Spatzformer: An Efficient Reconfigurable Dual-Core RISC-V V Cluster for Mixed Scalar-Vector Workloads
Spatzformer提出首个可重构RISC-V V双核集群,通过拆分与合并两种模式协同处理混合标量-向量负载,在几乎不增加面积和能耗的前提下显著加速混合内核与细粒度同步向量内核。
2024-07-07 cs.AR
A RISC-V Multicore and GPU SoC Platform with a Qualifiable Software Stack for Safety Critical Systems
METASAT项目开发了集成NOEL-V、SPARROW和GPU Vortex的RISC-V多核SoC平台,采用可鉴定软件栈,旨在推动高性能硬件在安全关键航天系统中的使用。
2025-02-28 cs.AR
Manticore: A 4096-core RISC-V Chiplet Architecture for Ultra-efficient Floating-point Computing
数据并行问题要求在严格的面积和能源效率约束下每秒不断增长的浮点(FP)操作。在这项工作中,我们提出了Manticore,一个通用的,超高效的基于芯片的架构,用于数据并行FP工作负载。我们已经在Globalfoundries 22FDX工艺中制造了小芯片计算核心的原型,并证明与CPU和GPU相比,FP密集型工作负载的能源效率提高了5倍以上。高能量和面积效率的计算能力由包含八个小整数核的Snitch集群提供,每个内核控制一个大的FPU。内核支持两个自定义ISA扩展:SSR扩展通过将其编码为寄存器读写来省略显式加载和存储指令。FREP扩展将整数核从FPU中分离出来,允许独立地发出浮点指令。这两个扩展允许单次发出核心最小化其指令获取带宽并使FPU的指令带宽饱和,实现超过90%的FPU利用率,其中超过40%的核心区域专用于FPU。
2020-11-20 cs.AR
Microarchitecture Design and Benchmarking of Custom SHA-3 Instruction for RISC-V
本文面向RISC-V设计并原型实现SHA-3自定义指令,通过GEM5仿真与FPGA验证实现最高46.31倍加速,且硬件开销较低,为密码学指令集扩展提供微架构设计依据。
2025-08-28 cs.AR cs.CR cs.NI
A Reconfigurable Multiplier Architecture for Error-Resilient Applications in RISC-V Core
Indian Institute of Technology Mandi(印度理工学院曼迪分校)
本文提出一种可重构乘法器架构,用于在能量受限的边缘AI应用中实现高效神经网络推理。该架构支持精确和近似计算,通过专用mulscr实现多精度配置,实现44%-68%的能耗降低,同时保持1.89 DMIPS/MHz的计算性能。
2026-05-09 cs.AI cs.AR
Towards Zero-Stall Matrix Multiplication on Energy-Efficient RISC-V Clusters for Machine Learning Acceleration
针对灵活ML加速器的控制流与内存访问低效问题,提出基于RISC-V集群的零开销循环嵌套和零冲突内存子系统微架构,实现近理想利用率与性能能效提升,兼顾可编程性与广泛工作负载支持。
2025-06-12 cs.AR
FPGA Lifecycle Management for RISC-V Systems
aicas GmbH(aicas有限公司)
针对RISC-V系统缺乏厂商中立FPGA生命周期管理模型的问题,提出基于Linux能力的主机无关控制平面架构,在Zynq-7000 SoC上实现原型,为 fleet级FPGA管理提供可移植基础。
2026-08-20 cs.AR cs.SE
Occamy: A 432-Core Dual-Chiplet Dual-HBM2E 768-DP-GFLOP/s RISC-V System for 8-to-64-bit Dense and Sparse Computing in 12nm FinFET
针对现有CPU/GPU难以高效处理稠密与稀疏异构计算负载的问题,研究团队推出采用12nm FinFET工艺的432核双芯粒RISC-V系统Occamy,通过层级互连与核内流单元设计,在多类计算任务上的效率与密度均显著超越现有最先进处理器,且RTL开源。
2025-01-13 cs.AR
Towards a RISC-V Open Platform for Next-generation Automotive ECUs
本文提出基于开放硬件和开源技术的汽车 ECU 混合关键性多 OS 架构,通过 RISC-V 运行 AUTOSAR OS、ARM 多核运行 Linux,并定量对比 RISC-V 与 Arm Cortex-R 的实时特性,验证 RISC-V 用于下一代汽车 MCU 的可行性。
2023-07-09 cs.AR
ARCANE: Adaptive RISC-V Cache Architecture for Near-memory Extensions
ARCANE提出一种兼具近内存计算协处理器功能的RISC-V缓存架构,通过缓存内向量处理单元执行自定义指令,在8位数据CNN负载上实现30至84倍性能提升,面积开销仅41.3%。
