Key points are not available for this paper at this time.
Les générateurs de nombres pseudo-aléatoires (PRNG) sont des pierres angulaires importantes de nombreux domaines, tels que l'analyse statistique et la cryptographie, et la nécessité de PRNG pour la sécurité de l'information (dans des domaines tels que la blockchain, les grandes données et l'intelligence artificielle) devient de plus en plus prépondérante, entraînant une demande croissante pour des générateurs de nombres aléatoires de haute vitesse et de haute qualité. Pour répondre à cette demande, l'algorithme de transformation dynamique profonde multiple (MDDT) est développé de manière innovante. Cet algorithme est incorporé dans la carte tent déformée, lui conférant des propriétés dynamiques plus complexes. La méthode améliorée de cartographie chaotique discrète unidimensionnelle est réalisée efficacement sur un tableau de porte reconfigurable (FPGA), spécifiquement le modèle Xilinx xc7k325tffg900-2. Le générateur de nombres pseudo-aléatoires proposé (PRNG) réussit tous les évaluations des suites de tests SP800-22 du National Institute of Standards and Technology (NIST), diehard, et TestU01. Des résultats expérimentaux supplémentaires montrent que le PRNG, possédant une performance de nouveauté élevée, fonctionne efficacement à une fréquence d'horloge de 150 MHz, atteignant un débit maximum de 14,4 Gbps. Cette performance non seulement surpasse celle de la plupart des études connexes mais la rend également exceptionnellement adaptée aux applications embarquées.
Li et al. (Mer,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: