Combined Integer and Variable Precision (CIVP) Floating Point Multiplication Architecture for FPGAs
在本文中,我们提出了一种架构/方法,使FPGA适合整数以及可变精度浮点乘法。本文的工作对于多媒体处理等需要变精度浮点乘法的应用具有重要意义。在所提出的架构/方法中,我们建议分别用专用24x24位和24x9位乘法器替换FPGA中现有的18x18位和25x18位专用乘法器。我们已经证明,我们在FPGA中提供专用24x24位和24x9位乘法器的方法将使它们能够有效地执行整数以及单精度、双精度和四精度浮点乘法。
2007-11-16 cs.AR
Multipliers: comparison of Fourier transformation based method and Synopsys design technique for up to 32 bits inputs in regular and saturation arithmetics
介绍了基于傅里叶变换的硬件乘法技术。该技术具有最高效率的乘法单元高达8位的范围。每个乘法单元都是基于最小化的布尔函数来实现的。实验数据表明,与Synopsys技术设计的类似方法相比,该技术在输入操作数为2-8位时,乘法运算速度提高了20%;在输入操作数为8-32位时,乘法运算速度提高了3%。
2016-11-16 cs.AR
Hardware-Efficient CNNs: Interleaved Approximate FP32 Multipliers for Kernel Computation
IIIT-Bangalore(印度信息科学与技术学院班加罗尔分校)
本研究提出利用交错排列的近似FP32乘法器进行CNN推理,通过近似压缩器降低硬件成本,并采用NSGA-II优化乘法器布局,以平衡精度与硬件效率。
2025-10-08 cs.AR
Indicating Asynchronous Array Multipliers
乘法是微处理和数字信号处理应用中经常遇到的重要算术运算,乘法是使用乘法器物理实现的。本文讨论了许多指示异步阵列乘法器的物理实现,这是固有的弹性和模块化,是强大的定时,工艺和参数的变化。我们考虑使用32/28 nm CMOS工艺的物理实现的许多指示异步阵列乘法器。弱指示阵列乘法器包括强指示或弱指示全加器和强指示2输入AND函数,以实现部分积。乘法器采用半定制ASIC设计风格,使用标准库单元(包括定制设计的2输入C元件)进行合成。4x 4和8x8乘法运算被考虑用于物理实现。数据通信采用四相归零(RTZ)和四相归一(RTO)握手协议,数据编码采用延迟不敏感的双轨码。在几种弱指示阵列乘法器中,发现利用偏置弱指示全加器和强指示2输入AND功能的弱指示阵列乘法器对于4 × 4和8 × 8乘法具有相对于RTZ和RTO握手的减少的周期时间和功率周期时间积。此外,发现4相RTO握手优于4相RTZ握手,以实现设计度量的增强优化。
2019-05-15 cs.AR
Some Schemes for Implementation of Arithmetic Operations with Complex Numbers Using Squaring Units
本文提出了复数平方器、乘法器和除法器的新方案。这些操作的传统结构解决方案需要存在一些通用的二进制乘法器。我们的解决方案的优点是通过用成本较低的平方器代替乘法来去除乘法。我们使用洛根技巧和四分之一平方技术,它建议通过求和平方来代替两个实数乘积的计算。在数字平方器上替换通常的乘法器意味着降低功耗以及降低硬件电路复杂性。与通用乘法器相比,平方器需要更少的面积和功率,评估平方器在实现复数运算中的使用是有趣的。
2017-05-21 cs.AR
Design of a Reformed Array Logic Binary Multiplier for High-Speed Computations
本文提出一种基于改进型阵列逻辑的二进制乘法器设计,利用多路复用器、桶形移位器及CSA与RCA组合加速部分积运算,在Cadence Virtuoso上实现了16位无符号数乘法,设计模块化且可扩展至任意n位。
2024-09-24 cs.AR
Residue Number System (RNS) based Distributed Quantum Multiplication
针对量子乘法器Toffoli深度和T门开销高的问题,提出基于余数系统的分布式量子乘法,设计量子减一模乘法器,实现Toffoli深度降低46.018%、T门减少34.483%至86.25%。
2025-06-21 cs.AR cs.DC math.QA
Small Logic-based Multipliers with Incomplete Sub-Multipliers for FPGAs
本文针对FPGA上低精度AI推理需求,提出基于不完整非矩形子乘法器瓦片的小型逻辑乘法器设计方法,并利用整数线性规划求解最优结构,在FPGA综合实验中验证了其优于现有设计。
