چکیده: فن‌آوری ترانزیستورهای سیلیکونی جاری با مشکلات چالش برانگیزی مانند مصرف توان بالا و مشکل کاهش اندازه، روبه رو است. اتوماتای سلول کوانتومی (QCA) یکی از فن‌آوری‌های جدید پیشنهادی است که نه تنها یک راه حل در مقیاس نانو ارائه می‌کند، بلکه شیوه‌ای جدید برای محاسبه و انتقال اطلاعات را بیان می‌کند. روی کرد طراحی این مدارها بسیار متفاوت از طراحی سنتی مدارهای منطقی است. در مدارهای CMOS که از AND وOR و NOT تشکیل شده ‌است، استفاده از طراحی مبتنی بر جدول کارنو منجر به ساده سازی مدار و استفاده بهینه از عناصر پایه خواهد شد. البته عناصر اصلی فن‌آوری QCA دروازه منطقی اکثریت به همراه معکوس کننده است. بنابراین روش های طراحی کلاسیک مدارهای QCA مبتنی بر جدول کارنو منجر به افزایش تعداد سلول های به کار رفته در مدار شده و طراحی غیر بهینه می شود. الگوریتم ژنتیک به عنوان یک روش مبتنی بر محاسبات نرم برای کاهش اندازه مدار و طراحی بهینه مورد توجه محققان قرار گرفته است. ساختار کروموزمی شکل گرفته در این روش ها یک ساختار درختی بوده است که برای یک مدار سه ورودی نیز بسیار پیچیده خواهد بود. البته استفاده از برخی اطلاعات پایه بدست آمده از ویژگی تقارنی جدول کارنو، می تواند این پیجیدگی را مرتفع سازد. در این پایان نامه ابتدا الگوهای پایه برای طراحی بهینه مدارهایی با سه ورودی و یک خروجی یافته می شود. استفاده از این الگوهای پایه، باعث کاهش پیچیدگی ساختار کروموزومی و در نتیجه افزایش سرعت الگوریتم ژنتیک در حل مسئله طراحی بهینه مدارهای QCA خواهد شد. لازم به ذکر است با یافتن الگوهای پایه برای مدارهای با ورودی بیشتر، این روش قابل تعمیم به آنها نیز خواهد بود نتایج توسط نرم افزار QCA designer بررسی شده است؛ که نشان از دقیق بودن طراحی-ها و صحت در پیاده سازی است.