Multiplier Design Addressing Area-Delay Trade-offs by using DSP and Logic resources on FPGAs
本文提出将小型Booth阵列作为子乘法器集成到现有拼接方法中,在用户指定DSP数量的条件下改善FPGA乘法器的面积-延迟权衡,实验证明可降低关键路径延迟并显著减少LUT资源。
2024-07-04 cs.AR
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
Analyzing the capabilities of HLS and RTL tools in the design of an FPGA Montgomery Multiplier
本文分析FPGA上Montgomery乘法器的多种设计,对比RTL与HLS方法在频率、延迟和资源上的表现,并评估其在高性能椭圆曲线密码操作中的潜力。
2025-09-09 cs.AR
Run-Time-Reconfigurable Multi-Precision Floating-Point Matrix Multiplier Intellectual Property Core on FPGA
在当今世界,高功率计算应用,如图像处理,数字信号处理,图形和机器人需要巨大的计算能力。这些应用程序使用矩阵运算,特别是矩阵乘法。乘法运算需要大量的计算时间,并且在设计上也很复杂。我们可以使用现场可编程门阵列作为低成本的硬件加速器,以及低成本的通用处理器,而不是高成本的专用处理器。在这项工作中,我们采用了一个高效的Strassens算法矩阵乘法和一个高效的运行时间可重构的浮点乘法器矩阵元素乘法。该运行时间可重构浮点乘法器是用自定义浮点格式实现的,适用于变精度应用。一个非常有效的组合Karatsuba算法和Urdhva Tiryagbhyam算法被用来实现二进制乘法器。该设计通过在运行时间内对自身进行重新配置,可以根据不同的精度要求有效地调整功耗和时延要求。
2019-10-26 cs.AR
FPGA-Based Multiplier with a New Approximate Full Adder for Error-Resilient Applications
针对VLSI器件中乘法运算的速度与功耗瓶颈,提出采用新型近似加法器、可同时累加两位部分积的FPGA乘法器,在均值滤波器应用中实现了更低功耗与更高精度。
2025-06-11 cs.AR
Combined Integer and Variable Precision (CIVP) Floating Point Multiplication Architecture for FPGAs
在本文中,我们提出了一种架构/方法,使FPGA适合整数以及可变精度浮点乘法。本文的工作对于多媒体处理等需要变精度浮点乘法的应用具有重要意义。在所提出的架构/方法中,我们建议分别用专用24x24位和24x9位乘法器替换FPGA中现有的18x18位和25x18位专用乘法器。我们已经证明,我们在FPGA中提供专用24x24位和24x9位乘法器的方法将使它们能够有效地执行整数以及单精度、双精度和四精度浮点乘法。
2007-11-16 cs.AR
FPGA Implementation of pipeline Digit-Slicing Multiplier-Less Radix 2 power of 2 DIF SDF Butterfly for Fourier Transform Structure
对无线通信的需求已经将通信系统推向高性能。然而,影响通信能力的主要瓶颈是快速傅里叶变换(FFT),它是大多数调制器的核心。提出了一种基于FPGA的流水线数字切片无乘法器基22 DIF(频率抽取)SDF(单路延迟反馈)蝶形FFT结构的实现方法。为了降低蝶形乘法器的计算复杂度,在流水线基22 DIF SDF FFT结构的关键路径上采用了数字切片无乘法器技术。所提出的设计集中在芯片实现的速度和有源硅面积之间的权衡。乘法器输入数据被分割成四个块,每个块具有四位,以并行方式同时处理。利用MATLAB软件对新结构进行了研究和仿真。在Xilinx ISE环境下推导了描述FFT Butterfly功能的Verilog HDL代码,并下载到Virtex II FPGA板上。因此,Virtex-II FG 456 Proto板被用于在真实硬件上实现和测试该设计。因此,根据研究结果,综合报告表明,最大时钟频率为555.75 MHz,总等效门数为32,146,与基22 DIF SDF FFT蝶形相比,有了显著的改进。与最高时钟频率仅为200.102 MHz的传统蝶形结构设计和最高时钟频率仅为221.140 MHz的传统乘法器相比,该系统具有更好的性能。
2018-06-09 cs.AR eess.SP
SIMDive: Approximate SIMD Soft Multiplier-Divider for FPGAs with Tunable Accuracy
Technische Universität Dresden(德累斯顿工业大学)
