論文の概要: PIP-NTT: Towards a Scalable Memory-Parallelized Accelerator for Iterative NTT in PQC
- arxiv url: http://arxiv.org/abs/2607.18533v1
- Date: Mon, 20 Jul 2026 21:57:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.250184
- Title: PIP-NTT: Towards a Scalable Memory-Parallelized Accelerator for Iterative NTT in PQC
- Title（参考訳）: PIP-NTT:PQCにおける反復NTTのためのスケーラブルメモリ並列化加速器を目指して
- Abstract要約: Forward and inverse number Theoretic transform (NTT) は格子ベースのポスト量子暗号(PQC)における鍵となる要素である。
既存の繰り返しNTTアクセラレータは、ピンポンメモリスキームとサイクロトミックリングに結びついた大きなメモリブロックに依存していることが多い。
従来の設計のメモリフットプリント全体を保存するため,n/4サイズの小さい4つのメモリをリングサイズnとして用いたメモリ並列化方式を提案する。
- 参考スコア（独自算出の注目度）: 1.657362209194736
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The iterative forward and inverse number theoretic transform (NTT) is a key component in lattice-based post-quantum cryptography (PQC), typically implemented using Cooley-Tukey and Gentleman-Sande butterfly units. Existing iterative NTT accelerators often rely on ping-pong memory schemes and large memory blocks tied to the cyclotomic ring, which limits overall efficiency. To overcome this, we propose a memory-parallelization strategy using four smaller n/4-sized memories for ring size n, preserving the total memory footprint of conventional designs. We also introduce a multiplication-free rescaling architecture for the inverse NTT. Building on these innovations, we perform a comprehensive hardware-based design space exploration of unified Cooley-Tukey and Gentleman-Sande butterfly units, evaluating both coarse- and fine-grained pipelining strategies. The resulting optimized butterfly unit forms the core of our proposed pipelined and memory-parallelized NTT accelerator, "PIP-NTT". It integrates two such units alongside the memory-parallelization scheme to boost computational throughput under tight area constraints. Experimental results on FPGA platforms show that PIP-NTT achieves 2.67x and 1.48x higher efficiency in average Area-Time Product compared to the most area-optimized and high-speed NTT accelerators in the literature. The design is scalable across butterfly radices and adaptable to other PQC schemes, making it a versatile solution for future cryptographic hardware
- Abstract（参考訳）: 繰り返しフォワードおよび逆数理論変換(NTT)は格子ベースのポスト量子暗号(PQC)において鍵となる要素であり、典型的にはクーリー・テューキーとジェントルマン・サンデ・バタフライを用いて実装される。
既存のNTTアクセラレーターは、ピンポンメモリスキームとサイクロトミックリングに結びついた大きなメモリブロックに依存しており、全体的な効率を制限している。
そこで本研究では,n/4サイズの小さい4つのメモリをリングサイズnに使用してメモリ並列化手法を提案する。
また、逆NTTのための乗算不要な再スケーリングアーキテクチャも導入する。
これらの革新に基づいて、我々は、クーリー・テューキーとジェントルマン・サンデ・バタフライを一体化したハードウェアベースの設計空間を包括的に探索し、粗粒化と細粒化の両方のパイプライン化戦略を評価する。
最適化されたバタフライユニットは、提案したパイプライン化およびメモリ並列化NTTアクセラレータ"PIP-NTT"のコアとなる。
メモリ並列化スキームとともに2つのそのようなユニットを統合し、厳密な領域制約下での計算スループットを向上する。
FPGAプラットフォーム上での実験結果から、PIP-NTTは、文学において最も領域最適化および高速NTTアクセラレータと比較して、平均エリアタイム製品において2.67倍と1.48倍の効率を達成することが示された。
このデザインは他のPQC方式にも適応可能で、将来の暗号ハードウェアの汎用的ソリューションとなる。
関連論文リスト
- High-Performance NTT Accelerators for PQC leveraging Unified Redundant Arithmetic and Fine-Tuned Microarchitecture [0.3186130813218338]
量子後暗号とプライバシ保護技術は、将来のセキュアな通信システムにおいて中心的な役割を果たすことが期待されている。
本稿では,モンゴメリーモジュロ乗算とサブトラクション乗算演算の組み合わせの条件補正を不要とする新しい数値表現を提案する。
