Design and implementation of a neural network-based framework for digital integrated circuits utilization
Dijital tümleşik devre kullanımına yönelik yapay sinir ağı tabanlı bir çerçevenin tasarımı ve gerçekleştirimi
- Tez No: 1024031
- Danışmanlar: DOÇ. DR. BAYKAL SARIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Bilgi Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, sinir ağlarının doğrulanmış giriş ve durum uzayları içinde sonlu alanlı sayısal mantık fonksiyonlarının bit-düzeyinde eşdeğer işlevsel yerine geçip geçemeyeceğini incelemektedir. Önerilen yaklaşımda her mantık fonksiyonu, doğruluk tablosu üzerinden eğitilen küçük bir ileri beslemeli sinir ağı ile temsil edilmekte ve özgün mantık yapılarının yerine kullanılmaktadır. Bu fikir iki tamamlayıcı çalışma ile ele alınmıştır. NeuralTimer çalışmasında, 8-bit bir donanım zamanlayıcı bloğu Xilinx Zynq FPGA üzerinde 125 MHz'de çalışan tek bir eğitilmiş sinir ağı ile değiştirilmiştir. Kapı düzeyi simülatör çalışmasında ise sentezlenmiş netlistteki her ilkel hücre kendi sinir ağı modeliyle temsil edilmiş; yaklaşım önce özel bir 8-bit CPU'da, ardından açık kaynaklı PicoRV32 RISC-V işlemcisinde D flip-floplar dahil olmak üzere gösterilmiştir. Sonuçlar, hedef fonksiyon tam sonlu alan tanımı üzerinde eğitilip doğrulandığında sinir ağının bu alan içinde bit-düzeyinde eşdeğer bir işlevsel temsilci olabileceğini göstermektedir. NeuralTimer tüm 8-bit durum geçiş uzayını doğru biçimde üretirken, kapı düzeyi simülatör CPU benchmark izlerini referans RTL simülatörüyle bit-düzeyinde eşleştirmiştir. Sinir ağı tabanlı flip-flop değerlendirmesi çevrim maliyetini yaklaşık yüzde 20 artırsa da elle yazılmış Boolean mantığını ortadan kaldırmış; GPU üzerinde toplu değerlendirme sıralı NumPy taban çizgisine göre 1.7× hızlanma sağlamıştır. Genel olarak tez, sinirsel hesaplama ile sayısal mantık arasındaki sınırın sanıldığından daha geçirgen olduğunu göstermektedir. Sinir ağına dönüştürülmüş devreler türevlenebilir, ağırlık güncellemeleriyle yeniden yapılandırılabilir ve parametre dosyaları olarak taşınabilir hale gelerek donanım tasarımı, doğrulama ve gömülü uygulamalar için yeni olanaklar sunmaktadır.
Özet (Çeviri)
This thesis investigates whether neural networks can serve as bit-exact functional substitutes for finite-domain digital logic functions within verified input and state spaces. The proposed approach represents each function as a small feedforward network trained on its complete truth table and composes these networks in place of the original logic. Two complementary studies examine this idea. NeuralTimer takes a monolithic route by replacing an entire 8-bit hardware timer primitive on a Xilinx Zynq FPGA at 125 MHz with a single trained feedforward network. The gate-level simulator takes a compositional route, replacing each primitive in a synthesized netlist with its own neural network and wiring the models according to the synthesis topology. This is demonstrated first on a custom 8-bit CPU and then on the open-source PicoRV32 RISC-V processor, including sequential D flip-flops. Both studies show that, once trained and verified over the complete finite-domain specification of its target, a neural network can behave as a bit-exact functional substitute within that enumerated space. NeuralTimer reproduces the full 8-bit state-transition space, while the gate-level simulator matches CPU benchmark traces bit-exactly against a reference RTL simulator. Neural flip-flop evaluation increases per-cycle cost by roughly 20 percent but removes hand-coded Boolean logic; GPU batching provides a 1.7× speedup over the sequential NumPy neural baseline, although it remains slower than direct Boolean evaluation. Overall, the thesis shows that the boundary between neural computation and digital logic is less rigid than commonly assumed. Neuralized circuits become differentiable, reconfigurable through weight updates, and portable as parameter files, suggesting practical opportunities for hardware design, verification, and embedded deployment.
Benzer Tezler
- Artificial neural network based dynamic forecaster selection in joint forecasting-scheduling for the internet of things
Nesnelerin interneti için bütünleşik tahmin çizelgelemede yapay sinir ağı tabanlı dinamik tahminleyici seçimi
ERDEM ÇAKAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN RODOPLU
PROF. DR. CÜNEYT GÜZELİŞ
- Uydu bazlı jeodezik ve jeodinamik veri analiz ve yönetim sistemi tasarımı ve uygulaması
Design and implementation of a satellite-based geodetic and geodynamic data analysis and management system
DENİZ BAŞAR
Doktora
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Veri artırma teknikleri ile iyileştirilmiş çok modlu duygu tanıma sistemi tasarımı ve uygulaması
Design and implementation of a multimodal emotion recognition system enhanced by data augmentation techniques
EMRAH DİKBIYIK
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER DEMİR
DOÇ. DR. BUKET DOĞAN
- Implementation of binary neural networks in FPGA-based reconfigurable systems
FPGA tabanlı yapılandırılabilir sistemlerde ikili sinir ağlarının uygulanması
SALİH ATABEY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. ERDEM AKAGÜNDÜZ
- Gan güç transistörlerinin anahtar kayıplarının nöral ağ tabanlı modellenmesi
Neural network based modeling of switching losses in gan power transistors
ALİİMZA DAŞDEMİR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ONUR GÜLBAHÇE