С.С. Шевелев1

1 Юго-Западный государственный университет (г. Курск, Россия)

Постановка проблемы. Современные универсальные вычислительные машины способны реализовать любой алгоритм, но при решении определенных задач по скорости обработки они не могут конкурировать со специализированными вычислительными модулями, позволяющими повысить быстродействие выполнения арифметических операций за счет использования параллелизма при обработке данных. Надежность работы арифметических вычислителей повышается с помощью применения нейроподобных элементов. Такие специализированные устройства эффективны при обработке массивов данных, при решении задач искусственного интеллекта, а также в качестве управляющих устройств.

Цель. Разработать структуру параллельного сумматора-вычитателя на элементах нейронной логики, которая обеспечивает высокое быстродействие и надежность работы.

Результаты. Разработанные структурно-функциональные схемы блоков сумматора/вычитателя позволяют увеличить быстродействия по сравнению с известным сумматором последовательного действия при сложении в дополнительных кодах не менее чем в 2 раза, а с параллельным сумматором с последовательным переносом - не менее чем в 1,5 раза. Показано, что аппаратная сложность представленного сумматора-вычитателя ниже в 1,3 раза по сравнению с сумматором последовательного действия и в 2,8 раза по сравнению с параллельным сумматором с последовательным переносом.

Практическая значимость. Предложенная структура сумматора-вычитателя обеспечивает увеличение скорости вычислений арифметических операций за счет реализации параллелизма в обработке данных.

Шевелев С.С. Параллельный сумматор-вычитатель на элементах нейронной логики // Радиотехника. 2023. Т. 87. № 9. С. 75−87. DOI: https://doi.org/10.18127/j00338486-202309-07

1. Шевченко В.П. Вычислительные системы, сети и телекоммуникации. М.: КноРус. 2022. 288 c.
2. Старков В.В. Архитектура персонального компьютера. Организация, устройство, работа. М.: Горячая линия - Телеком. 2022. 538 c.
3. Киселев С.В. и др. Аппаратные средства персонального компьютера. М.: Академия. 2022. 625 c.
4. Трофимов В.В. и др. Информационные технологии. М.: Юрайт. 2022. 392 c.
5. Кузин А.В., Демин В.М. Компьютерные сети. М.: Форум, Инфра-М. 2022. 385 c.
6. Шелухин О.И., Тенякшев А.М., Осин А.В. Моделирование информационных систем. М.: Радиотехника. 2022. 368 c.
7. Кустов Д., Панфилов И., Сопов Е. Модели и алгоритмы адаптивного поиска информации. М.: LAP Lambert Academic Publishing. 2022. 116с.
8. Бройдо В.Л., Ильина О.П. Вычислительные системы, сети и телекоммуникации. М.: Книга по Требованию. 2022. 560 c.
9. Рыбин С.В. Дискретная математика и информатика. СПб: Лань. 2022. 749 с.
10. Гуревич Д.З., Елизаров В.Н., Рувинский Б.И. Большие интегральные схемы и вычислительные машины четвертого поколения. М.: ЦНИИ Электроника. 2021. 783 c.
11. Гаврилов М.В., Климов В.А. Информатика и информационные технологии. М.: Издательство «Юрайт». 2022. 383 c.
12. Дж. Скотт Хогдал. Анализ и диагностика компьютерных сетей. М.: ЛОРИ. 2022. 350 c.
13. Хлебников А.А. Информационные технологии. М.: КноРус. 2021. 466 c.
14. Микропроцессоры и микропроцессорные системы / Под ред. В.Б. Смолова. М.: Радио и связь. 2022. 328 c.
15. Shevelev S.S. Device for calculating logical and arithmetic operations // Programmnaya Ingeneria. 2021. V. 12. № 7. Р. 350-357. DOI: 10.17587/prin.12.350-357.
16. Патент № 2780299 (РФ). № 2020129345. Параллельный сумматор-вычитатель на элементах нейронной логики. / С.С. Шевелев; заявл. 04.09.2020; опубл. 21.09.2022. Бюл. № 27.
17. Shevelev S.S. Parallel-sequential adder-subtractor with the highest digits forward on neurons // Neurocomputers. 2021. V. 23. № 3. Р. 5−14. DOI: https://doi.org/10.18127/j19998554-202103-01.
18. Патент № 2739343 (РФ). № 2020129326. Устройство поразрядного вычисления логических и арифметических операций. / С.С. Шевелев; заявл. 04.09.2020; опубл. 23.12.2020. Бюл. №36.
19. Петров А.А., Черномордов С.В., Кабанов М.А. Анализ инструментального обеспечения гетерогенных вычислений с применением нейросетевого моделирования // Нейрокомпьютеры: разработка, применение. 2023. T. 25. № 2. С. 21-29. DOI: https:// doi.org/10.18127/j19998554-202302-02.
20. Соловьёв В.А, Азимов Э.И, Юлдашев М.Н. Современные технологии увеличения вычислительной мощности микропроцессоров // Нейрокомпьютеры: разработка, применение. 2022. T. 24. № 1. С. 53-64. DOI: https://doi.org/10.18127/j19998554-202201-05.