論文 参考訳（メタデータ） (2026-07-01T08:41:11Z) - Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders [123.58723804218151]
ビジョンファウンデーションモデルは、自己注意の二次的なコストによってボトルネックとなる。
2次元空間伝搬伝搬に基づくC-GSPNを提案する。
論文 参考訳（メタデータ） (2026-05-30T14:29:43Z) - OScaR: The Occam's Razor for Extreme KV Cache Quantization in LLMs and Beyond [50.440302567029654]
マルチモーダルインテリジェンスにより、Key-Valueキャッシュは効率的なデプロイメントのための主要なメモリボトルネックとなった。
本研究では、チャネルごとの量子化パラダイムの本質的な限界を再考する。
X-LLMのための高精度かつ軽量なKVキャッシュ圧縮フレームワークOScaRを提案する。
論文 参考訳（メタデータ） (2026-05-19T10:53:03Z) - Ge$^\text{2}$mS-T: Multi-Dimensional Grouping for Ultra-High Energy Efficiency in Spiking Transformer [84.8831358775386]
スパイキングニューラルネットワーク(SNN)は、ニューラルネットワーク(ANN)よりも優れたエネルギー効率を提供する
ANN-SNN ConversionやSpatial-Temporal Backpropagation (STBP)といった既存のパラダイムは、固有の制限に悩まされている。
Ge$text2$mS-Tを提案する。これは時間的・空間的・ネットワーク的構造次元にまたがるグループ計算を実装した新しいアーキテクチャである。
論文 参考訳（メタデータ） (2026-04-10T02:58:46Z) - @NTT: Algorithm-Targeted NTT hardware acceleration via Design-Time Constant Optimization [4.080796345570048]
@NTTは、これらのアルゴリズムのリングパラメータが固定されているという事実を利用して、設計時の定数最適化を可能にする。
TSMC 28nmライブラリを用いて実装したDilithium NTTのケーススタディでは、クロック周波数1.0GHzで動作する。
FPGAでは、最先端の実装よりも5.2倍高いスループットのLUTを実現している。
論文 参考訳（メタデータ） (2026-01-25T11:48:24Z) - GSPN-2: Efficient Parallel Sequence Modeling [101.33780567131716]
一般化空間伝搬ネットワーク(GSPN)は2次自己アテンションを直線走査型伝搬方式に置き換えることでこの問題に対処する。
GSPN-2は、視覚アプリケーションにおけるグローバル空間コンテキストをモデル化するための新しい効率フロンティアを確立する。
論文 参考訳（メタデータ） (2025-11-28T07:26:45Z) - TNT: Improving Chunkwise Training for Test-Time Memorization [62.78875147721906]
タイタンスやTTTのような深いテストタイム記憶モジュールを持つリカレントニューラルネットワーク(RNN)は、トランスフォーマーとは異なる有望で線形にスケールするパラダイムである。
TNTは,2段階のプロセスを通じて,推論性能からトレーニング効率を分離する,新たなトレーニングパラダイムである。
TNTはトレーニング速度を最も正確なベースライン構成の17倍に高速化する。
論文 参考訳（メタデータ） (2025-11-10T17:45:09Z) - SCE-NTT: A Hardware Accelerator for Number Theoretic Transform Using Superconductor Electronics [12.616265554244313]
本研究では, 超伝導エレクトロニクス(SCE)を用いた完全同相暗号(FHE)の高速化について検討する。
本稿では,超伝導単一フラックス量子(SFQ)論理とメモリに基づく専用ハードウェアアクセラレータであるSCE-NTTを紹介する。
我々はNTT-128ユニットが34GHzで531万NTT/secを達成することを示す。
論文 参考訳（メタデータ） (2025-08-28T23:37:51Z) - GDNTT: an Area-Efficient Parallel NTT Accelerator Using Glitch-Driven Near-Memory Computing and Reconfigurable 10T SRAM [14.319119105134309]
本稿では、グリッチ駆動ニアメモリコンピューティング(GDNTT)を用いた領域効率の高い高並列NTT加速器を提案する。
この設計はデータストレージ用の10Tを統合し、柔軟な行/列のデータアクセスと合理化回路マッピング戦略を可能にする。
評価の結果,提案したNTTアクセラレーターは,最先端技術と比較して1.528*のスループット向上を実現していることがわかった。
論文 参考訳（メタデータ） (2025-05-13T01:53:07Z) - COMPASS: A Compiler Framework for Resource-Constrained Crossbar-Array Based In-Memory Deep Learning Accelerators [6.172271429579593]
本稿では、資源制約付きクロスバーベース処理インメモリ(PIM)ディープニューラルネットワーク(DNN)アクセラレーターのためのコンパイラフレームワークを提案する。
本稿では,各パーティションをチップ上で高速化するために,各レイヤを分割する最適なパーティショニングを決定するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-01-12T11:31:25Z) - MF-NeRF: Memory Efficient NeRF with Mixed-Feature Hash Table [62.164549651134465]
MF-NeRFは,Mixed-Featureハッシュテーブルを用いてメモリ効率を向上し,再構成品質を維持しながらトレーニング時間を短縮するメモリ効率の高いNeRFフレームワークである。
最新技術であるInstant-NGP、TensoRF、DVGOによる実験は、MF-NeRFが同じGPUハードウェア上で、同様のあるいはそれ以上のリコンストラクション品質で最速のトレーニング時間を達成できることを示唆している。
論文 参考訳（メタデータ） (2023-04-25T05:44:50Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。