在无处不在的多媒体和深度神经网络(DNN)应用中,对数据级并行性和可变精度的不断增长的追求促使了单指令多数据(SIMD)架构的使用。为了缓解能源作为其主要资源的限制,近似计算已经重新出现,尽管主要是专门用于其专用集成电路(ASIC)实现。本文首次提出了一种面向现场可编程门阵列(FPGA)的SIMD结构,该结构基于新颖的可调精度乘法器和除法器。建议的混合架构实现米切尔的算法,并支持精度变化从8位到32位。从Vivado,多媒体和DNN应用程序获得的实验结果表明,所提出的架构(SISD和SIMD)的优越性,准确和国家的最先进的近似同行。特别是,所提出的SISD分频器优于Xilinx提供的精确知识产权(IP)分频器,具有4倍的速度和4.6倍的能量,并且仅容许< 0.8%的误差。此外,所提出的SIMD乘除器取代准确的SIMD乘法器,实现了高达26%,45%,36%和56%的面积,吞吐量,功率和能量的改善,分别。
2020-11-02 cs.AR cs.LG eess.IV
FAME: An FPGA-Based Platform for Approximate Multipliers Evaluation with Pattern-Guided DNN Retraining
University of Glasgow(格拉斯哥大学);Heidelberg University(海德堡大学)
提出基于FPGA的FAME平台,直接硬件实现近似乘法器,加速DNN评估,并结合模式引导重训练恢复精度,在ImageNet上实现3.47倍加速和65.5%精度提升。
2026-10-16 cs.AR cs.LG cs.PF
AddNet: Deep Neural Networks Using FPGA-Optimized Multipliers
在现场可编程门阵列(FPGA)上加速深度学习应用的低精度算术运算已经得到了广泛的研究,因为它们具有节省硅面积或提高吞吐量的潜力。然而,这些好处是以降低准确性为代价的。在这篇文章中,我们证明了可重构常数系数乘法器(RCCM)提供了一个更好的替代方案,以节省硅面积比利用低精度算法。RCCM仅使用加法器、减法器、移位器和多路复用器(MUX)将输入值乘以有限的系数选择,这意味着它们可以针对FPGA进行大量优化。我们提出了一个家庭的RCCM定制的FPGA逻辑元件,以确保其有效利用。为了最大限度地减少量化带来的信息损失,我们开发了新的训练技术,将RCCM的可能系数表示映射到神经网络权重参数分布。这使得能够在硬件中使用RCCM,同时保持高精度。我们使用AlexNet、ResNet-18和ResNet-50网络展示了这些技术的好处。与传统的8位量化网络相比,所产生的实现实现了高达50%的资源节省,转化为显着的加速和功耗节省。我们的RCCM具有最低的资源需求,超过6位定点精度,而所有其他实现的RCCM实现至少达到类似的精度,8位均匀量化的设计,同时实现显着的资源节约。
2019-11-19 cs.AR cs.CV eess.SP
An Efficient Hardware Implementation of Elliptic Curve Point Multiplication over $GF(2^m)$ on FPGA
针对 ECC 中 ECPM 的性能瓶颈,提出混合 Karatsuba 有限域乘法器并构建 Montgomery ECPM 架构,在 Virtex-7 上实现显著加速。
2025-06-14 cs.AR
QUADOL: A Quality-Driven Approximate Logic Synthesis Method Exploiting Dual-Output LUTs for Modern FPGAs
本文提出QUADOL方法,通过将LUT对近似合并为双输出LUT并转化为最大匹配问题,在FPGA上实现质量驱动的近似逻辑综合,可集成于现有方法,减少高达18%的LUT数量。
2025-09-09 cs.AR
FPGA Impementation of Erasure-Only Reed Solomon Decoders for Hybrid-ARQ Systems
本文提出了使用里德所罗门码作为前向纠错(FEC)单元的混合自动重传请求(ARQ)方法。已经呈现了具有高符号长度(例如GF(2^32))的这种仅擦除RS解码器的参数和灵活的FPGA实现细节。该设计是基于GF(2 m)乘法器逻辑核心工作在一个单一的时钟周期,其中的资源利用率和吞吐量都是直接成正比的这些核心的数量。对于固定的实现方式,吞吐量随着要校正的擦除的数量而反向减小。在Zynq 7020 SoC设备中实现能够用单个乘法器校正64个擦除的示例GF(2^32)-RS解码器导致1641-LUT和188-FF实现15 Mbps,而具有8个乘法器的设计导致6128-LUT和628-FF实现100 Mbps。
2016-03-30 cs.AR cs.IT math.IT
Direct Spatial Implementation of Sparse Matrix Multipliers for Reservoir Computing
Google Brain(谷歌大脑)
