TỔNG QUAN về MẠNG nơ RON tế bào ,PHƯƠNG TRÌNH đạo hàm RIÊNG và PHÁT TRIỂN PHƯƠNG PHÁP GIẢI PHƯƠNG TRÌNH đạo hàm RIÊNG BẰNG CÔNG NGHỆ CNN

11 Chương Mở đầu 1.1 Các tốn tính tốn khoa học cơng nghệ mạng nơ ron tế bào Trong phát triển nhiều lĩnh vực khoa học, cơng nghệ nay, việc tính tốn phức tạp giải phương trình đại số, phương trình vi phân, phương trình đạo hàm riêng, mơ cho hệ thống, sở liệu lớn đặt nhu cầu giải pháp tính tốn Các nhà khoa học cần có cơng cụ tính tốn mạnh, có kích thước số lớn tốc độ cao để đáp ứng u cầu tính tốn Với tốn kỹ thuật có xử lý với tín hiệu liên tục, tương tác thời gian thực, hệ điều khiển, kết tính tốn tín hiệu đưa cho hệ thứ cấp chấp hành q trình tính tốn cần sử dụng cơng cụ tính tốn cho kịp thời với tiến trình giới tự nhiên Hiện tốc độ máy tính PC cải thiện đáng kể Mặt khác, ý tưởng xây dựng mạng tồn cầu (global) liên kết nhiều máy tính tham gia tính tốn đề xuất triển khai thực nhiều nước giới Việt Nam để giải tốn khoa học lớn có quy mơ rộng, q trình tính tốn liên tục, lâu dài xử lý cho kho liệu lớn phức tạp 12 Tuy vậy, với tốn quy mơ nhỏ cần tính tốn nhiều, tốc độ nhanh hệ thống nhỏ gọn ONCHIP mơ hình global không phù hợp Hơn nữa, đầu vào hệ thống luồng thông tin biến đổi nhanh (như luồng tín hiệu video) việc tính tốn máy PC khơng đáp ứng được, xử lý xong kết khơng cịn giá trị tính khơng kịp thời Có thể nói máy tính PC (có hay nhiều lõi) đạt đến giới hạn vật lý kích thước tốc độ mạch tích hợp VLSI nên khó đáp ứng cho toán yêu cầu cao Người ta cần tìm kiếm phương thức tính tốn thích hợp, có hiệu thoả mãn nhu cầu tính tốn Nghiên cứu cấu tạo hoạt động hệ thần kinh người ta thấy cấu trúc hệ thần kinh gồm nơ ron xử lý phân tán rải khắp thể đến quan thần kinh trung ương Khi xử lý nơ ron liên kết cục với để vừa xử lý, vừa truyền tín hiệu từ phần thể đến não bộ, trình xử lý song song diễn nhanh làm cho người có phản xạ thích ứng kịp thời gặp tác nhân kích thích từ mơi trường Từ tham khảo mơ hình mạng nơ ron sinh học lý thuyết mạng nơ ron thông thường (mạng Hopfield), năm 1988 Leon O Chua Lin Yang đưa ý tưởng kiến trúc tính tốn trở thành cơng nghệ xử lý, tính tốn song song vật lý cơng nghệ mạng nơ ron tế bào (Cellular Neural Network-CNN) [12],[13] Năm 1993, Tamás Roska L O Chua đưa mơ hình kiến trúc máy tính mạng nơ ron tế bào (CNN Universal Machine-CNN UM) làm sở cho việc chế tạo phần cứng Từ đó, với phát triển cơng nghệ vi mạch mật độ cao VLSI nhà sản xuất nghiên cứu chế tạo chip CNN thương mại Chip CNN ban đầu hệ thống ONCHIP có 8x8 phần tử xử lý (gọi cell-tế bào) liên kết cục với xử lý song song xử lý giá trị nhị phân Đến với công nghệ vi mạch số nhà nghiên cứu xây dựng chip CNN có tên gọi Programmable Optical Array Computer (POAC) có kích thước lớn tới 500x500 [37] Nếu cấu hình cơng nghệ chip FPGA đạt 512x512 chí 1028x1028 tế bào [23], [34] Nhiều hệ chip khác dựa công nghệ CNN chế tạo phục 13 vụ toán ứng dụng nhiều lĩnh vực Đặc điểm quan trọng cơng nghệ CNN kích thước mạng nhỏ gọn, không cần điều khiển kết nối, trao đổi liệu phức tạp mạng máy tính thơng thường Hàng năm hội thảo CNN tổ chức để trao đổi chia xẻ thành tựu nghiên cứu phát triển ứng dụng công nghệ Hội thảo CNN2008 (từ 14-16/07/2008 Tây Ban Nha) có gần 250 báo cáo trình bày; Hội thảo CNNA2010 tổ chức đại học Berkeley (California-US) từ ngày 3-5 tháng 02/2010 có khoảng 100 báo cáo Trong đó, vấn đề trội ứng dụng vật liệu memristor để xây dựng nhớ hệ CNN; toán ứng dụng xử lý song song việc tạo khả “nhìn” cho rô bốt, hệ điều khiển tự động; hệ CNN đa lõi, đa lớp giới thiệu nhiều Hiện trung tâm nghiên cứu CNN có châu Âu (Hungary, Tây ban nha, Italia, Anh, Thổ Nhĩ kỳ), Mỹ Tại châu Á có số nước tham gia nghiên cứu Trung Quốc, Hàn Quốc, Nhật Bản Tại Việt Nam, có nhóm nghiên cứu Viện Cơng nghệ thơng tin - Viện KH&CN Việt Nam, số trường triển khai đào tạo nghiên cứu ĐHBK Hà Nội, ĐHQG Hà Nội, đại học Thái Nguyên Trong Hội thảo, tạp chí nước có số nói cơng nghệ CNN [3],[4] 1.2 Những nội dung nghiên cứu luận án Trong lĩnh vực tính tốn khoa học cần giải nhiều tốn liên quan đến giải phương trình đạo hàm riêng xuất thực tế Một số toán mơi trường nhiễm khí quyển, nhiễm nguồn nước dịng sơng, hồ chứa , tượng biến động khí xảy không gian vũ trụ, đại dương, sông hồ giơng, bão, sóng thần, động đất toán nhiều người quan tâm nghiên cứu Nhất tình hình nay, ấm lên trái đất, hiệu ứng nhà kính gây thảm hoạ thiên nhiên nghiêm trọng môi trường sống, cần có tính tốn dự báo xác để phịng tránh, hạn chế thiệt hại thiên tai Xuất phát từ thực tế đó, với việc nghiên cứu công nghệ CNN, Luận án thực nghiên cứu áp dụng giải số 14 PDE mơ tả tốn thuỷ lực tốn ô nhiễm khí Để nghiên cứu tiếp cận lĩnh vực tính tốn khoa học với cơng cụ mạnh, hiệu quả, Luận án tiến hành nghiên cứu nắm bắt sở toán học, kiến trúc mạch phần cứng, thuật toán xử lý, khả ứng dụng CNN Qua đó, lựa chọn, đề xuất phương pháp giải số phương trình đạo hàm riêng thực giải theo thuật toán CNN, cụ thể: -Luận án đề xuất nghiên cứu giải phương trình dịng chảy chiều: Nghiên cứu mơ hình tốn học, thiết kế mẫu, chứng minh ổn định mạng với tập mẫu tìm Chứng minh tương đương tốn học mơ hình sai phân mơ hình CNN Mơ tính tốn theo thuật tốn CNN Matlab, thiết kế mạch cấu hình chip EP2C35 tạo thành mạng CNN cho toán; so sánh kết tính tốn máy PC tính tốn mạng CNN xây dựng chip FPGA Nội dung trình bày Mục 3.2 Luận án Những kết nghiên cứu có tài liệu mục [1], [2], [4], Danh mục cơng trình tác giả -Luận án nghiên cứu phương trình thuỷ lực hai chiều bao gồm: Đề xuất mơ hình thuật tốn, thiết kế mẫu, xây dựng mơ hình kiến trúc phần cứng, chứng minh ổn định mạng tương đương mơ hình sai phân mơ hình mạng CNN Cài đặt mơ thuật tốn Matlab, phân tích tài nguyên chip cần cho chế tạo phần cứng Các nội dung trình bày Mục 3.3 Luận án có mục [3], [6] phần Danh mục cơng trình tác giả -Luận án đề xuất thuật tốn CNN giải phương trình thuỷ lực hỗn hợp cài đặt mơ tính tốn Matlab Mục 3.4 Luận án mục [5], Danh mục cơng trình tác giả - Luận án nghiên cứu thuật tốn, thiết kế mẫu, phân tích ổn định mạng CNN 3D giải phương trình mơ tả tượng nhiễm khí quyển, tiến hành cài đặt thực nghiệm mơ tính tốn cho tốn Matlab thiết kế kiến trúc tính tốn cơng nghệ FPGA Nội dung trình bày Mục 3.5 Luận án có tài liệu mục [8], [9] Danh mục cơng trình tác giả 1.3 Phương pháp nghiên cứu 15 Để đạt mục đích nghiên cứu, luận án sử dụng phương pháp: Phương pháp luận nghiên cứu cơng nghệ CNN (mơ hình tốn học, lý thuyết kiến trúc mạch điện tử, kiến trúc phần cứng CNN, điều kiện ổn định, ngôn ngữ đặc tả phần cứng để cấu hình mạng, thuật tốn, cơng cụ hỗ trợ); phương pháp sai phân giải phương trình đạo hàm riêng (lược đồ sai phân, điều kiện tồn nghiệm, ổn định, độ xác nghiệm); phương pháp thiết kế, sử dụng ngôn ngữ mô tả phần cứng VHDL, Verilog lập trình cấu hình lập trình tính tốn chip FPGA thơng qua giao diện máy PC 1.4 Ý nghĩa khoa học thực tiễn Về mặt khoa học luận án đề xuất phương pháp dựa cơng nghệ tính tốn song song CNN để giải số phương trình PDE cụ thể, qua phát triển tập mẫu thư viện mẫu CNN phục vụ cho việc giải PDE Về mặt thực tiễn: từ nghiên cứu ban đầu hình thành sở lý luận, kỹ năng, kinh nghiệm triển khai áp dụng công cụ CNN vào giải PDE; góp phần giới thiệu cơng nghệ CNN Việt Nam, kết nghiên cứu tài liệu phục vụ giảng dạy, học tập nghiên cứu sở đào tạo, tạo hội trao đổi học hỏi với nhà nghiên cứu nước giới 16 Chương Tổng quan Mạng nơ ron tế bào phương trình đạo hàm riêng 2.1 Giới thiệu công nghệ mạng nơ ron tế bào 2.1.1 Lịch sử phát triển máy tính mạng nơ ron tế bào Năm 1988, Leon O Chua Lin Yang đưa ý tưởng kiến trúc máy tính mạng nơ ron tế bào (Cellular Neural Network) [12],[13] Trong đó, tác giả nêu nội dung cho mơ hình tính tốn song song, bao gồm kết cấu mạch điện, phương trình tốn học mơ tả hoạt động hệ thống Bài báo phân tích, chứng minh làm việc ổn định mạng sở tốn học, đưa mơ hình mơ thuật tốn với ví dụ cụ thể Đây khái niệm, nguyên tắc bản, làm tảng cho việc nghiên cứu công nghệ CNN Mơ hình mạch điện Chua trở thành kiến trúc lõi cho việc thiết kế chip CNN sau Sau loạt viết việc thiết kế chip CNN ứng dụng cho toán xử lý ảnh nhận dạng lĩnh vực ứng dụng công nghệ CNN Năm 1993, Tamás Roska Leon Chua lần giới thiệu kiến trúc máy tính mạng nơ ron tế bào (CNN-UM) [33] với chip analog lập trình theo thuật tốn Các nhà nghiên cứu thuộc Office of Naval Research, National Science 17 Foundation, University of California (US) Hungarian Academy of Sciences (Hungary) thiết kế, chế tạo tảng phần cứng (plaform) để thực thi ý tưởng kiến trúc chip CNN Roska Chua Chip CNN analog chế tạo lần vào năm 1993 có tên CNN Universal Processor nguyên tắc xử lý đa lớp cho phép tính tốn với liệu dạng ma trận Chip thiết kế có kiến trúc 8x8 tế bào, với giao diện làm việc, nhớ analog, chuyển mạch lơ gic chương trình phần mềm Từ khẳng định tính khả thi tiềm cơng nghệ CNN Đến năm 2000 có tới sáu nhà sản xuất tham gia chế tạo chip analog dựa nguyên tắc đưa năm 1993 Hãng AnaForcus phát triển kết nghiên cứu đại học Seville bắt đầu thiết kế mơ hình cho chip ACE để đưa vào sản xuất hàng loạt Chip ACE sản xuất có kích thước 20x20 phục vụ cho tốn xử lý ảnh nhị phân sau phát triển chip có kích thước 48x48 xử lý cho ảnh đa mức xám Trong phát triển kích thước tính chip cải thiện tốc độ, chức xử lý, thiết bị vào Thiết bị vào với cảm biến nhiều đầu cho phép xử lý tương tác “thu liệu vào”, “xử lý” “đưa kết ra” môi trường thời gian thực Tiếp AnaForcus sản xuất chip CASE có ba lớp 32x32 tế bào đưa vào thiết bị thị giác nhân tạo Eye - RIS có phần cứng, phần mềm công cụ trợ giúp tích hợp vào chung hệ thống xử lý Vào năm 2003, AnaLogic Computer phát triển bo mạch thị giác PCI-X tích hợp với chíp ACE4k, chip xử lý tín hiệu số DSP (Digital Signal Processing) hãng Texas Intrument thiết bị thu ảnh nhanh (high-speed-frame-grabber) vào hệ thống cho phép giao tiếp với máy PC để mở rộng khả ứng dụng tính công nghệ CNN analog Năm 2006, hãng AnaLogic Computer tiếp tục phát triển thiết bị camera thông minh tốc độ cao (Bi-I Ultra High Speed Smart Camera) dự định phát triển thiết bị thành sản phẩm kính mắt sinh học (Bionic Eyeglass) dạng camera hai chiều trợ giúp cho người khiếm thị sử dụng mắt nhân tạo [26] 2.1.2 Một số thành tựu ứng dụng CNN giới -Với chip XC2VP30 hãng Xilinx hệ phát triển Virtex-II Pro nhà 18 nghiên cứu R Yeniceri M E Yalcm thuộc đại học Công nghệ Istanbul (Thổ nhĩ kỳ) mô tính lồi sinh vật vào chế tạo rô bốt gắn camera nhận dạng ảnh động, tạo cho rô bốt khả trao đổi thông tin, phối hợp hoạt động tập thể thực thi nhiệm vụ chung Các thơng số đưa vào hệ thống phần cứng xử lý, cập nhật điều kiện động môi trường để tính tốn cho vị trí, làm cho hệ điều khiển rơ bốt có tính linh hoạt với thời gian thực [8],[39] - Các nhà khoa học đại học Santiago (Tây Ban Nha) nghiên cứu việc truyền sóng hai chiều môi trường động không gian - thời gian, áp dụng thuật tốn kiến trúc tính tốn song song CNN cho tốn truyền sóng để tính tốn tất đường truyền tìm đường tối ưu điều khiển rơ bốt tự hành [27] - Hai nhà nghiên cứu A Kis G Vásárhelyi làm việc phịng thí nghiệm MTA-MFA, MTA SZTAKI Anyos Jedlik (Hungary) nghiên cứu việc thu nhận tín hiệu não người với độ nhạy cao, áp dụng khả cho rô bốt để điều khiển thao tác công nghệ với độ xác cao, khắc phục yếu tố tâm lý người Sản phẩm ứng dụng số rơ bốt u cầu có thao tác xác động tác nhạy cảm tâm lý Ý tưởng thực với thiết bị TactoLogic phần mềm TactoSoft [22] - Một số nhà nghiên cứu đại học Wolfgang Von Goethe (Đức) áp dụng chip EyeRIS 1.2 ANAFOCUS thực giám sát mối hàn chất lượng cao tự động điều chỉnh chế độ hàn cho cánh tay rô bốt hàn [15] 2.1.3 Những kết ứng dụng CNN để giải phương trình đạo hàm riêng - Các nhà nghiên cứu F Pardo, P Lospez D Cabelo đại học Valladolid (Tây Ban Nha) thiết kế mơ hình CNN 3D rời rạc theo thời gian, tính tốn cho phương trình truyền nhiệt khơng gian ba chiều chế tạo chip công nghệ FPGA Virtex cho tốn cài đặt tính tốn ngơn ngữ Handel-C VHDL đạt tốc độ nhanh máy PC Pentium tốc độ GHz tới 34 lần Các tác giả khẳng định dùng chíp Virtex tốc độ tăng lên 19 tới 160 - 200 lần [24] - Các nhà nghiên cứu Z Voroshazi, A Kiss, Z Nagy P Szolgay đại học Pannonia, đại học Pázmány Péter Catholic phòng thí nghiệm máy tính sóng, viện nghiên cứu Tự động hóa Budapest (Hungary) thiết kế chế tạo mơ hình CNN mở rộng có khối GAPU nhúng chip FPGA RC203 RC2000 hãng Celoxica kết hợp tính tốn phân bố tốc độ cao lập trình song song hai khối ACE4k ACE16k giải hệ phương trình hypebolic mơ tả dịng chảy động phi tuyến đạt tốc độ nhanh 66 lần so với chip Intel Core2Duo T7200 tốc độ GHz [38] - Các giáo sư F Gollas, R Tetzlaff đại học Wolfgang Dresden (Đức) áp dụng hệ CNN phản ứng- khuyếch tán (Reaction Difusion- CNN) phân tích mơ tả xấp xỉ tín hiệu điện não đồ bệnh nhân động kinh [19] - Giáo sư Angela Slalova thuộc viện Toán - Tin (Institute of Mathematics and Informatics) Bulgary áp dụng mơ hình CNN vào giải phương trình vi phân Black-Schole mô tả biến thiên giá theo điều kiện thị trường thực tế xây dựng thuật toán giải toán đơn, ý tưởng phát triển với tốn đa hình cho tổng thể mặt hàng [35] Các nhà nghiên cứu F Sargeni, V Bonaiuto