Architectural Design and Performance Analysis of FPGA based AI Accelerators: A Comprehensive Review
Indian Institute of Engineering Science and Technology(印度工程科学与技术学院)
本文综述了基于FPGA的AI加速器的架构设计与性能分析,探讨了硬件层面的优化技术及最新加速器的挑战与未来发展方向。
2026-02-25 cs.AI cs.AR
Pipeline Automation Framework for Reusable High-throughput Network Applications on FPGA
OVHcloud;Univ. Grenoble Alpes, CNRS, Grenoble INP 1 , TIMA(格勒诺布尔阿尔卑斯大学,法国国家科学研究中心,格勒诺布尔理工学院,TIMA)
PAF是一种基于流水线导向设计方法的开源框架,通过参数化能力实现FPGA上网络应用的高效重用与优化。
2026-01-21 cs.AR
Architectural improvements and 28 nm FPGA implementation of the APEnet+ 3D Torus network for hybrid HPC systems
现代图形处理单元(GPU)现在被认为是通用计算的加速器。GPU和互连网络之间的紧密交互是在大型HPC集群上表达多GPU系统能力计算的全部潜力的策略;这就是为什么高效和可扩展的互连是最终为科学HPC提供GPU的关键技术的原因。在本文中,我们展示了APEnet+网络结构的最新架构和性能改进,这是一个基于FPGA的PCIe板,具有6个完全双向的板外链路,每个方向的原始带宽为34 Gbps,以及朝向主机PC的X8 Gen 2带宽。该板实现了远程直接内存访问(RDMA)协议,该协议利用Fermi和Kepler级NVIDIA GPU的对等(P2P)功能来获得真正的零拷贝、低延迟GPU到GPU传输。最后,我们报告了2013年的开发活动,重点是采用最新一代28纳米FPGA和在这个新平台上进行的初步测试。
2013-11-14 cs.AR cs.DC physics.comp-ph
Programming Domain-Specific FPGA Hardblocks from HLS: An RTL Blackbox Approach
Arizona State University(亚利桑那州立大学)
提出一种编译器无关的方法,通过RTL黑盒抽象将FPGA硬模块暴露为可调度的C级算子,使HLS工具能从C/C++直接编程自定义硬模块,无需手动RTL集成,在Tensor Slice架构上验证了较低的面积延迟积和更高的生产力调整效率。
2026-06-07 cs.AR
FPGA with Improved Routability and Robustness in 130nm CMOS with Open-Source CAD Targetability
本文概述了一种FPGA的VLSI设计方法,用于实现一个功能齐全的FPGA芯片在130纳米CMOS与改进的可布线性和存储器的鲁棒性。Verilog-to-Routing CAD工具使建筑设计空间探索和综合能力成为可能。该工具的功能已扩展到支持比特流生成和部署。为了验证架构和比特流实现,创建了FPGA的Chisel(用嵌入式Scala语言构建硬件)模型,以在原理图设计之前快速验证器件的微架构细节。使用定制载板和配置工具来验证FPGA在各种资源利用率和时钟频率下的正确操作特性。
2017-12-09 cs.AR
Neuromorphic Processor Employing FPGA Technology with Universal Interconnections
Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出了一种基于FPGA的低成本神经形态处理器,支持全连接可配置连接和LIF神经元模型,通过开源方式为实时推理应用提供高效且灵活的解决方案。
2025-12-11 cs.AR
Exploiting Real-Time FPGA Based Adaptive Systems Technology for Real-Time Sensor Fusion in Next Generation Automotive Safety Systems
我们提出了一个系统的传感器使用惯性测量设备作为基础,开发了一系列的动态实时的【形】传感器融合应用的轴线校准。概念验证利用COTS FPGA平台进行传感器融合和未对准视频传感器的实时的【形】校正。我们利用定制设计的32位软处理器内核和基于C的设计与综合,实现快速、平台中立的开发。卡尔曼滤波器和传感器融合技术建立在先进的航空系统应用于汽车的结果超过典型的工业要求的传感器对准。静态和动态测试的结果表明,使用安装在传感器上(或在组装过程中)的廉价加速度计和固定到车辆的惯性测量单元(IMU)可以用于计算传感器与IMU以及车辆的未对准。在某些情况下,模型预测和测试结果超出要求一个数量级,置信度为3 σ或99%。
2007-10-25 cs.AR
Multi-Valued Routing Tracks for FPGAs in 28nm FDSOI Technology