储备池计算系统依赖于非常大的、稀疏的、固定的矩阵的递归乘法。我们认为,这些固定矩阵的直接空间实现最大限度地减少了在计算中执行的工作,并允许显着减少延迟和功率通过不断的传播和逻辑最小化。位串行运算使大量的静态矩阵得以实现。我们提出了我们的位串行矩阵乘法器的结构,并评估使用规范的有符号数字表示,以进一步减少逻辑利用率。我们已经在一个大型FPGA上实现了这些矩阵,并提供了一个简单且可扩展的成本模型。与GPU库相比,这些FPGA实现平均可将延迟降低50倍至86倍。与最近的稀疏DNN加速器相比,我们测量到延迟减少了4.1倍到47倍,具体取决于矩阵维度和稀疏性。FPGA解决方案的吞吐量对于各种矩阵尺寸和批量大小也具有竞争力。最后,我们讨论了这些技术可以部署在ASIC中,使它们适用于动态稀疏矩阵计算。
2021-01-21 cs.AR cs.LG
An efficient floating point multiplier design for high speed applications using Karatsuba algorithm and Urdhva-Tiryagbhyam algorithm
浮点乘法运算是高性能计算应用中的关键运算,如图像处理、信号处理等,也是最耗时、最耗电的运算。本文提出了一种有效的IEEE 754浮点乘法的方法,它给出了一个更好的延迟和功耗方面的实现。结合Karatsuba算法和Urdhva-Tiryagbhyam算法(吠陀数学)来实现尾数乘法的无符号二进制乘法器。该乘法器采用Verilog HDL语言在Spartan-3E和Virtex-4 FPGA上实现。
2019-11-03 cs.AR
Late Breaking Result: FPGA-Based Emulation and Fault Injection for CNN Inference Accelerators
本文提出基于FPGA的仿真平台,结合Tengine框架生成CNN加速器实现并注入故障,以NVDLA执行ResNet-18为案例,证明其在Zynq UltraScale+ SoC上的容错分析速度比软件仿真快一个数量级。
2025-01-22 cs.AR
High Throughput 2D Spatial Image Filters on FPGAs
FPGA在信号处理领域已经得到了很好的应用,它们的细粒度可编程特性允许利用这些应用中固有的并行性来增强性能。随着架构的发展,FPGA供应商增加了更多的异构资源,以允许以更高的性能、更低的功耗和更少的面积实现常用功能。例如,DSP模块已经从基本乘法器发展到支持乘法-累加运算,而乘法-累加运算是许多信号处理任务的核心。虽然更多的功能被添加到DSP模块中,但它们的结构和连接性主要针对一维信号处理进行了优化。图像处理中的基本操作是类似的,但是在二维结构中执行,因此,在将图像处理算法映射到较新的DSP块时,未利用较新的DSP块中的许多优化。我们提出了一个二维空间滤波器的FPGA实现的详细研究,展示了如何通过利用DSP块的能力,同时也提出了一个精益的边界像素管理政策,以最大限度地提高性能。
2017-10-17 cs.AR
SUSpMV: A High Frequency Sparse Matrix Vector Multiplier on HBM Enabled FPGA written in SUS
University Paderborn(帕德博恩大学);TU Darmstadt(达姆施塔特工业大学)
SUSpMV利用SUS语言特性设计深度流水线,在Alveo U280 FPGA上实现高性能SpMV加速,峰值吞吐量达144.9 GFLOPs,较先前工作提升79%。
2026-10-08 cs.AR cs.DC
Input-Output Logic based Fault-Tolerant Design Technique for SRAM-based FPGAs
辐射对地外应用和易受辐射环境中使用的电子电路的影响需要加以纠正。由于FPGA提供了灵活性,因此需要研究辐射对它们的影响,并需要设计稳健的容错方法。本文提出了一种新的容错设计策略。这一战略利用了投入变化与产出预期变化之间的关系。从本质上讲,它预测输出是否会发生变化,从而计算误差。因此,该策略减少了现有策略(如比较复制(DWC)和三重模块冗余(TMR))所需的硬件和时间冗余。该策略所产生的设计已被模拟,其鲁棒性故障注入已被验证。对一个16位乘法器的仿真表明,新的设计策略在硬件冗余、时间冗余和功耗等关键因素上都优于现有的设计策略。
2013-11-05 cs.AR
Co-Optimizing Graph Sparsification and Approximate Computing for Energy-Efficient FPGA-Based GCN Inference
Trinity College Dublin(都柏林圣三一学院)
针对边缘FPGA上GCN推理的能耗问题,提出结合DSpar稀疏化、8位量化与近似乘法器的加速器,在KV260上实现最高9.88倍加速并保持86.6%准确率,验证了稀疏化与近似计算的互补协同优化。
2026-10-06 cs.AR cs.LG
Efficient Hardware Implementation of Modular Multiplier over GF (2m) on FPGA
本文提出一种结合传统乘法与Karatsuba乘法的混合模乘硬件实现,面向NIST B-163/233/283/571参数,在FPGA上显著降低LUT使用、提升延迟与面积-延迟积,优化ECC点乘效率。