đại học Rome (Italia) thực thiết kế mạch CNN giải phương trình PDE truyền tương tác với điều kiện biên khác phương pháp sai phân khác Vấn đề trình bày cuốn” “Programmable CNN Analogue Chip for RD-PDE Multi-Method Simulations” NXB Kluwer Academic (USA) xuất năm 2005 [44] Trong báo "Emulated Digital CNN-UM Implementation of a Dimensional Ocean Model on FPGAs" tác giả Z Nagy, P Szolgay thuộc đại học Veszprém (Hungary) mơ tả kiến trúc digital CNN-UM với mơ hình Falcom khắc phục nhược điểm CNN-UM độ xác Kiến trúc hiệu kiến trúc máy tính analog hệ trước kích thước mảng tế bào, độ xác Các tác giả thực thi giải phương trình đạo hàm riêng mơ tả dịng chảy khơng nén có nhiều lĩnh vực khoa học khí động lực học, khí tượng học, hải dương học xuất 20 phát từ hệ phương trình Navier-Stockes Mơ hình Falcom thực thi cấu hình ngơn ngữ Handle-C chip FPGA có tên RC200 cỡ trung bình hãng Celoxica Hạn chế phương pháp tốc độ chưa cao độ rộng bus nhớ hạn chế, (tuy nhiên tốc độ đạt tới 60 lần nhanh chip Pentium IV GHz) Các tác giả nghiên cứu mơ hình tốn truyền chất lỏng không gian chiều POM (Princeton Ocean Model), với phương trình mơ tả phức tạp nhiều, sử dụng chip FPGA hệ (Vertex 5, Vertiex có hàng triệu cổng) Hai vấn đề khó khăn phải giải là: kiến trúc CNN đa lớp có kết nối với phức tạp gây sai số không ổn định; độ rộng bus I/O số thực dấu phảy động chiếm nhiều nhớ dẫn đến chiếm nhiều tài nguyên chip FPGA [49] Trong “Modeling of Thermal Two Dimensional Free Turbulent Jet by a Three layers Two Time Scale Cellular Neural Network” (NXB Springer Berlin, 1999), tác giả A Shabani, M B Menhaj H B Tabrizi dùng mô hình CNN 3D mơ hình hóa phương trình đạo hàm riêng mô tả biến thiên nhiệt độ, vận tốc tên lửa bay tự không gian ba chiều với miền thời gian liên tục, (như phương trình mơ tả có ba biến khơng gian biến thời gian) Kết so sánh với kết tính tốn trước cho thấy độ xác cao Từ tốn tác giả khẳng định điều chỉnh mẫu hệ CNN để đạt công cụ mạnh để giải tốn với kích thước lớn [43] Các tác giả K Hadad A Piroozmand đại học Shiraz, Trung tâm nghiên cứu hạt nhân Shirax (Iran) giới thiệu báo “Application of Cellular Neural Network (CNN) Method to the Nuclear Reactor Dynamics Equations” ứng dụng CNN đa lớp mơ hình hóa phương trình động học phản ứng hạt nhân Các tác giả đưa mơ hình kiến trúc mạch CNN thực nghiệm tính tốn so sánh kết với phương pháp giải số mơ Matlab cho thấy có kết tốt tương tác không gian-thời gian phù hợp với tính tốn cho phản ứng hạt nhân Kết tính tốn theo thời gian thực giúp cho việc điều khiển diễn biến phản ứng có tính khả thi áp dụng vào nghiên cứu phản ứng thực nghiệm cỡ nhỏ tàu vũ trụ [20] 111 Chương Kết bàn luận 4.1 Tóm tắt kết đạt Trong trình thực nghiên cứu, nhóm giới thiệu sở lý thuyết mơ hình tốn học, kiến trúc vật lý, điện tử mạng nơ ron tế bào Luận án nêu lên phát triển công nghệ mạng nơ ron tế bào ứng dụng giới Công nghệ mạng nơ ron tế bào ứng dụng lĩnh vực xử lý ảnh, nhận dạng, hệ thị giác máy, tính tốn điều khiển động hệ điều khiển tự động, rô bốt thể ưu vượt trội tốc độ tính tốn, kích thước liệu Để phục vụ cho chế tạo phần cứng Luận án giới thiệu giải pháp tính tốn, thiết kế hệ tính tốn theo thuật tốn mạng nơ ron tế bào sử dụng cơng nghệ chip trắng FPGA ngôn ngữ mô tả phần cứng (VHDL, Verilog) Trong q trình xây dựng tốn ứng dụng Luận án trình bày số khía cạnh phương trình đạo hàm riêng phương pháp sai phân Từ nghiên cứu trên, nhóm đề xuất xây dựng thuật tốn tính tốn 112 giải số phương trình đạo hàm riêng mạng CNN nhiều lớp Với phương trình có phân tích thuật tốn, thiết kế mẫu, thiết kế kiến trúc phần cứng cho chip CNN Thực nghiệm tính tốn số trường hợp thành cơng So sánh kết tính tốn tốc độ độ xác việc giải máy PC CNN Các kết báo cáo nhiều Hội thảo nước quốc tế, (có Hội thảo đạt chuẩn ISI IEEE), đăng tải tạp chí nước Trong thời gian làm Luận án, nhóm nghiên cứu hướng dẫn số sinh viên làm đồ án tốt nghiệp đại học; số đề tài nghiên cứu khoa học cấp Cơ sở Sinh viên 4.2 Các đóng góp luận án Đề xuất phương pháp giải phương trình đạo hàm riêng mơ tả tốn thủy lực chiều công nghệ CNN, bao gồm: thiết kế mẫu; chứng minh tính ổn định kiến trúc phần cứng; chứng minh tính tương đương tốn học lược đồ CPDDE đề xuất lược đồ sai phân giải phương trình Thực mơ tính tốn theo thuật tốn CNN Matlab cấu hình thực thi thuật tốn tính tốn chip DE2 So sánh kết tính tốn hai phương pháp cho thấy sai số khơng đáng kể Bài tốn dịng chảy thuỷ lực báo cáo tài liệu mục [1], [3] phần Danh mục cơng trình tác giả Đề xuất phương pháp giải phương trình thủy lực hai chiều (Saint venant 2D) mạng CNN 2D ba lớp, chứng minh tính ổn định mạng Cài đặt mơ tính tốn theo thuật tốn CNN Matlab Thiết kế dự tính tài nguyên chip PFGA để triển khai cấu hình mạng CNN thực thi tính tốn với số tài nguyên cụ thể Những nghiên cứu toán thuỷ lực hai chiều cơng nghệ CNN trình bày báo cáo mục [2], [5] phần Danh mục cơng trình tác giả Phân tích đưa thuật tốn CNN tính tốn cho tốn thủy lực hỗn hợp, đề xuất giải pháp liên kết mạng CNN 1D mạng CNN 2D Bài toán thuỷ lực hỗn hợp trình bày báo mục [4] phần Danh mục cơng trình tác giả Đề xuất phương pháp giải phương trình mơ tả tượng nhiễm khí kiến trúc mạng CNN 3D, thiết kế mẫu chứng minh tính ổn định mạng với mẫu tìm Cài đặt mơ tính tốn theo thuật tốn CNN 113 Matlab Kết nghiên cứu báo cáo tài liệu mục [7], [8] phần Danh mục công trình tác giả 4.3 Kết luận kiến nghị Công nghệ Mạng nơ ron tế bào trường, viện nghiên cứu giới quan tâm, hình thành nên số trung tâm nghiên cứu Mỹ, châu Âu, Nhật Bản, Hàn Quốc, Trung Quốc Tại Việt Nam có nhóm bắt đầu tiếp cận cơng nghệ tính tốn Luận án thực tổng hợp sở lý thuyết mơ hình tốn học, mơ hình mạch điện CNN nhà nghiên cứu giới phát triển khoảng 20 năm Quá trình nghiên cứu, đề xuất thuật toán CNN vào giải số phương trình đạo hàm riêng đặc trưng cho mơ hình mạng CNN đa lớp Mơ hình này, cịn nhiều nhà nghiên cứu quan tâm tính đa dạng, phong phú kiến trúc Do điều kiện thiết bị, nhóm cấu hình mạng CNN lớp 1D để tính tốn cho tốn thuỷ lực chiều sử dụng chip DE2 Trong thời gian tới nhóm nghiên cứu tiếp tục cấu hình chip FPGA có tài ngun lớn cho tốn Giải vấn đề tìm mẫu tối ưu để đạt độ xác cao mở rộng lớp kết quả, chế tạo mơ hình làm việc để đưa vào ứng dụng thực tế Về mặt lý thuyết, tiếp tục nghiên cứu mơ hình tốn học cho số dạng phương trình, hệ phương trình vi phân chưa giải CNN, tìm giải pháp nâng cao độ xác tốn với mơ hình CNN đa lớp Nghiên cứu bổ sung tập mẫu vào thư viện CNN để tăng khả thực thi toán ứng dụng CNN Hiện thiết bị phục vụ cho nghiên cứu, đào tạo triển khai ứng dụng Việt Nam hạn chế Các thiết bị có giá thành tương đối cao đa dạng cần quan tâm, đầu tư lớn trang thiết bị, nhân lực tham gia nghiên cứu giúp cho việc khai thác cơng nghệ tính tốn CNN Cơng nghệ CNN cơng cụ tính tốn mạnh có nhiều tiềm nên cần đầu tư cho việc đào tạo bồi dưỡng đội ngũ để tham gia nghiên cứu triển khai ứng dụng tương lai 114 DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ Vũ Đức Thái, Bùi Văn Tùng, Phạm Thượng Cát “Cấu hình chip CNN giải tốn thủy lực chiều cơng nghệ FPGA” Kỷ yếu Hội nghị toàn quốc Điều khiển Tự động hóa-VCCA2011, Hà Nội, tháng 11/2011 Trang 97101 V.D.Thai, P.T.Cat “Equivalence and Stability of Two-layer Cellular Neural Network Solving Saint Venant 1D Equation”, Proceeding (ISI) of 11th International Conference on Control, Automation, Robotics and Vision (ICARCV2010), Singapore, 7-10/12/2010 Page(s): 704-709 Trên website: http://IEEE.explorer.com Vũ Đức Thái, ”Vấn đề ổn định mạng CNN giải phương trình thuỷ lực hai chiều chip”, Tạp chí Tin học Điều khiển học, tập 26, số 3, năm 2010, Tr 278-288 V.D.Thai, P.T.Cat “Solving Saint venant Equation Describing an Open Hydraulic Channel Employing Cellular Neural Network” Proceeding of 13th International Conference on Mechatronics Technology (ICMT2009), Cebu, Philippines 20-23/10/2009 Page(s):61-65 Vũ Đức Thái “Giải toán thủy lực hỗn hợp cơng nghệ mạng nơ ron tế bào” Tạp chí Khoa học & Công nghệ Đại học Thái Nguyên, số 10, tập 58 (T9/2009), ISSN 1859-2171, Tr 52-56 Vu Duc Thai, Pham Thuong Cat “Solving Two-Dimensional Saint venant Equation by Using Cellular Neural Network” Proceeding of the 7th Asian Control Conference - ASCC2009, (27-29/08/2009), Hongkong, China, PP 1258-1263 Trên website: http://IEEE.explorer.com Vũ Đức Thái, Phạm Thượng Cát, Đàm Thanh Phương “ Máy tính CNN-UM kiến trúc thuật tốn” Tạp chí Khoa học & Cơng nghệ Đại học Thái Nguyên, số 49 (T1/2009), (ISSN 1859-2171), Tr 57-63 V.D.Thai, P.T.Cat “Modelling Air pollution Problem by Cellular Neural Network” Proceeding (ISI) of 10th Intl Conf on Control, Automation, Robotics and Vision, Hanoi, Vietnam 17-20/12/2008 Page(s):1115-1118 Trên website: http://IEEE.explorer.com 115 Vũ Đức Thái, Phạm Thượng Cát “Phương pháp giải tốn nhiễm khí mạng nơ ron tế bào” Tuyển tập Hội nghị Toàn quốc lần thứ Cơ điện tử, Đà Nẵng, (T10/2008), Tr 39-41 10 Vũ Đức Thái, Phạm Thượng Cát, Đỗ Thị Bắc “ Mạng nơ ron tế bào máy tính CNN-UM” Tạp chí KH&CN ĐHTN số 47 (T3/2008), ISSN 1859-2171, Tr 142-146 116 TÀI LIỆU THAM KHẢO Tiếng Việt Hoàng Văn Lai, Nguyễn Thế Hùng (2006) " Áp dụng tính tốn song song mơ hình thủy lực hai chiều”, Kỷ yếu Hội thảo kỷ niệm 30 năm thành lập Viện Công nghệ thông tin- Viện KH&CN Việt Nam, Tr 59-66 Hoàng Văn Lai, Nguyễn Tuấn Anh, Nguyễn Tiến Cường, Trần Thu Hà, Lê Thu Hoài, Nguyễn Bá Hưng, Dương Thị Thanh Hương Lê Hồng Phong, (2010), “Xây dựng áp dụng phần mềm thuỷ văn, thuỷ lực phục vụ kiểm soát lũ lụt đồng sông Hồng”, Kỷ yếu Hội nghị khoa học Kỷ niệm 35 năm thành lập Viện Khoa học Công nghệ Việt Nam, Tr 62-71 Phạm Thượng Cát, (2006), “Công nghệ mạng nơ ron tế bào khả ứng dụng hệ điện tử” Tuyển tập Hội nghị toàn quốc lần thứ Cơ điện tử VCM2006, NXB Đại học Quốc gia Hà nội, Tr 33-42 Phạm Thượng Cát, (2007), “Máy tính vạn mạng nơ ron tế bào CNN UM: Một hướng phát triển công nghệ thông tin”, Kỷ yếu Hội nghị Khoa học 30 năm thành lập Viện Công nghệ Thông Tin NXB Khoa học Tự nhiên Công nghệ, Tr 239-250 Tạ Văn Đĩnh, (2002) ”Phương pháp sai phân phương pháp phần tử hữu hạn” NXB Khoa học Kỹ thuật Hà Nội Nguyễn Thương Ngô, (2003), “Lý thuyết điều khiển tự động thông thường đại” , NXB Khoa học Kỹ thuật Hà Nội Tiếng Anh A Dang Q.,Ehrhardt M (2006) “Adequate Numerical Solution of Air-Pollution Problems by Positive Difference Schemes on Unbounded Domains”, Mathematical and Computer Modelling, 44, PP 834-856 Arena P., Fortuna L.,Lombardo D., Pantané L., (2008), “CNN and Collective perception” Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 186-191 Besancon G.,Dulhoste J.F.,Georges D (2001), “Nonlinear Observer Design for Water Level Control in Irrigation Canals” Proceedings of the 40th IEEE Conference on Decision and Control, Orlando, Florida USA, PP 4968-4973 117 10 Boroushaki M.,Ghofrani M.B.,Lucas C (2005), "Simulation of Nuclear Reactor Core Kinetics Using Multilayer 3-D Cellular Neural Networks", IEEE Transactions on Nuclear Science, 52(3), PP 719-728 11 Chen J., Shi Z., Hu Y (2008), "A Comparative Study of High- Resolution Central Scheme for Solving the 2D Shallow Water Equations" Bioinformatics and Biomedical Engineering ICBBE2008, International Conf., 2, PP 4629-4632 12 Chua L O., Yang L (1988), "Cellular Neural Networks: Theory", IEEE Transaction on Circuits and System,35 (10), pp 1257-1272 13 Chua L.O., L Yang, (1988), "Cellular Neural Networks: Application", IEEE Trans Circuits and System 35, PP 1273-1290 14 Funabash M.,Haruna K (1971), “A Mathematical Model for Air Pollution Control in Urban Area”, Conf on Decision and Control 10,(1), PP 591-595 15 Geese M., Tetzlaff R., Carl D., Blug A., Hõfler H (2008), “ High-speed Visual Control of Laser Welding Process by Celluar Neural Networks”, Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 196-2001 16 Georges D (1995), “Nonlinear Implicit State-Observer Design for the Monitoring of Open-Channel Hydraulic System” IEEE International Conference on Systems, Man and Cybernetics, 4, PP 3772-3777 17 Georges D.,Dulhoste I.F.,Besancon G (2002), “A note on feedback Linearizing Control for Open-Channel Hydraulic System”, Conference on Control Application, Glasgow, Scotland UK, PP 675-680 18 Gilli M.,Roska T.,Chua L.O.,Civalleri P.P (2002), “CNN dynamics represents a broader class than PDEs” International Journal of Bifurcation and Chaos, 2(10) World Scientific Publishing Company, PP 2051-2068 19 Gollas F., Tetzlaff R (2008), “Analysis of EEG Signals in Epilepsy: SpationTemporal Models”, Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 96-101 118 20 Hadad K., Piroozmand A., (2007) “Application of Cellular Neural Network (CNN) Method to the Nuclear Reactor Dynamics Equations”, Annals of Nuclear Energy,34(5), PP 406-416 21 Hamroun B.,Lefe’vre L.,Mendes E (2007), “Port - Based Modelling and Geometric Reduction for Open Channel Irrigation Systems” Proceedings of the 46th IEEE Conference on Decision and Control, New Orlands, LA-USA, PP 1578-1583 22 Kis A.,Vásárelyi (2008), “ Developing System to Detect and Analyse Spatiotemoral Tacticle Events”, Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 10-11 23 