Volume 52, Issue 1

Zusammenfassung In diesem Artikel beschäftigen wir uns mit den Rechenmaschinen Z1 bis Z4, die Konrad Zuse Mitte der 30er bis Mitte der 40er Jahre des 20. Jhds konstruierte. Quasi aus dem Nichts entwickelte Zuse noch heute tragende Grundpfeiler der Rechnerarchitektur und verwirklichte sie in der mechanischen, leider unzuverlässig arbeitenden Z1. Im Folgenden stellte er seine Schaltungen sukzessive auf Relais um und baute zunächst den Prototypen Z2 und anschließend die Z3, den ersten lauffähigen programmierbaren Rechner. In den folgenden Jahren bis Kriegsende verfeinerte Zuse seine Architektur und baute das Nachfolgemodell Z4, dessen Architektur weniger bekannt ist. Die Architektur und Funktionsweise dieser Maschinen sind Hauptgegenstand dieses Artikels. Auch auf biographische Aspekte werden wir kurz eingehen.

This paper provides an overview of the addition circuits of the Z3 computing machine built by Konrad Zuse in 1941. The addition unit of the Z3 is interesting from a historical point of view because it had a binary architecture and used a carry-look-ahead technique similar to that used in modern processors. We built a portable replica of the addition circuits for display in museums. We show diagrams of the architecture and the layout of the reproduction.     

Zusammenfassung Traditionelle Technologien (z. B. CMOS) stoßen durch die stetig steigende Miniaturisierung sowie das exponentielle Wachstum der Anzahl an Komponenten immer mehr an ihre Grenzen. Daher werden in Zukunft Alternativen, welche traditionelle Computerchips ersetzen oder zumindest ergänzen, benötigt. Reversible Logik mit ihren Anwendungen z. B. im Gebiet der Quantencomputer, des Low-Power Designs, des Optical Computing, des DNA Computing oder in der Nanotechnologie stellt eine solche Alternative dar und hat sich daher in den vergangenen Jahren zu einem intensiv untersuchten Forschungsgebiet entwickelt. Allerdings unterscheidet sich die Synthese von reversiblen Schaltkreisen deutlich von der traditionellen Logiksynthese. So sind insbesondere Verzweigungen (Fanouts) und Rückkopplungen (Feedback durch FlipFlops) nicht möglich, sodass reversible Schaltkreise aus Kaskaden von reversiblen Gattern bestehen. Dies erfordert komplett neue Syntheseansätze. Die vorliegende Arbeit gibt eine Einführung in das Thema und stellt ausgewählte Syntheseverfahren für reversible Logik im Überblick vor. Dabei werden reversible Funktionen und Schaltkreise zuerst eingeführt, wobei insbesondere der Aspekt der Einbettung von irreversiblen Funktionen detailliert betrachtet wird. Anschließend wird beschrieben, wie sich solche Funktionen (gegeben in Form einer Wahrheitstabelle) mit Hilfe von exakten und heuristischen Verfahren synthetisieren lassen. Da die Beschreibung in Form einer Wahrheitstabelle generell nur für kleine Funktionen anwendbar ist, wird schließlich noch ein Syntheseansatz beschrieben, welcher binäre Entscheidungsdiagramme (engl.: BDDs) verwendet und damit die Synthese deutlich größerer Funktionen ermöglicht.

The National Bernstein Network Computational Neuroscience is a funding initiative of the German Federal Ministry of Education and Research (BMBF). It aims at understanding the brain´s function through the interdisciplinary approach of Computational Neuroscience. In a joint collaborative effort, biologists, physicians, psychologists, physicists, mathematicians, and computer scientists translate experimental results into mathematical models that can be tested in computer simulations. Their insights into normal and pathologically altered brain functions open new perspectives for innovative treatments as well as technological applications.

Zusammenfassung Adaptive inhaltsbasierte Ähnlichkeitsmodelle erlauben effektiven Zugriff auf Multimediadatenbanken. Mit zunehmendem Datenvolumen und steigender Anzahl an Attributen in vielen Anwendungen führt ihre hohe Berechnungskomplexität zu schlechtem Laufzeitverhalten. Wir schlagen effiziente Algorithmen und Indexstrukturen für effektive inhaltsbasierte Zugriffsmethoden vor. Wir stellen Lösungen sowohl für Ähnlichkeitssuchanfragen als auch für Data Mining Aufgaben vor. Diese Techniken erfüllen unsere ICES Kriterien, und garantieren daher die Richtigkeit der Ergebnisse und gute Performanz. Experimentelle Untersuchungen auf synthetischen und Realdaten zeigen deutliche Geschwindigkeitsgewinne.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               Adaptive inhaltsbasierte Ähnlichkeitsmodelle erlauben effektiven Zugriff auf Multimediadatenbanken. Mit zunehmendem Datenvolumen und steigender Anzahl an Attributen in vielen Anwendungen führt ihre hohe Berechnungskomplexität zu schlechtem Laufzeitverhalten. Wir schlagen effiziente Algorithmen und Indexstrukturen für effektive inhaltsbasierte Zugriffsmethoden vor. Wir stellen Lösungen sowohl für Ähnlichkeitssuchanfragen als auch für Data Mining Aufgaben vor. Diese Techniken erfüllen unsere ICES Kriterien, und garantieren daher die Richtigkeit der Ergebnisse und gute Performanz. Experimentelle Untersuchungen auf synthetischen und Realdaten zeigen deutliche Geschwindigkeitsgewinne.