2025-06-24 cs.AR cs.CR
An Open-source Library of Large Integer Polynomial Multipliers
多项式乘法是大多数公钥密码学协议中的瓶颈,包括椭圆曲线密码和目前正在研究的几种后量子密码学算法。在本文中,我们提出了一个图书馆的各种大整数多项式乘法器用于硬件密码核心。我们的库包含数字化和非数字化乘法器,可供电路设计人员选择。该库由C++生成器支持,该生成器自动生成Verilog HDL中的乘法器逻辑,适用于FPGA和ASIC设计。此外,对于ASIC,它还生成可配置和可参数化的合成脚本。该生成器的功能允许快速生成和同时评估几种架构,从而允许设计人员轻松探索多项式乘法的(复杂)优化搜索空间。
2021-03-29 cs.AR cs.CR
Run-time reconfigurable multi-precision floating point multiplier design for high speed, low-power applications
浮点乘法运算在图像处理、信号处理等许多应用领域都是一种重要的运算,但不同的应用对浮点乘法运算有不同的要求。有些要求高精度,有些要求低功耗,低延迟等,但IEEE-754格式是不是真正灵活的这些规格,而且设计是复杂的。最佳的运行时间可重配置硬件实现可能需要使用自定义浮点格式,这些格式不一定遵循IEEE指定的大小。本文提出了一种基于FPGA实现的运行时间可重构浮点乘法器,它具有自定义浮点格式,可满足不同的应用需求。根据精度或应用要求,该浮点乘法器可以有6种操作模式。通过使用具有自定义IP(知识产权)的优化设计,通过在乘法之前截断输入来完成更好的实现。并结合Karatsuba算法和Urdhva-Tiryagbhyam算法(吠陀数学)实现了无符号二进制乘法器。这进一步提高了乘法器的效率。
2020-12-06 cs.AR eess.SP
Building Reliable Arithmetic Multipliers Under NBTI Aging and Process Variations
Department of ECE, University of Houston(电子工程系,休斯顿大学)
本文提出了一种利用乘法的sign-invariance性质来缓解算术乘法器老化问题的新技术,并将其应用于 systolic arrays 中,以提高高吞吐量AI加速器的效率。
2026-05-18 cs.AI cs.AR
DSP-Packing: Squeezing Low-precision Arithmetic into FPGA DSP Blocks
本文提出 DSP-Packing 方法,将低精度算术推广至任意位宽并打包进 FPGA DSP 模块,纠正了已有方法的误差,并引入近似方法 Overpacking 将单个 DSP 的 4 位乘法容量提升至六个,同时支持小位宽加法打包。
2022-03-21 cs.AR
CascadeLUT: Information-Ordered Streaming Inference for Bandwidth-Constrained FPGAs
Imperial College London(帝国理工学院)
针对带宽受限FPGA的流推理瓶颈,提出CascadeLUT框架,通过特征有序子集逐步预测减少数据移动,在延迟、吞吐量、能耗等指标上显著优于现有基线,还实现了低开销的设备端量化。
2026-08-04 cs.AR cs.LG
A Power-Efficient Hardware Implementation of L-Mul
本文针对 L-Mul 算法提出了一种功耗高效的基于 FPGA 的 FP8 近似乘法器硬件实现,利用 AMD Xilinx UltraScale 技术进行核心计算,并在代表性神经网络模型推理中验证了其有效性与低资源占用。
2024-12-25 cs.AR
Efficient Non-linear Calculators
Scion (Rotorua)(Scion(罗托鲁瓦));Univ of Auckland(奥克兰大学)
提出了一种在数字硬件上产生光滑非线性项的新算法。非线性本质上是二次的,并且具有对称和不对称的变体。整数(和定点)实现非常适合与ASIC或FPGA上的数字门一起使用。这些实现是无乘法器的。LSTM单元中所需的非线性输出的缩放被集成到实现中。这也不需要乘数。非线性可用作各种人工神经网络架构中的激活函数。浮点映射与其他非线性进行了比较,并进行了基准测试。结果表明,这些功能应考虑在人工神经网络的设计阶段。硬件资源的使用的实现进行了彻底的调查。我们的研究结果为边缘应用程序的实现提供了有力的支持。本文件总结了研究结果,并对我们的研究\footnote{The authors peer-reviewed manuscripts (available at https://doi.org/10.1016/j.neucom.2021.02.030) offer more detail and may be better suited for a thorough consideration}的结果进行了快速概述。
2021-09-26 cs.AR cs.LG