Jan, 2024

高层次综合中基于 GNNs 的层次化源到后路 QoR 预测

PDF
TL;DR高层次综合通过避免 RTL 编程显著加速了硬件设计过程。然而，当考虑了后布线结果质量（QoR）时，高层次综合的周转时间显著增加。为了解决这个问题，我们提出了一种用于 FPGA 高层次综合的分层后布线 QoR 预测方法，它具有：（1）一种从 C/C++ 程序直接估计延迟和后布线资源使用的建模流程；（2）一种有效表示源代码的控制流图和数据流图以及高层次综合指令的影响的图构建方法；（3）一种能够捕捉循环层次影响的分层 GNN 训练和预测方法。实验结果表明，我们的方法对于不同类型的 QoR 指标的预测误差小于 10%，相比于最先进的 GNN 方法有了巨大的改进。通过采用我们提出的方法，高层次综合中的设计空间探索运行时间缩短到了几十分钟，平均实现的 ADRS 值降低到了 6.91%。
high-level synthesispost-route quality of resultshierarchical post-route qor predictionfpga hlsgraph neural networks
发现论文，激发创造
  • GNNHLS：通过高层综合评估图神经网络推断

    通过高级综合技术，在 FPGA 上加速图神经网络推理，实现了高达 50.8 倍的加速和 423 倍的能量降低，与 CPU 基线相比，以及高达 5.16 倍的加速和 74.5 倍的能量降低，与 GPU 基线相比。

    Sep, 2023

  • 一种应用机器学习方法提高全局路由与详细路由之间时序一致性

    本文提出基于机器学习的模型，通过设计结构的 parasitic estimation 和 timing estimation，实现在 post-global routing 优化过程中，达到提高电路性能的目的。经实验证明，该模型可应用于不同设计并可开展大规模实验评估，对于设计算法可以被采用作为完整性检查或 ECO 后流优化方法。

    May, 2023

  • AutoHLS: 学习加速高层次综合设计的设计空间探索

    AutoHLS 是一种将深度神经网络（DNN）与贝叶斯优化（BO）相结合的新型框架，用于加速高级综合（HLS）硬件设计优化，通过整合 DNNs 来预测在给定 FPGA 资源预算内的可合成性，实验证明其在探索时间上可达到 70 倍的加速。

    Mar, 2024

  • 高层综合下的电子设计自动化的跨模态程序表示学习

    通过深度和精细的方式，结合源代码序列模式和图模式的相互作用，自动预测高级综合设计的质量，并在设计空间探索任务中获得显著性能改进。

    Jun, 2024

  • RouteNet：基于图神经网络的 SDN 网络建模和优化

    这篇论文提出了一种基于图神经网络（GNN）的网络模型 RouteNet，该模型通过学习和建模图结构信息，理解拓扑、路由和输入流量之间的复杂关系，从而准确预测网络中的表现指标，并且可以泛化到任意拓扑、路由和流量强度，可以应用于路由优化和网络规划等多个领域。

    Oct, 2019

  • 轻量级增强 Inception U-Net 神经网络用于布线可行性预测

    我们提出了一种新的 U-Net 变体模型，通过嵌入 Inception 模块来预测路由阻塞和设计规则检查热点，实验证明我们的方法在 Avg-NRMSE 指标上比经典结构分别实现了 5%（RC）和 20%（DRC） 的准确率提升，并且在 SSIM 度量标准上始终优于之前的模型。

    Feb, 2024

  • Pyramid: 机器学习框架估计高层综合设计的最佳时机和资源使用

    提出了一个基于机器学习的框架 Pyramid，通过使用已有的数据，大大提高了高级综合（HLS）所设计的硬件的性能优化，将复杂的 CAD 工具分析简单化，提高了预估工作的准确度。

    Jul, 2019

  • 探究图神经网络在 SDN 网络建模和优化中的潜力

    本文提出了一种基于图神经网络的网络建模技术，能够准确估计网络拓扑、路由和输入流量之间的复杂关系，从而优化网络性能，本技术对任意拓扑、路由和流量强度具有很好的泛化能力。

    Jan, 2019

  • 预排序图神经网络进行时序预测：全局电路预训练，局部延迟学习与注意力单元建模

    提出了一个预测预路由时间的两阶段方法，首先进行全局电路训练以从电路网表中学习全局图嵌入，然后使用一种新颖的节点更新策略进行消息传递，同时通过注意力机制提取每个单元内的查找表信息，实现了在大规模电路中的高效计算和显著优于以往方法的松弛度预测性能。

    Feb, 2024

  • HybridNet: 几何与拓扑视角的双枝融合，用于 VLSI 拥挤预测

    本文提出了一种名为 HybridNet 的新型策略，通过构造不同边构造方案的两个独立图形（几何图形，拓扑图形），在每个路径中具有不同的编码器层并使用复杂的融合策略来聚合表示，提供了一种简单有效的方式来捕捉电路单元的几何交互，并保留原始的拓扑关系， 在 ISPD2015 基准测试上的实验结果表明我们较之前的方法提高了 10.9% 的性能表现。

    May, 2023