Kocsárdi S.,Nagy Z.,Csík A.,Szolgay P (2008), “Two-Dimensional Compressible Flow on Emulated Digital CNN-UM”, Proceeding of 11th Internatonal Workshop on CNN and their Applications, PP 169-174 24 Lo’pez P.,Vilarino D.L.,Cabello D.,Sahli H.,Balsi M (2002), “CNN - Based 3D Thermal Modelling of the Soil for Antipersonnel Mine Detection”, Proceedings of the 7th IEEE International Workshop on Cellullar Neural Networks and Their Applications (CNNA2002), PP 307-314 25 Loncar A., Tetzlaff R (2000), “Cellular Neural Network with Nearly Arbitrary Nonlnear Weight Function”, Proceedings of the 6th IEEE International Workshop on CNN and their Application, (CNNA2000), PP 171-176 26 Lin´an G.,Castro R D.,Espejo S.,V´azquez A R (2001), “ACE16k: A Programmable Focal Plane Vision Processor With 128×128 Resolution”, Proc of the 15th European Conf on Circuit Theory and Design, 1, PP 345348 27 Munũuzuri P.A., Vázquez-Otero A (2008) “The CNN Solution to the ShortestPath-Finder Problem” Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 248-251 119 28 Nagy Z.,Szolgay P (2004), "Emulated Digital CNN-UM Implementation of a Barotropic Ocean Model", Proceeding 2004 IEEE International Joint Conference, 4, PP 101-108 29 Ouarit H.,Lefèvre L.,Georges D and Begovich O (2003), “A Way to Deal with Nonlinear Boundary Condition in Open-Channel Optimal Control Problems” Proceeding of the 42nd IEEE Conference on Decision and Control, Maui, Hawaii, USA, PP 336-341 30 Pardo F., L’opez P., Cabello D (2008) “Application on the Non-Destructive Soil Inspection” Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 11-16 31 Puffer F.,Tetzlaff R.,Wolf D “A Learning Algorithm for Cellular Neural Network (CNN) Solving Nonlinear Partial Differential Equations”, IEEE Trans Circuits System, 42 (10), PP.501-504 32 Roska T.,Chua L.O.,Wolf D.,Kozek T.,Tetzlaff R.,Puffer F (1995) “Simulating Nonlinear Waves and Partial Differential Equations via CNN- Part I: Basic Techniques” IEEE Trans Circuits System, 42(10) 807-815 33 Roska T.,Chua L.O (1993), "The CNN Universal Machine: An Analogic Array Computer", IEEE Transaction on Circuits and System-II: Analog and Digital Signal Processing, 40 (3), PP 163-173 34 Roska T.,Chua L.O (2003), “The CNN Universal Machine: 10 years later” Journal of Circuits, System and Computers, 12 (4), PP 377-388 35 Slavova A (2008), “CNN and Collective Perception” Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP.181-185 36 Sonkoly P.,Kozma P.,Nagy Z.,Szolgay P (2006), “Acoustic Wave Propagation Modeling on 3D CNN-UM Architecture”, Proceeding of the 10th International Workshop on Cellular Neural Networks and their Applications, (CNNA2006), PP 1-6 37 Tokes S., Orzó L., Ayoub A (2006), “ Programmable OASLM as a Novel 120 Sensing Cellular Computer”, Proceeding of the 10th International Workshop on Cellular Neural Networks and their Applications, (CNNA2006), PP 12-17 38 Voroshazi Z., Kiss A., Nagy Z.,Szolgay P (2008) “A Standalone FPGA Based Emulated-Digital CNN-UM System” Proceeding of 11th International Workshop on CNN and their Applications, (CNNA2008) PP 4-5 39 Yeniceri R.,Yalcm M E (2008), “ A Programmable Hardware for Exploring Spatiotemporal Waves in Real-time”, Proceeding of 11th Internatonal Workshop on CNN and their Applications, (CNNA2008), PP 7-9 40 Zhi X.,Lu X (2002) “Universal Parallel Numerical Computing for 3D Convection-Diffusion Equation with Variable Coefficients”, Proceedings of the 5th International Conference on Algorithms and Architectures for Parallel Processing, PP 54 -59 41 Chua L.O.,Roska T (2000), “Cellular Neural Networks and Visual Computing” (ISBN 0-521-65247-2), Cambridge University Press 42 Sastry S., (2003), Nonlinear Systems, Analysis, Stability and Control, (ISBN 0387-98513-1), Springer Publisher, Berlin, Germany 43 Sargeni F., Bonaiuto V (2005), Programmable CNN Analogue Chip for RDPDE Multi-Method Simulations, (ISSN 0925-1030) Kluwer Academic Publisher, USA 44 Shabani A., Menhaj M.B., Tabrizi H B., (1999), Modeling of Thermal Two Dimensional Free Turbulent Jet by a Three layers Two Time Scale Cellular Neural Network, (ISBN 978-3-540-66050-7) Springer Publisher, Berlin, Germany 45 Slavova A (2003), Cellular Neural Networks: Dynamics and Modeling, Kluwer Academic Publishers (ISBN 1-4020-1192-X), Dordrecht, The Netherlands 46 Kék L.,Karacs K., Roska T (2007), Cellular Wave Computing Library, ver 2.1 Cellular Sensory wave computer Laboratory Hungarian Academy of Sciences Budapest, Hungary 121 47 Đang Q A., Ehrhardt M., Tran G.L., Le D (2007), Air Pollution Research Advances, (Chapter 8: On the numerical solution of some problems of enviromental pollution), Nova Science Publisher, (ISBN 978-1-60021-806-4) 48 Goutal N "Presentation of 1D and 2D simulations of Malpasset dam break wavepropagation", http://www.hrwallingford.co.uk 49 Nagy Z., Szolgay P (2005) "Emulated Digital CNN-UM Implementation of a 3-Dimensional Ocean Model on FPGAs" Proceedings of the 8th Military and Aerospace Programmable Logic Devices International Conference, (MAPLD2005), Wasgington DC., USA, http://klabs.org/mapld05/abstracts 122 PHỤ LỤC MỘT SỐ ĐOẠN MÃ NGUỒN CHƯƠNG TRÌNH 1.Module Block CellH cH( iCLK(clkTinh), iQitru1(QiTru1), iQicong1(QiCong1), iHi(Hi), oHi(Himoi)); CellQ cQ( iCLK(clkTinh), iQitru1(QiTru1), iQicong1(QiCong1), iQi(Qi), iHitru1(HiTru1), iHicong1(HiCong1), iHi(Hi), oQi(Qimoi)); Endmodule Module Control control(clk,rdaddressHQ,rdclockHQ,wraddressHQ,wrenHQ,wrclockHQ, clkDich,clkTinh,en,finish); parameter SoPhanTuHQ=250; input clk; input en; output reg[8:0]rdaddressHQ=0; output reg[8:0]wraddressHQ=0; output rdclockHQ,wrenHQ,wrclockHQ,clkDich,clkTinh; output reg finish=0; reg wrenHQ=0; assign clkDich=clk; assign clkTinh=clk; assign rdclockHQ=clk; assign wrclockHQ=clk; reg state=0; always @(posedge clk) begin if(en) begin rdaddressHQ=0; wraddressHQ=0; finish=0; state=1; wrenHQ=0; end 123 if(state) begin rdaddressHQ=rdaddressHQ+1; if(rdaddressHQ>=50) begin wraddressHQ=wraddressHQ+1; wrenHQ=1; end if(wraddressHQ>=SoPhanTuHQ+50-1) begin state=0; wrenHQ=0; finish=1; end; end; end; endmodule -3 Module cell h //fclk max = 100Mhz, gia tri dat vao tai clk o muc 0, sau xung duong thu 31 se co kq //module CellH(iCLK,iQitru1,iQicong1,iHi,oHi,kqTru,kqNhan2,whtmp); module CellH(iCLK,iQitru1,iQicong1,iHi,oHi); input iCLK; input [31:0]iQitru1; input [31:0]iQicong1; input [31:0]iHi; output[31:0]oHi; wire[31:0]hs000002=32'h37a7c5ac; wire[31:0]hs02=32'h3e4ccccd; wire[31:0]hs001=32'h3c23d70a; wire[31:0] kqTru; //output[31:0] kqTru; wire[31:0] kqNhan1; wire[31:0] kqNhan2; //output[31:0] kqNhan2; wire[31:0] kqCong1; Trufp Tru(iCLK,iQitru1,iQicong1,kqTru);//Tru Nhanfp Nhan1(iCLK,hs000002,kqTru,kqNhan1); Congfp Cong1(iCLK,hs02,kqNhan1,kqCong1); Nhanfp Nhan2(iCLK,hs001,kqCong1,kqNhan2); Congfp Cong2(iCLK,iHi,kqNhan2,oHi); //Congfp Cong2(iCLK,whtmp,kqNhan2,oHi); reg[31:0]htmp[23:0]; //wire[31:0]whtmp; output[31:0]whtmp; assign whtmp=htmp[23]; //reg[4:0] count=0; reg[4:0] i; 124 always @(posedge iCLK) begin i=23; while(i>0) begin htmp[i]=htmp[i-1]; i=i-1; end //htmp[4]=iHi; //htmp[3]=htmp[2]; //htmp[2]=htmp[1]; //htmp[1]=htmp[0]; htmp[0]=iHi; end endmodule -4.Module cell Q module CellQ(iCLK,wEOC,iQitru1,iQicong1,iQi,iHitru1,iHicong1,iHi,oQi); input iCLK; input [31:0]iQitru1; input [31:0]iQicong1; input [31:0]iQi; input [31:0]iHitru1; input [31:0]iHicong1; input [31:0]iHi; output reg wEOC=0; output[31:0]oQi; wire[31:0]hs000002=32'h37a7c5ac; wire[31:0]hs2=32'h40000000; //wire[31:0]hs02=32'h3e4ccccd; wire[31:0]hs05=32'h3f000000; wire[31:0]hs245=32'h401ccccd; wire[31:0]hs49=32'h409ccccd; wire[31:0]hs001=32'h3c23d70a; wire[31:0] kqTru1; wire[31:0] kqTru2; wire[31:0] kqNhan1; wire[31:0] kqNhan2; wire[31:0] kqNhan3; wire[31:0] kqNhan4; wire[31:0] kqCong1; wire[31:0] kqCong2; wire[31:0] kqChia1; wire[31:0] kqChia2; wire[31:0] Qitru1Binh; wire[31:0] Qicong1Binh; Nhanfp Qitru1Mu2(iCLK,iQitru1,iQitru1,Qitru1Binh); Nhanfp Qicong1Mu2(iCLK,iQitru1,iQitru1,Qicong1Binh); Chiafp Chia1(iCLK,Qitru1Binh,iHitru1,kqChia1); 125 Chiafp Chia2(iCLK,Qicong1Binh,iHicong1,kqChia2); Trufp Tru1(iCLK,kqChia1,kqChia2,kqTru1);//Tru Nhanfp Nhan1(iCLK,hs000002,kqTru1,kqNhan1); Trufp Tru2(iCLK,iHitru1,iHicong1,kqTru2);//Tru Nhanfp Nhan2(iCLK,hs245,kqTru2,kqNhan2); Congfp Cong1(iCLK,kqNhan2,hs49,kqCong1);//Cong Nhanfp Nhan3(iCLK,iHi,kqCong1,kqNhan3); Congfp Cong2(iCLK,kqNhan3,kqNhan1,kqCong2); Nhanfp Nhan4(iCLK,hs001,kqCong2,kqNhan4); Congfp Cong3(iCLK,kqNhan4,iQi,oQi); endmodule -5.Module Shift Register module TGDich(clk,din,dout1,dout2,dout3); input [31:0] din; input clk; output reg [31:0] dout1,dout2,dout3; always @(posedge clk) begin dout3=dout2; dout2=dout1; dout1=din; end endmodule