在本文中,我们提出了四进制和三进制的FPGA布线轨道,并在28纳米FDSOI技术实现。我们讨论了多值中继器,多路复用器和翻译器的晶体管级设计,以及FDSOI技术的具体特点,使之成为可能。接下来,我们比较多值路由架构与等效的单驱动器二值路由架构。我们表明,对于长的轨道,它是可以实现高达3倍减少动态开关能量,高达2倍减少布线面积和10%的面积减少专用于路由资源。多值轨迹稍微更容易受到过程变化的影响。我们提出了一种多值标准单元的布局方法,并确定了布局开销。我们总结了这些轨道的各种使用场景。
2016-09-27 cs.AR cs.ET
High Level Synthesis with a Dataflow Architectural Template
在这项工作中,我们提出了一种新的方法,高层次的综合(HLS),高层次的功能首先映射到一个架构模板,硬件合成之前进行。由于FPGA平台特别适合实现流处理流水线,因此我们对传统的高级程序进行转换,将其转换为多级并行引擎[1]。该目标模板自然地将慢速存储器数据访问与计算重叠,因此对存储器子系统延迟具有更好的容忍度。使用最先进的HLS工具进行实际电路生成,我们观察到,当使用Cocklow架构模板作为中间编译目标时,整体性能提高了9倍。
2016-06-21 cs.AR
LUTstructions: Fast-Reconfigurable FPGA-Based Instructions
School of Electronics and Computer Science, University of Southampton(南安普顿大学电子与计算机科学学院)
本文提出LUTstruction架构,通过FPGA实现可重构指令,实现低延迟和宽范围重构,支持从主存加载指令实现流,无需显著频率开销。
2026-10-21 cs.AR
FPGA Technology Mapping Using Sketch-Guided Program Synthesis
针对现有FPGA技术映射工具依赖手写规则、易出错且遗漏映射机会的问题,提出基于草图引导程序综合的Lakeroad方法,通过架构无关草图模板和HDL语义提取实现更优映射覆盖与正确性保证,性能显著优于商用及开源工具。
2024-01-29 cs.AR cs.PL
MEC: An Open-source Fine-grained Mapping Equivalence Checking Tool for FPGA
针对FPGA技术映射后的等价性检查,提出细粒度方法MEC,结合局部块验证与全局图覆盖,显著提升验证速度,优于三种现有工具。
2023-12-22 cs.AR
Design space exploration for image processing architectures on FPGA targets
由于图像和视频处理、通信和密码学中嵌入式应用的出现,图像信息的改善以获得更好的人类感知,如在卫星成像、医学成像、移动应用等几个领域中的去模糊、去噪,对于重新研究越来越重要。在这些发展的背后,主要责任在于半导体技术的进步,导致基于FPGA的可编程逻辑器件,它结合了定制硬件和专用DSP资源的优势。此外,FPGA提供了强大的可重构功能,因此是快速原型的理想目标。我们一直在努力利用FPGA技术的硬件并行性方面的特殊功能,导致更高的计算密度和吞吐量,并观察到更好的性能比那些人可以得到仅仅是移植的图像处理软件算法的硬件。在本文中,我们打算提出一个详细的审查,根据我们的专业知识和经验,进行必要的改造,以一个图像处理软件算法,包括优化技术,使其在硬件中的操作相对更快。
2014-04-15 cs.AR
FPGA Implementation of a Reconfigurable Viterbi Decoder for WiMAX Receiver
现场可编程门阵列技术(FPGA)是一种高度可配置的选项,可用于在软件定义无线电(SDR)中实现许多复杂的信号处理任务。这些类型的无线电使用高度可配置的硬件平台来实现。卷积码广泛应用于各种数字通信系统中,而在无线通信中,卷积码的译码通常采用维特比算法。这样的解码器是复杂的并且消耗大量的功率。本文介绍了一种适用于WiMAX接收机的低功耗可重构Viterbi译码器,并给出了FPGA实现的VHDL代码。所提出的设计是在Xilinx Virtex-II Pro,XC 2 Vpx 30 FPGA上实现的,使用FPGA Advantage Pro软件包由Mentor Graphics提供,ISE 10.1由Xilinx提供。
2010-07-26 cs.AR
Bombyx: OpenCilk Compilation for FPGA Hardware Acceleration
École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
Bombyx是一种面向FPGA硬件加速的OpenCilk编译器,通过将OpenCilk程序转换为Cilk-1中间表示,实现高效的任务级并行应用映射,并引入解耦优化提升性能。
2025-11-26 cs.AR
Practical Timing Closure in FPGA and ASIC Designs: Methods, Challenges, and Case Studies
École de technologie supérieure (ÉTS)(高等电力技术学院);Evolution Optiks Limited(进化光学有限公司)
本文分析了FPGA与ASIC的时序收敛挑战与方法,通过Xilinx FPGA与7nm ASIC的案例对比,展示了ASIC在时序上更优但FPGA仍具竞争力,验证了FPGA适用于高性能设计。