2024-05-03 cs.AR
Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations
Department of ECE, University of Houston(电子工程系,休斯顿大学)
本文提出了一种利用乘法的sign-invariance性质来缓解算术乘法器老化问题的新技术,并将其应用于 systolic arrays 中,以提高高吞吐量AI加速器的效率。
2026-05-18 cs.AI cs.AR
ArithsGen: Arithmetic Circuit Generator for Hardware Accelerators
算术电路的生成器可以自动地提供算术电路的各种实现,这些实现示出关键电路参数(延迟、面积、功耗)之间的不同折衷。然而,现有的(免费)可用的发电机是有限的,如果更复杂的电路与层次结构和额外的架构优化的要求。此外,它们只支持少数几种输出格式。为了克服上述限制,我们开发了一种新的生成器的算术电路称为ArithsGen。ArithsGen可以使用基本的构建元素(如导线“与”门)生成有符号和无符号加法器和乘法器的特定架构。与现有的生成器相比,用户可以例如指定乘法器中使用的加法器的类型。该工具支持各种输出格式(Verilog、BLIF、C/C++或整数网表)。ArithsGen在通用可定制的精确和近似加法器和乘法器的合成和优化中进行了评估。此外,我们使用ArithsGen生成的电路作为种子的工具,开发自动创建近似实现的算术电路。我们发现,不同的初始电路(由ArithsGen生成)显着影响这些近似实现的属性。该工具可在https://github.com/ehw-fit/ariths-gen网站上查阅。
2022-03-09 cs.AR
A Logic-Reuse Approach to Nibble-based Multiplier Design for Low Power Vector Computing
Division of Energy, Matters and Systems, University of Missouri-Kansas City (UMKC)(密苏里大学堪萨斯城分校能源、物质与系统分部)
本文提出了一种基于逻辑复用的多字节乘法器设计,通过预计算和复用技术实现低功耗、高效率的向量计算。
2026-02-22 cs.AR
An Open-source Library of Large Integer Polynomial Multipliers
多项式乘法是大多数公钥密码学协议中的瓶颈,包括椭圆曲线密码和目前正在研究的几种后量子密码学算法。在本文中,我们提出了一个图书馆的各种大整数多项式乘法器用于硬件密码核心。我们的库包含数字化和非数字化乘法器,可供电路设计人员选择。该库由C++生成器支持,该生成器自动生成Verilog HDL中的乘法器逻辑,适用于FPGA和ASIC设计。此外,对于ASIC,它还生成可配置和可参数化的合成脚本。该生成器的功能允许快速生成和同时评估几种架构,从而允许设计人员轻松探索多项式乘法的(复杂)优化搜索空间。
2021-03-29 cs.AR cs.CR
Fair and Square: Replacing One Real Multiplication with a Single Square and One Complex Multiplication with Three Squares When Performing Matrix Multiplication and Convolutions
Ocean Logic Pty Ltd(Ocean Logic有限公司)
本文提出通过平方操作替代实数乘法和复数乘法,以减少硬件资源消耗,适用于矩阵乘法、卷积及更多计算场景。
2026-02-23 cs.AR
Run-time reconfigurable multi-precision floating point multiplier design for high speed, low-power applications
浮点乘法运算在图像处理、信号处理等许多应用领域都是一种重要的运算,但不同的应用对浮点乘法运算有不同的要求。有些要求高精度,有些要求低功耗,低延迟等,但IEEE-754格式是不是真正灵活的这些规格,而且设计是复杂的。最佳的运行时间可重配置硬件实现可能需要使用自定义浮点格式,这些格式不一定遵循IEEE指定的大小。本文提出了一种基于FPGA实现的运行时间可重构浮点乘法器,它具有自定义浮点格式,可满足不同的应用需求。根据精度或应用要求,该浮点乘法器可以有6种操作模式。通过使用具有自定义IP(知识产权)的优化设计,通过在乘法之前截断输入来完成更好的实现。并结合Karatsuba算法和Urdhva-Tiryagbhyam算法(吠陀数学)实现了无符号二进制乘法器。这进一步提高了乘法器的效率。
2020-12-06 cs.AR eess.SP
An Efficient Hardware Implementation of Elliptic Curve Point Multiplication over $GF(2^m)$ on FPGA