2025-04-07 cs.AR
A "New Ara" for Vector Computing: An Open Source Highly Efficient RISC-V V 1.0 Vector Processor Design
本文提出 RISC-V V 1.0 规范的首个开源向量处理器实现,分析其微架构设计,并在面积、吞吐量和 FPU 利用率上取得优于旧版 RVV 引擎的结果。
2025-01-09 cs.AR
JuxtaPiton: Enabling Heterogeneous-ISA Research with RISC-V and SPARC FPGA Soft-cores
由于Dennard缩放的结束,能量效率已经成为计算机体系结构中越来越重要的关注点。异构微架构已经被探索作为实现更好的能量效率的一种方式,并且异构微架构芯片在移动环境中已经变得普遍。最近的研究已经探索使用异构ISA、异构微架构、通用核来实现进一步的能量效率增益。然而,没有开源硬件实现的异构ISA处理器可用于研究,和异构ISA处理器的有效研究需要FPGA原型提供的仿真速度。这项工作描述了我们通过将一个小型RISC-V核心集成到OpenPiton框架中来创建JuxtaPiton的经验,OpenPiton框架使用修改后的OpenPiton T1核心。这是第一次将新的内核与OpenPiton框架集成,而JuxtaPiton是第一个开源的、通用的、异构的ISA处理器。JuxtaPiton继承了OpenPiton的所有功能,包括可以引导全栈Debian Linux的重要FPGA仿真基础设施。使用这个基础设施,我们调查的面积和时间的影响,使用新的RISC-V核心的FPGA和新的核心运行微基准测试的性能。
2018-11-20 cs.AR
Where the SRAM Goes: Per-Symbol Attribution of Static Memory in FreeRTOS-C and Embassy-Rust IoT Firmware on a 64 KB RISC-V Microcontroller
Universitas Budi Luhur(布迪卢胡尔大学)
本研究提出静态内存逐符号归因方法,在64 KB RISC-V微控制器上对比FreeRTOS-C与Embassy-Rust固件栈的SRAM分配,发现lwIP网络内存成本更高且需额外20 KB arena,成果已公开。
2026-10-16 cs.AR cs.OS cs.SE
CoVE: Towards Confidential Computing on RISC-V Platforms
本文提出面向RISC-V平台的机密虚拟机参考架构CoVE,系统分析其ISA、非ISA及SoC需求,以最小化租户TCB并实现硬件证明的可信执行环境。
2023-04-12 cs.AR cs.CR
From RISC-V Cores to Neuromorphic Arrays: A Tutorial on Building Scalable Digital Neuromorphic Processors
University of Twente(特文特大学)
本文教程介绍了构建可扩展数字神经形态处理器的架构设计原则,通过SENECA平台展示如何从RISC-V核心逐步发展到专用神经处理元素,强调架构权衡与性能优化。
2025-11-27 cs.AI cs.AR eess.SP
vCLIC: Towards Fast Interrupt Handling in Virtualized RISC-V Mixed-criticality Systems
针对RISC-V混合关键级系统虚拟化中断控制器的不足,提出vCLIC扩展方案,大幅提升中断响应速度并降低总线干扰,面积开销极低。
2024-10-10 cs.AR
Work-In-Progress: Accelerating Numpy With OpenBLAS For Open-Source RISC-V Chips
本研究修改 OpenBLAS 库,通过 OpenMP 将线性核心卸载至可编程多核加速器(PMCA),并链接 Numpy,在开源异构 RISC-V SoC 的 FPGA 仿真平台上实现了 Python 高阶应用线性代数运算的加速。
2025-03-21 cs.AR
Trusted Hart for Mobile RISC-V Security
本文针对移动设备转向 RISC-V 的安全需求,分析 Keystone 框架不足,提出兼容 GlobalPlatform TEE API、结合 Keystone enclave 与专用 Trusted Hart 的安全架构,并在 HiFive Unleashed 板上验证。
2023-04-27 cs.AR cs.CR
Implementing and Optimizing an Open-Source SD-card Host Controller for RISC-V SoCs
ETH Zurich(苏黎世联邦理工学院);lowRISC C.I.C.(低硅芯国际合作组织);University of Bologna(博洛尼亚大学)
本文提出了一种集成在RISC-V SoC中的开源SD主机控制器,通过优化驱动程序和内存模型,实现了接近SD接口极限的存储性能。
2026-03-12 cs.AR
Compiler and Hardware Co-Design for Accelerator Architectures