2025-10-30 cs.AR eess.SP
Automatic Nested Loop Acceleration on FPGAs Using Soft CGRA Overlay
卸载计算密集型嵌套循环在FPGA加速器上执行已被许多研究人员证明是跨许多应用领域的有效性能增强技术。为了构建具有高设计效率的加速器,研究人员越来越多地转向使用叠加架构作为构建在现成FPGA之上的中间代目标。然而,实现所需的性能开销权衡仍然是一个主要的生产力挑战,因为需要在覆盖多个架构参数的大型设计空间上进行复杂的特定于应用程序的定制。在这项工作中,提出了一种利用常规软粗粒度可重构阵列(SCGRA)覆盖的自动嵌套循环加速框架。给定高级资源约束,框架自动定制覆盖架构设计参数、高级编译选项以及加速器与主机处理器之间的通信,以针对给定应用程序优化性能。在我们的实验中,以10到20分钟的额外工具运行时间为代价,所提出的定制过程导致了比由相同框架生成的基线加速器高出5倍的额外加速。总的来说,与在Zedboard上仅在主机ARM处理器上运行的等效软件相比,由此产生的加速器实现了高达10倍的加速。
2015-08-27 cs.AR cs.DC
Harnessing FPGA Technology for Enhanced Biomedical Computation
Erciyes University(埃尔吉耶斯大学);Prairie View A&M University(草原景观农工大学);Drexel University(德雷塞尔大学)
本研究利用FPGA技术结合CNN、RNN、LSTM和DBN等神经网络框架改进ECG信号分析,并为PYNQ Z1平台定制TCU加速器,提供了基于FPGA的机器学习完整实现方法与性能评估。
2023-11-21 cs.AR cs.LG
Timing Driven C-Slow Retiming on RTL for MultiCores on FPGAs
本文讨论了RTL上的C慢重定时(CSR)。CSR通过在每条路径中添加相同数量的寄存器来增加内核的功能,该技术非常适合使用已有寄存器的FPGA。以前的出版物仅限于在网表级别上添加寄存器,这会产生大量的系统验证问题,并且被认为是在现代多核时代使用该技术的主要缺点。本文展示了如何CSR可以有效地做定时驱动的自动RTL修改。本文提供的方法可作为指导使用CSR在高级综合(HLS)。本文展示了在FPGA上实现的RTL上的CSR-ed复杂RISC核的结果。
2018-07-14 cs.AR
ECI: a Customizable Cache Coherency Stack for Hybrid FPGA-CPU Architectures
与其他加速器不同,FPGA能够支持缓存一致性,从而将其转变为比外围加速器更强大的架构选项。然而,大多数现有的FPGA部署要么是非高速缓存一致性的,要么只支持非对称设计,其中高速缓存一致性由CPU控制。利用最近发布的两个插槽的CPU-FPGA架构,在本文中,我们描述了ECI,能够支持对称和非对称协议的FPGA上的高速缓存一致性的灵活实现。ECI是开放和可定制的,使应用程序有机会与高速缓存一致性协议完全交互,从而开辟了许多有趣的系统设计和研究机会,这些机会在现有的设计中是不可用的。通过广泛的微基准测试,我们表明,ECI具有很强的竞争力的性能,并详细讨论了一个用例,说明了在FPGA上有一个开放的高速缓存一致性堆栈的好处。
2022-08-15 cs.AR cs.DC
Performance Modeling Sparse MTTKRP Using Optical Static Random Access Memory on FPGA
静态随机存储器(E-SRAM)是现场可编程门阵列(FPGA)内部静态存储器的现行标准。尽管E-SRAM技术在过去十年中取得了巨大的进步,但E-SRAM技术尚未实现超快速、节能的静态随机存储器的目标。然而,对光学静态随机存取存储器(O-SRAM)的初步研究已经在创建节能超快静态存储器方面显示出有希望的结果。本文研究了O-SRAM在执行稀疏矩阵化张量时间Khatri-Rao乘积(spMTTKRP)时在存取速度和能量性能方面优于E-SRAM的优点。spMTTKRP是张量分解算法的重要组成部分,在数据科学应用中得到了广泛的应用。评估结果显示,与传统的E-SRAM技术相比,O-SRAM可以实现1.1倍-2.9倍的速度,同时节省2.8倍-8.1倍的能量。
2022-08-22 cs.AR cs.DC
AMG: Automated Efficient Approximate Multiplier Generator for FPGAs via Bayesian Optimization
本文提出AMG,一个基于贝叶斯优化与并行评估的FPGA自动化近似乘法器生成器,通过简化部分积压缩中的精确半加器并保留粗粒度累加,在可接受误差下显著降低硬件成本,相比已有1167个乘法器平均改进28.70%-38.47%。
2023-10-28 cs.AR
A Reconfigurable Vector Instruction Processor for Accelerating a Convection Parametrization Model on FPGAs