针对 ECC 中 ECPM 的性能瓶颈,提出混合 Karatsuba 有限域乘法器并构建 Montgomery ECPM 架构,在 Virtex-7 上实现显著加速。
2025-06-14 cs.AR
A Matrix Decomposition Method for Odd-Type Gaussian Normal Basis Multiplication
针对二进制域奇型高斯正规基乘法器空间复杂度降低方法缺失的问题,本文改编最优正规基的矩阵分解方法,有效减少了实现中的XOR门数量,仅以少许关键路径延迟为代价。
2025-08-11 cs.AR
A Power-Efficient Hardware Implementation of L-Mul
本文针对 L-Mul 算法提出了一种功耗高效的基于 FPGA 的 FP8 近似乘法器硬件实现,利用 AMD Xilinx UltraScale 技术进行核心计算,并在代表性神经网络模型推理中验证了其有效性与低资源占用。
2024-12-25 cs.AR
Low-Latency Online Multiplier with Reduced Activities and Minimized Interconnect for Inner Product Arrays
Chosun University(朝鲜大学);University of California, Los Angeles(加州大学洛杉矶分校)
针对传统乘法器高功耗与高延迟问题,提出基于从左到右算术的低延迟在线乘法器,利用冗余数系统实现无进位加法与数字级流水线,有效降低互连与信号活动,实验证明其在面积和功耗上优于传统乘法器。
2023-04-06 cs.AR cs.LG
Energy-Efficient and Fast Memristor-based Serial Multipliers Applicable in Image Processing
本文提出基于串行IMPLY逻辑的无符号和有符号阵列乘法器,通过引入部分积单元和重叠计算步骤,显著降低了计算步骤、能耗和忆阻器需求,并在图像处理应用中验证了其有效性。
2024-10-13 cs.AR cs.ET eess.IV
DGEMM without FP64 Arithmetic - Using FP64 Emulation and FP8 Tensor Cores with Ozaki Scheme
Information Technology Center, Nagoya University(名古屋大学信息技术中心)
本研究针对AI硬件趋势转向FP8低精度浮点运算的现状,重新审视Ozaki方案,探索使用FP8张量核心及整数算术模拟FP64,并引入内积维度分块加速FP16实现,在NVIDIA RTX Blackwell GPU上验证了有效性。
2025-09-25 cs.AR cs.MS cs.PF
Efficient Hardware Implementation of Modular Multiplier over GF (2m) on FPGA
本文提出一种结合传统乘法与Karatsuba乘法的混合模乘硬件实现,面向NIST B-163/233/283/571参数,在FPGA上显著降低LUT使用、提升延迟与面积-延迟积,优化ECC点乘效率。
2025-06-24 cs.AR cs.CR
Accelerating 128-bit Floating-Point Matrix Multiplication on FPGAs
本研究针对SDP等应用对高精度运算的需求及现有处理器支持不足的问题,在FPGA上实现了binary128精度GEMM加速,性能达90GFlops,是20线程CPU的147倍,并首次成功加速了LU分解与SDP问题。
2023-06-07 cs.AR cs.DC cs.MS
A Reconfigurable Multiplier Architecture for Error-Resilient Applications in RISC-V Core
Indian Institute of Technology Mandi(印度理工学院曼迪分校)
本文提出一种可重构乘法器架构,用于在能量受限的边缘AI应用中实现高效神经网络推理。该架构支持精确和近似计算,通过专用mulscr实现多精度配置,实现44%-68%的能耗降低,同时保持1.89 DMIPS/MHz的计算性能。
2026-05-09 cs.AI cs.AR
Accurate Models of NVIDIA Tensor Cores
School of Computer Science, University of Leeds(利兹大学计算机学院)
针对NVIDIA GPU中矩阵乘法器的非IEEE 754行为导致结果不可重现的问题,提出通过测试向量和半穷举验证构建V100、A100、H100和B200 GPU的低精度矩阵乘法器软件模型,实现位精确模拟。
2026-06-12 cs.AR cs.MS cs.NA