Technical University of Denmark(丹麦技术大学)
针对异构加速器全栈集成难的问题,提出EAAC编译器与硬件协同设计架构,基于MLIR支持快速原型,原型GEMM加速器较RISC-V基线实现28倍加速,并指出信号量分配优化方向。
2026-09-25 cs.AR
RV-CURE: A RISC-V Capability Architecture for Full Memory Safety
本文提出RV-CURE,一种基于RISC-V的能力架构,通过数据指针标记(DPT)编译器技术和轻量级硬件扩展实现全内存安全,在SPEC 2017 C/C++负载上仅带来10.8%的性能开销。
2023-08-05 cs.AR cs.CR
HERO: Heterogeneous Embedded Research Platform for Exploring RISC-V Manycore Accelerators on FPGA
异构嵌入式片上系统(HESoCs)将标准主机处理器与可编程众核加速器(PMCAs)共同集成,以将通用计算与特定领域的高效处理能力相结合。虽然领先的公司成功地推进了他们的HESoC产品,但由于构建一个将行业标准主机处理器与开放式研究PMCA架构相结合的原型平台的挑战,研究滞后。在这项工作中,我们介绍了HERO,一个基于FPGA的研究平台,结合了PMCA组成的RISC-V内核集群,实现为FPGA结构上的软核,与硬ARM Cortex-A多核主机处理器。映射到FPGA上的PMCA架构是经过硅验证的、可扩展的、可配置的和完全可修改的。HERO包括一个完整的软件堆栈,其中包括一个支持OpenMP加速器编程的异构交叉编译工具链、一个Linux驱动程序以及用于主机和PMCA的运行时库。HERO旨在促进对所有软件和硬件层的快速探索:运行时行为可以通过跟踪事件进行准确分析,修改可以通过完全自动化的硬件和软件构建和执行测试进行验证。我们通过我们研究中的案例研究证明了HERO的有用性。
2017-12-18 cs.AR cs.DC
Maestro: A 302 GFLOPS/W and 19.8GFLOPS RISC-V Vector-Tensor Architecture for Wearable Ultrasound Edge Computing
提出面向可穿戴超声边缘计算的RISC-V SoC Maestro,通过统一向量-张量单元和FFT加速器实现高能效信号处理与CNN推理,较同类SoC获5倍加速且功耗仅12mW。
2025-03-06 cs.AR cs.SY eess.SY
Low-Energy Reduced RISC-V Instruction Subset Processor for Tsetlin Machine Inference at the Edge
CoDA Laboratory, Indian Institute of Technology Roorkee(科达实验室,印度理工学院德里分校);Microsystems Research Group, Newcastle University(微系统研究组,新castle大学)
针对Tsetlin Machine推理,提出一种领域专用RISC-V微处理器架构,通过指令精简和数据路径简化,在保持可编程性的同时实现高达98%的执行时间减少和29.7倍能耗降低。
2026-06-19 cs.AR cs.LG
Cross-Stack Workload Characterization of Deep Recommendation Systems
基于深度学习的推荐系统构成了大多数个性化云服务的支柱。虽然计算机体系结构社区最近开始注意到深度推荐推理,但由此产生的解决方案采用了截然不同的方法-从近内存处理到大规模优化。为了更好地设计用于深度推荐推理的未来硬件系统,我们必须首先系统地检查和表征跨执行堆栈的不同级别的设计决策的底层系统级影响。在本文中,我们在执行堆栈的三个不同层次上描述了八个具有行业代表性的深度推荐模型:算法和软件,系统平台和硬件微架构。通过这种跨栈表征,我们首先表明系统部署选择(即,CPU或GPU,批量大小粒度)可以为我们提供高达15倍的加速。为了更好地理解进一步优化的瓶颈,我们研究了软件操作员的使用分解以及CPU前端和后端微架构的低效率。最后,我们对关键算法模型架构特征与硬件瓶颈之间的相关性进行建模,揭示了每个硬件瓶颈背后没有一个占主导地位的算法组件。
2020-10-10 cs.AR cs.DC cs.IR
Introducing Instruction-Accurate Simulators for Performance Estimation of Autotuning Workloads
Institute for Communication Technologies and Embedded Systems(通信技术与嵌入式系统研究所);RWTH Aachen University(亚琛工业大学)
本文提出使用指令准确模拟器进行自动调优,通过训练预测器提高性能估计精度,尤其在嵌入式架构中表现优异。
2026-01-29 cs.AR cs.LG
Cheshire: A Lightweight, Linux-Capable RISC-V Host Platform for Domain-Specific Accelerator Plug-In
本文提出Cheshire,一个轻量级、模块化、支持Linux的64位RISC-V主机平台,通过低引脚数DRAM接口、可配置缓存和DMA引擎实现领域专用加速器的无缝即插即用,并在65nm硅演示器Neo上验证了高能效与开源可综合性。
