの軽量拡張であるxTernを提案する。以上の結果から,XTernはRISC-Vベースの超低消費電力エッジAIプラットフォームを,TNNの効率性の恩恵を受けることができることがわかった。
論文参考訳（メタデータ） (2024-05-29T13:16:46Z)
Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文参考訳（メタデータ） (2024-04-17T02:04:10Z)
SPulseGen: Succinct pulse generator architecture maximizing gate fidelity for superconducting quantum computers [3.2482805679071207]
本稿では,超伝導量子ビット用RFパルス発生器の費用対効果アーキテクチャを提案する。提案したパルス発生アーキテクチャは、RFパルスの発生回路と波形の両方を低コストで2乗パルスに単純化する。
論文参考訳（メタデータ） (2023-12-14T07:33:12Z)
Marsellus: A Heterogeneous RISC-V AI-IoT End-Node SoC with 2-to-8b DNN Acceleration and 30%-Boost Adaptive Body Biasing [11.27712965055613]
Marsellusは、GlobalFoundries 22nm FDXで製造されたAI-IoTエンドノード用の全デジタル異種システムである。 2ビットの精度演算では180 Gop/sか3.32 Top/s/W、ハードウェアアクセラレーションされたDNN層では最大637 Gop/sか12.4 Top/s/Wに達する。
論文参考訳（メタデータ） (2023-05-15T07:48:50Z)
PowerGear: Early-Stage Power Estimation in FPGA HLS via Heterogeneous Edge-Centric GNNs [33.61567040408962]
FPGA HLSのためのグラフ学習支援電力推定手法であるPowerGearを提案する。 PowerGearには,グラフ構築フローとカスタマイズグラフニューラルネットワーク(GNN)モデルという,2つの主要コンポーネントがある。搭載された測定値と比較すると、PowerGearは、それぞれ3.60%と8.81%の誤差を持つ新しいHLS設計の総出力と動的パワーを推定する。
論文参考訳（メタデータ） (2022-01-25T06:18:50Z)
Improved Transformer for High-Resolution GANs [69.42469272015481]
この課題に対処するために、Transformerに2つの重要な要素を紹介します。実験で提案したHiTは、条件のないImageNetの31.87と2.95のFIDスコアをそれぞれ128×128$とFFHQの256×256$で達成していることを示す。
論文参考訳（メタデータ） (2021-06-14T17:39:49Z)
TransGAN: Two Transformers Can Make One Strong GAN [111.07699201175919]
我々は、純粋なトランスフォーマーベースのアーキテクチャのみを用いて、完全に畳み込みのないGANテキストを構築できる最初のパイロット研究を行う。バニラGANアーキテクチャはtextbfTransGANと呼ばれ、メモリフレンドリーなトランスフォーマーベースのジェネレータで構成されています。当社の最高のアーキテクチャは、コンボリューションバックボーンに基づく最新のGANと比較して非常に競争力のあるパフォーマンスを実現します。
論文参考訳（メタデータ） (2021-02-14T05:24:48Z)
A High Speed Integrated Quantum Random Number Generator with on-Chip Real-Time Randomness Extraction [2.759846687681801]
標準CMOS技術ノードに最初の集積量子RNG(QRNG)を提示する。組合せ論理の共積分は,高複雑性であっても,ランダム性の品質には影響しないことを示す。私たちのCMOS QRNGは、低消費電力で400Mbit/sのスループットに到達できます。
論文参考訳（メタデータ） (2021-02-11T19:55:29Z)
High-Fidelity Machine Learning Approximations of Large-Scale Optimal Power Flow [49.2540510330407]
AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
論文参考訳（メタデータ） (2020-06-29T20:22:16Z)
Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。 CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。 RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文参考訳（メタデータ） (2020-04-22T19:08:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。