高性能计算(HPC)平台使科学家能够对计算密集型算法进行建模。HPC集群越来越多地使用通用图形处理单元(GPGPU)作为加速器; FPGA提供了GPGPU作为协处理器的有吸引力的替代方案,但由于使用基于FPGA的平台时面临的许多挑战,它们仍然远未成为主流。我们的研究旨在使基于FPGA的高性能计算更容易为科学界所接受。在这项工作中,我们提出了一个特定的大气模型,Flexpart,在FPGA上的加速调查的结果。我们专注于加速这个模型中计算最密集的内核。我们工作的关键贡献是我们进行的架构探索,以达到一个解决方案,最好地利用遗留代码中可用的并行性,也方便编程,以便最终将高级遗留代码编译到我们的架构中可以完全自动化。我们提出了三种不同类型的架构,比较它们的资源利用率和性能,并提出一个架构,其中有一些计算核心,每个构建沿着一个向量指令处理器的线路,在这个特定的情况下工作得最好,是一个有前途的候选人的通用的基于FPGA的平台,用于科学计算。我们还提出了所提出的架构的各种配置参数的实验结果,以显示其实用性,在适应一系列的科学应用。
2015-04-17 cs.AR
Designing Hardware/Software Systems for Embedded High-Performance Computing
在这项工作中,我们提出了一个架构和方法来设计硬件/软件系统的高性能嵌入式计算的FPGA。硬件方面基于众核架构,其设计是在给定一组架构参数的情况下自动生成的。在ZYNQ-7020 FPGA平台上运行密集矩阵乘法和稀疏矩阵向量乘法,对体系结构和方法进行了评估。结果表明,使用系统级设计的系统,避免了复杂的硬件设计,仍然提供了良好的性能结果。
2015-08-27 cs.AR
Enabling Effective FPGA Debug using Overlays: Opportunities and Challenges
FPGA正在成为主流。传统上不以FPGA为重点的大公司现在正在寻求利用可重构技术的好处并将其提供给客户的方法。为了做到这一点,一个调试生态系统,提供有效的可见性到一个工作的设计和快速调试周转时间是必不可少的。叠加有机会在这个生态系统中发挥关键作用。在这篇概述论文中,我们讨论了如何创建和利用一个覆盖结构,允许用户快速添加调试仪器的设计。我们讨论了这样一个覆盖的要求和一些需要解决的研究挑战和机遇。为了使我们的阐述具体,我们使用两个以前发布的覆盖已开发的实现调试插装的例子。
2016-06-21 cs.AR
Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA
School of Computing Science, University of Glasgow, Scotland, UK(格拉斯哥大学计算机科学学院)
提出SECDA-DSE框架,集成大语言模型引导FPGA加速器设计空间探索,通过结构化探索器和LLM推理生成可综合的加速器设计,减少人工干预。
2026-06-09 cs.AI cs.AR cs.PF
Demystifying Memory Access Patterns of FPGA-Based Graph Processing Accelerators
可重编程硬件的最新进展(例如,FPGA)和存储器技术(例如,DDR4,HBM)承诺解决图形处理固有的性能问题,如传统硬件上的不规则存储器访问模式(例如,CPU)。虽然近年来提出了几个这样的图形加速器,但由于很少有开源实现和过多的实现工作,仍然很难评估它们的性能并在常见的图形工作负载和加速器平台上进行比较。在这项工作中,我们建立了一个图形处理加速器的模拟环境,使几个现有的加速器方法可比。这使我们能够研究相关的性能维度,例如分区方案和内存技术等。该评估深入了解了当前图形处理加速器在这些方面的优势和劣势,并进行了新颖的深入比较。
2021-03-31 cs.AR cs.DB
Kratos: An FPGA Benchmark for Unrolled DNNs with Fine-Grained Sparsity and Mixed Precision
本文提出 FPGA 基准 Kratos,面向具有细粒度稀疏性与混合精度的展开式 DNN,通过实验揭示其高频运行与面积缩减潜力,并基于架构案例研究展示约 2 倍面积缩减,为专用可编程架构设计提供依据。
2024-07-08 cs.AR
FpgaHub: Fpga-centric Hyper-heterogeneous Computing Platform for Big Data Analytics
FpgaHub提出以FPGA为中心的超异构计算平台,利用可重构计算和丰富IO接口作为数据与控制枢纽,协同CPU、GPU、DPU等处理器,以突破专用硬件IO限制并提升大数据分析性能。
2025-03-12 cs.AR cs.DC
An Efficient Architecture and High-Throughput Implementation of CCSDS-123.0-B-2 Hybrid Entropy Coder Targeting Space-Grade SRAM FPGA Technology
本文提出一种面向航天级SRAM FPGA的CCSDS-123.0-B-2混合熵编码器高吞吐量硬件架构,采用脉动阵列设计,实现1样本/周期恒定吞吐量,达305 MSamples/s,为首次公开的完全合规实现。
2022-05-09 cs.AR eess.IV
fpgaConvNet: A Toolflow for Mapping Diverse Convolutional Neural Networks on Embedded FPGAs
Imperial College London(帝国理工学院)
近年来,卷积神经网络(ConvNets)已经成为广泛的新型嵌入式人工智能系统的使能技术。在各种应用中,性能需求差异很大,从高吞吐量视频监控到自动驾驶汽车的极低延迟要求。在这种情况下,FPGA可以提供一个潜在的平台,可以根据不同的性能需求进行优化配置。然而,ConvNet模型的复杂性不断增加,使其映射到FPGA设备成为一项具有挑战性的任务。这项工作提出了fpgaConvNet,这是一个用于在FPGA上映射ConvNet的端到端框架。该框架采用了一种基于同步数据流(SDF)范式的自动化设计方法,并定义了一组SDF转换,以有效地探索建筑设计空间。通过选择性地优化吞吐量,延迟或多目标标准,所提出的工具能够有效地探索设计空间,并从高级ConvNet规范中生成硬件设计,并针对感兴趣的性能指标进行明确优化。总体而言,我们的框架产生的设计,提高了高达6.65倍的性能超过高度优化的嵌入式GPU设计,在嵌入式环境中相同的功率限制。
2017-11-23 cs.AR cs.CV cs.LG
Fully Integrated On-FPGA Molecular Dynamics Simulations
分子动力学(MD)在FPGA上的实现受到了极大的关注。然而,以前的工作包括组件的概念验证实现,通常是范围有限的力量;完整的系统,但大部分工作由主机CPU分担;或原型演示,例如,使用OpenCL,既不实现整个系统,也没有竞争力的性能。在本文中,我们提出了我们认为是第一个基于FPGA的全尺寸仿真引擎,并表明其性能与GPU(在工业生产环境中运行Amber)具有竞争力。该系统具有片上颗粒数据存储和管理、短距离和长距离力评估以及结合力、运动更新和颗粒迁移等功能。这项工作的其他贡献包括探索众多的架构权衡和分析粒子/细胞和各种片上计算单元之间的各种映射方案。潜在的影响是,该系统有望成为长时间尺度分子动力学与商品集群的基础。
2019-05-14 cs.AR cs.DC
Performance Evaluation of ECC in Single and Multi Processor Architectures on FPGA Based Embedded System
密码算法的计算成本很高,如果我们需要在资源受限的嵌入式系统中执行它们,挑战就更多了。具有可编程逻辑器件和处理核心的现场可编程门阵列(FPGA)已被证明是用于嵌入式系统的高度可行的实现平台,其提供更少的设计时间和可重构性。吞吐量、资源利用率和功率要求等设计参数是关键问题。椭圆曲线密码体制(Elliptic Curve Cryptography,ECC)在许多方面都优于RSA等公钥密码体制,如以较小的密钥提供更高的安全性,本文选择了ECC,并探讨了其在基于FPGA的嵌入式系统中实现的可能性,包括单处理器核和双处理器核结构,涉及任务并行化。考虑到其他现有作品,这项探索是同类探索中的首次,是评估在基于FPGA(Virtex 4 XC 4VFX 12、FF 668、-10)的嵌入式平台上实现ECC的最佳可能架构环境所需的活动。
2014-01-15 cs.AR cs.CR
Towards Power Characterization of FPGA Architectures To Enable Open-Source Power Estimation Using Micro-Benchmarks
本文提出利用通用微基准对FPGA目标技术进行功耗表征的方法,并在Lattice iCE40上演示了LUT实例化和环形振荡器两种微基准生成方式及三种激励测试方法,初步验证了可变功耗引入能力,但灵敏度尚不足以建立有效的功耗估计模型。
2023-04-11 cs.AR
Unified Characterization Platform for Emerging NVM Technology: Neural Network Application Benchmarking Using off-the-shelf NVM Chips
在本文中,我们提出了一个统一的基于FPGA的电气测试台,用于表征不同的新兴非易失性存储器(NVM)芯片。特别是,我们提出了详细的电气特性和基准测试的多个市售,现成的,NVM芯片,即:MRAM、FeRAM、CBRAM和ReRAM。我们调查重要的NVM参数,如:(i)电流消耗模式,(ii)耐久性,和(iii)错误特性。提出的基于FPGA的测试平台,然后利用概念验证(Proof-of-Concept,缩写)神经网络(NN)图像分类应用。四种新兴的NVM芯片在推理模式下作为主动权重存储器,以标准SRAM和闪存技术为基准,用于AI应用。
2020-06-10 cs.AR cs.ET
Scalable Packet Tracking on FPGAs for Erasure-Coded RDMA over Lossy WANs
Northeastern University(东北大学);Microsoft Corporation(微软公司)
针对有损广域网多路径RDMA中数据包乱序和丢失问题,提出首个基于FPGA的完全硬件卸载数据包到达跟踪设计COMET,采用可扩展缓存架构,实现400Gbps线速并支持6倍并发连接。
2026-09-21 cs.AR
A Competitive Edge: Can FPGAs Beat GPUs at DCNN Inference Acceleration in Resource-Limited Edge Computing Applications?
当作为生成模型进行训练时,深度学习算法在涉及高维数据的任务(如图像去噪和超分辨率)上表现出卓越的性能。在一个由移动和边缘设备主导的日益互联的世界中,对这些算法在嵌入式平台上本地运行的需求激增。FPGA凭借其可重编程性和低功耗特性,是这些边缘计算应用的理想候选者。因此,我们设计了一个时空并行的硬件架构,能够加速一个去卷积算法优化的电源效率的推理资源有限的FPGA。我们提出了这种基于FPGA的加速器,用于低功耗边缘计算应用中的解卷积神经网络(DCNN)推理。为此,我们开发了系统地利用微观建筑创新,设计空间探索和统计分析的方法。使用Xilinx PYNQ-Z2 FPGA,我们利用我们的架构来加速使用Wasserstein GAN框架在MNIST和CelebA数据集上训练的两个DCNN的推理。在这些网络上,与NVIDIA Jetson TX 1边缘计算GPU相比,我们的FPGA设计实现了更高的吞吐量与功率比,同时降低了运行间变化。
2021-03-09 cs.AR cs.DC eess.IV
Architectural Design of a RAM Arbiter
存储(和访问)数据的标准存储器模块是为单个系统访问数据而设计的。更复杂的存储器模块将通过存储器控制器访问,该存储器控制器也是为一个系统设计的。对于多个系统访问单个存储器模块,必须有某种便利,允许它们访问存储器而不覆盖或破坏来自其他系统的访问。这是通过使用存储器仲裁器来完成的,该仲裁器控制进入存储器控制器的流量。仲裁器有一组规则要遵守,以便选择哪个系统与存储器控制器接通。在这个项目中,一个常规的RAM模块被设计用于一个系统。此外,还设计了一个存储器仲裁器的Verilog,允许一个以上的系统使用一个单一的RAM模块在一个受控和同步的方式。仲裁器使用固定的优先级方案来避免系统的饥饿。此外,与这种系统相关的主要问题之一,即地址冲突问题已经得到了很好的处理和解决。该设计在仿真中得到验证,并在配备Virtex 6 FPGA的Xilinx ML605评估板上得到验证。
2014-05-20 cs.AR
Combined Integer and Floating Point Multiplication Architecture(CIFM) for FPGAs and Its Reversible Logic Implementation
提出了一种基于FPGA的整数浮点乘法器(CIFM)的设计思想。作者建议用小型4x4位乘法器设计的专用24x24乘法器替换FPGA中现有的18x18专用乘法器。还建议对于每个设计有4x 4位乘法器的专用24 x 24位乘法器块,应提供四个冗余4x 4乘法器,以增强自修复性(从故障中恢复)。在所提出的CIFM中,还提供了在运行时间的可重构性,从而导致低功率。提供专用24 × 24位乘法器的主要动机来源于单精度的浮点乘法器需要24 × 24位整数乘法器用于尾数乘法的事实。一个可重新配置的,可自我修复的24x24位乘法器(用4x4位乘法模块实现)将理想地满足这一目的,使FPGA更适合整数以及浮点运算。本文还提出了一种专用的4 × 4位乘法器。此外,近年来,可逆逻辑已经成为一种有前途的技术,其在低功耗CMOS、量子计算、纳米技术和光计算中具有应用。没有可逆逻辑就不可能实现量子计算。因此,本文还提供了所提出的CIFM的可逆逻辑实现。本文设计和提出的可逆CIFM将成为完全可逆FPGA的基础。
2006-10-14 cs.AR
FPGA-based Multi-Chip Module for High-Performance Computing
当前的集成、架构设计和制造技术不适合Exascale计算所要求的计算密度和功率效率。因此,需要硬件架构的新方法来克服阻止过渡到Exascale时代的技术障碍。在这个范围内,我们报告成功制造的第一ExaNoDe的MCM原型专用于Exascale计算应用。每个MCM由2个Xilinx Zynq Ultrascale+ MPSoC组成,装配在专为该项目设计和制造的先进68.5 mm x 55 mm层压基板上。声学显微镜、X射线、横截面和Thermo-Moire调查显示没有空隙、短路、分层、裂纹或翘曲问题。为了测试目的,FORTH将两个MCM安装在子板上。通过在1866 MHz和2133 MHz的时钟频率下运行广泛的Xilinx内存测试,子板的4个SODI插槽上的DDR内存成功通过测试。所有4个FPGA都使用Xilinx集成误码率测试(IBERT)进行编程,该测试专为该电路板的链路测试而设计。所有FPGA之间的所有板内高速链路都稳定在10 Gbps,即使在要求更高的31位PRBS(伪随机二进制序列)测试下也是如此。
2019-06-26 cs.AR cs.PF
Fast and Low-Cost Approximate Multiplier for FPGAs using Dynamic Reconfiguration
本文提出一种基于FPGA动态重配置LUT的近似乘法器,用于机器学习,在INT8精度下相比标准乘法器核节省64%-67%的LUT资源,且精度损失低于0.33%。
2023-10-16 cs.AR
LLM-Driven Design Space Exploration of FPGA-based Accelerators
School of Computing Science, University of Glasgow(格拉斯哥大学计算机科学学院)
本文提出SECDA-DSE框架,利用大语言模型自动化FPGA加速器的设计空间探索,通过结构化探索器和LLM栈实现高效配置生成与优化。
2026-05-07 cs.AI cs.AR cs.PF
Embedded FPGA Developments in 130nm and 28nm CMOS for Machine Learning in Particle Detector Readout
SLAC National Accelerator Laboratory(SLAC国家加速器实验室);Stanford University(斯坦福大学)
本研究利用开源FABulous框架在130nm和28nm CMOS节点设计并制造了eFPGA,通过模拟高能粒子穿过硅像素传感器验证其作为前端读出芯片的能力,并成功在eFPGA上配置机器学习分类器实现完美精度的数据源减少,为对撞机实验提供了低功耗、高效率且可重构的解决方案。
2024-08-28 cs.AR cs.LG physics.ins-det
High-Level FPGA Accelerator Design for Structured-Mesh-Based Explicit Numerical Solvers
本文提出了一种工作流程,用于合成接近最佳的FPGA实现的结构网格为基础的模板应用显式求解器。它利用应用程序类的关键特性、计算通信模式和FPGA的架构功能,加速高性能计算领域的求解器。该工作流程的主要新功能包括:(1)将标准的最先进技术与大量高增益优化(如优化和空间分块/平铺)相结合,以提高实际工作负载的吞吐量;(2)开发和使用预测分析模型,以探索设计空间、资源估计和性能。在Xilinx Alveo U280 FPGA上使用设计工作流程实现了三个代表性应用,表现出接近最佳的性能和超过85%的预测模型准确度。将这些应用程序与现代HPC级GPU(Nvidia V100)上相同应用程序的同等高度优化实现进行比较,分析解决方案的时间、带宽和能耗。性能结果表明,FPGA实现的运行时性能与V100 GPU相当,与基于GPU的最佳性能解决方案相比,FPGA上合成的最大非平凡应用程序的能耗节省超过2倍。我们的调查显示,在获得高性能的当前一代FPGA相比,传统架构的相当大的挑战。我们讨论了一个给定的模板代码的决定因素是服从FPGA实现,提供洞察的可行性和盈利能力的设计和由此产生的性能。
2021-01-07 cs.AR cs.DC cs.PF
Weighing up the new kid on the block: Impressions of using Vitis for HPC software development
可重构计算,特别是FPGA的使用,在高性能计算(HPC)领域具有强大的潜力。然而,到目前为止,在编程这项技术时,传统的高门槛阻碍了广泛采用。为了在HPC等社区推广可重构计算,Xilinx最近发布了第一个版本的Vitis,该平台旨在使FPGA编程更多地成为软件开发而不是硬件设计的问题。然而,一个关键问题是这项技术在多大程度上实现了这一目标,以及工具是否足够成熟,使得软件开发人员使用FPGA来加速他们的代码现在是一个更现实的命题,或者它是否只是增加了现有专家的便利性。为了研究这个问题,我们使用Himeno基准作为探索Vitis平台的工具,用于构建,执行和优化HPC代码,描述该技术的不同步骤和潜在陷阱。这一探索的结果是一个示范,虽然Vitis是一个很好的进步,并大大降低了进入FPGA开发代码的门槛,但它不是一个银弹,对Elastlow风格算法设计的基本理解和对架构的欣赏仍然是在可重构架构上获得良好性能的关键。
2020-10-01 cs.AR cs.DC
FPGA Random Number Generator
随机数生成是一项关键技术,在许多方面都很有用。随机数通常用于生成用于数据加密的密钥。以足够长的长度生成的随机数可以加密敏感数据,并使另一台计算机或个人难以解密数据。随机数的其他用途包括统计抽样、搜索/排序算法、游戏和赌博。由于随机数的广泛应用,创建一种直接在硬件中可靠地生成随机数的方法以生成用于任何最终应用的随机数的现成供应将是有用的。本文提供了一个概念验证,创建一个基于verilog的硬件设计,利用随机测量和加扰算法产生32位随机同步与一个单一的时钟周期的现场可编程门阵列(FPGA)。
2022-08-16 cs.AR cs.CR
Design paradigms of intelligent control systems on a chip
本文重点介绍了现场可编程门阵列(FPGA)在智能控制系统芯片上的应用设计与实现,具体为模糊逻辑和遗传算法处理单元。首先,FPGA技术的概述,其次是设计方法,开发工具和硬件描述语言(HDL)的使用。两个FPGA设计的例子与使用硬件描述语言(HDL)的参数化模糊逻辑控制器的核心进行了讨论。在此基础上,讨论了一种基于FPGA的移动机器人路径跟踪系统芯片(SoC),该芯片采用数字模糊逻辑控制器(DFLC)和软处理器内核。最后讨论了用遗传算法求解旅行商问题(TSP)的FPGA实现。
2018-11-20 cs.AR cs.OH
NeuroXplorer 1.0: An Extensible Framework for Architectural Exploration with Spiking Neural Networks
最近,工业界和学术界都提出了许多不同的神经形态架构来执行使用脉冲神经网络(SNN)设计的应用程序。因此,越来越需要一个可扩展的仿真框架,可以执行与SNN的架构探索,包括基于平台的设计今天的硬件,硬件-软件协同设计和设计-技术协同优化的未来。我们提出了NeuroXplorer,一个快速和可扩展的框架,它是基于一个通用的模板建模的神经形态架构,可以注入一个给定的硬件和/或技术的具体细节。NeuroXplorer可以执行低级别的周期准确的架构模拟和高级别的数据流抽象分析。NeuroXplorer的优化引擎可以结合面向硬件的指标,如能量,吞吐量和延迟,以及面向SNN的指标,如尖峰间期失真和尖峰紊乱,这直接影响SNN的性能。我们展示了NeuroXplorer的架构探索能力,通过案例研究与许多国家的最先进的机器学习模型。
2021-05-04 cs.AR cs.NE
Adaptive Computing in Robotics, Leveraging ROS 2 to Enable Software-Defined Hardware for FPGAs
Xilinx, Inc.(赛灵思公司)
传统的机器人软件开发是关于在给定机器人的CPU中使用预定义的架构和约束进行编程功能。相反,使用自适应计算,构建机器人行为就是对架构进行编程。通过利用自适应计算,机器人专家可以在运行时间调整其计算系统的一个或多个属性(例如,其确定性、功耗、安全态势或吞吐量)。然而,机器人专家并不是硬件工程师,而且他们中缺乏嵌入式专业知识。本白皮书采用了以ROS 2机器人专家为中心的自适应计算观点,并提出了一种架构,将FPGA作为ROS 2生态系统的一级参与者。所提出的架构是平台和技术无关的,并且易于移植。该架构的核心组件在Apache 2.0许可证下公开,为机器人专家利用自适应计算和创建软件定义硬件铺平了道路。
2021-08-30 cs.AR cs.RO
Towards Hardware Support for FPGA Resource Elasticity
FPGA越来越多地部署在云中,以加速各种应用。它们将在多个租户之间共享,以提高总拥有成本。部分重新配置技术通过将FPGA划分为区域,每个区域托管特定应用程序的加速器,从而实现FPGA上的多租户。然而,区域的大小一旦被定义就不能改变,导致FPGA资源利用率低下。本文主张将应用程序的加速需求划分为多个小的计算模块。设计的FPGA外壳可以重新配置可用的PR区域与这些模块,并使它们能够相互通信的交叉互连与Wishbone总线接口。对于每个重新配置的PR区域,它使用有效的目的地址和互连的带宽分配来更新寄存器文件。源自Wishbone主接口的任何无效通信请求在交叉开关的对应主端口中被屏蔽。用于PR区域的分配带宽由交叉开关的从端口中的加权轮询仲裁器确保。最后,设想的资源管理器可以基于应用的加速需求和PR区域的可用性来增加或减少分配给应用的PR区域的数量。
2022-07-04 cs.AR cs.DC
From FPGAs to Obfuscated eASICs: Design and Security Trade-offs
与集成电路(IC)的不可信制造相关联的威胁有很多:盗版、生产过剩、逆向工程、硬件木马等。查找表(如FPGA中)是一种已知的混淆技术。在极端情况下,当电路完全实现为FPGA时,没有任何信息被泄露给对手,但在面积,功率和性能方面的成本很高。在相反的极端情况下,当相同的电路被实现为ASIC时,可以获得同类最佳的性能,但安全性会受到损害。本文探讨了这两者之间的中间解决方案。我们的研究结果得到了自定义CAD工具的支持,该工具探索了FPGA-ASIC设计空间,并实现了基于标准单元的物理合成流程,该流程灵活且与当前设计实践兼容。布局的混淆电路在65纳米的商业技术,展示了所获得的混淆图形和定量。此外,我们的安全分析表明,为了真正隐藏电路的意图(不仅仅是其结构的一部分),模糊设计还必须主要类似于FPGA:只有少量的逻辑可以静态化,以便对手保持不知道电路的功能。
2021-10-13 cs.AR cs.CR
A VM-HDL Co-Simulation Framework for Systems with PCIe-Connected FPGAs
Stony Brook University(石溪大学)
针对PCIe连接FPGA系统中软硬件联合开发与调试周期长、信息不足的问题,提出了VM-HDL协同仿真框架,可运行与物理系统一致的设计并提供完全可视性与更短的调试迭代周期。
2025-01-19 cs.AI cs.AR cs.DC
Design of High-Throughput Mixed-Precision CNN Accelerators on FPGA
RWTH Aachen University(亚琛工业大学)
卷积神经网络(CNN)在各个应用领域都达到了高精度,但需要大量的计算并导致昂贵的数据移动。在交易准确性的同时降低这些成本的一种方法是减少权重和/或激活字长。因此,逐层混合精度量化允许更有效的结果,同时膨胀设计空间。在这项工作中,我们提出了一个深入的定量方法,有效地探索设计空间,考虑到有限的硬件资源,一个给定的FPGA。我们的整体探索方法垂直遍历从架构到逻辑级别的各种设计入口级别,并横向涵盖从处理元件到低功耗的优化,以实现高效的混合精度CNN加速器。我们得到的硬件加速器实现了真正的混合精度运算,能够有效执行逐层和逐通道量化CNN。映射前馈和身份快捷连接混合精度CNN导致竞争性的准确性-吞吐量权衡:ResNet-18的245帧/秒和87.48%的Top-5准确性,ResNet-152的92.9%的Top-5准确性和1.13 TOps/s。因此,与相应的浮点基线相比,参数所需的内存占用减少了4.9倍和9.4倍。
2022-08-09 cs.AI cs.AR cs.LG
HPCNeuroNet: A Neuromorphic Approach Merging SNN Temporal Dynamics with Transformer Attention for FPGA-based Particle Physics
Stanford University(斯坦福大学);University of Moratuwa(莫拉图瓦大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);Temsa R&D Center(Temsa研发中心)
本文提出 HPCNeuroNet 模型,通过融合 SNN 的时间动力学与 Transformer 的注意力机制,并借助 HLS4ML 框架在 FPGA 上部署,有效提升了粒子物理中粒子识别的准确性与可扩展性。
2024-12-23 cs.AR cs.LG physics.comp-ph