2023-07-06 cs.AR
NTX: An Energy-efficient Streaming Accelerator for Floating-point Generalized Reduction Workloads in 22nm FD-SOI
用于深度学习等多重累积(MAC)密集型工作负载的专用协处理器在从GPU到移动SoC的SoC平台中越来越普遍。在本文中,我们重新审视NTX(一种为大规模训练深度神经网络而开发的高效加速器),将其作为广义MAC和简化流引擎。该架构由一组32位浮点流协处理器组成,这些协处理器松散耦合到负责编排数据移动和计算的RISC-V核心。最近在22 nm FD-SOI技术中的硅实现的布局后结果显示,该加速器在1.25 GHz和168 mW下能够提供高达20 Gflop/s的性能。基于这些结果,我们表明,缩小到14 nm的NTX版本可以在10.4倍的硅面积上实现比当代GPU高3倍的能效,以及1.4 Tflop/s的计算性能,用于训练具有全浮点精度的大型最先进网络。对MAC密集型内核的扩展评估表明,NTX在机器学习之外的一般减少工作负载中可以始终实现高达87%的峰值性能。其模块化架构支持从高性能GPU级到低功耗嵌入式场景的不同规模部署。
2018-12-01 cs.AR cs.DC
A Full-Stack Search Technique for Domain Optimized Deep Learning Accelerators
Google Brain(谷歌大脑);Google(谷歌);Stanford University(斯坦福大学)
快速变化的深度学习环境为构建针对特定企业级工作负载优化的推理加速器提供了独特的机会。我们提出了全栈加速器搜索技术(FAST),这是一个硬件加速器搜索框架,它定义了一个广泛的优化环境,涵盖硬件-软件堆栈中的关键设计决策,包括硬件数据路径,软件调度和编译器通道,如操作融合和张量填充。在本文中,我们分析了最先进的视觉和自然语言处理(NLP)模型中的瓶颈,包括EfficientNet和BERT,并使用FAST设计能够解决这些瓶颈的加速器。与TPU-v3相比,针对单一工作负载优化的FAST生成的加速器在所有基准测试中将Perf/TDP平均提高了3.7倍。与TPU-v3相比,FAST生成的加速器针对服务一系列工作负载进行了优化,平均将Perf/TDP提高了2.4倍。我们的投资回报分析表明,FAST生成的加速器可能适用于中等规模的数据中心部署。
2022-02-01 cs.AR cs.LG cs.PF
A 3 TOPS/W RISC-V Parallel Cluster for Inference of Fine-Grain Mixed-Precision Quantized Neural Networks
本文提出了一种基于 RISC-V 的软硬件栈 Flex-V 及其八核紧耦合集群,通过融合混合精度点积指令与 CSR 编码实现高效的 QNN 推理,在 22nm 工艺下达到 3.26 TOPS/W 能效,并显著提升了真实任务的执行速度。
2023-07-03 cs.AR
CVA6 RISC-V Virtualization: Architecture, Microarchitecture, and Design Space Exploration
本文为RISC-V CVA6核心设计了GTLB和L2 TLB等微架构增强以支持硬件虚拟化,并通过设计空间探索选定最优配置,在极小的面积和功耗开销下实现了平均12.5%的性能提升。
2023-08-04 cs.AR
CodeAPeel: An Integrated and Layered Learning Technology For Computer Architecture Courses
本文介绍了一种通用的,多层次的技术,以帮助支持教学和学习核心计算机体系结构的概念。这种称为CodeAPeel的技术已经以一种特定的形式实现,通过全面模拟其提取-解码-执行周期以及其CPU寄存器、RAM、VRAM、STACK存储器、各种控制寄存器和图形屏幕的行为,来描述通用指令集体系结构的编译器、汇编和机器层中的指令处理。与大多数模拟真实处理器(如MIPS或RISC-V)的教学CPU模拟器不同,CodeAPeel被设计和实现为通用RISC指令集架构模拟器,具有标量和矢量指令,以提供Flynn对SISD和SIMD处理器的分类所描述的双模处理器模拟器。操作的矢量化内置在CodeAPeel的指令库中,使得使用强大的矢量指令模拟此类处理器变得简单。
2021-11-29 cs.AR cs.DC
DEER: Deep Runahead for Instruction Prefetching on Modern Mobile Workloads
针对移动负载前端停顿问题,提出软硬件协同设计的指令预取器DEER,通过profile分析提取元数据并利用硬件机制实现深度预取,显著降低L2指令缺失率并提升性能,同时大幅减少片上存储需求。
2025-04-29 cs.AR cs.PF
DeepFlow: A Cross-Stack Pathfinding Framework for Distributed AI Systems
在过去的十年中,机器学习模型的复杂性以惊人的速度增长,训练如此大型模型的系统规模也是如此。然而,在大规模人工智能系统中,硬件利用率低得惊人(5-20%)。低系统利用率是堆栈不同层之间的微小损耗的累积效应,由于工程师设计跨不同行业的不同层之间的脱节而加剧。我们提出了CrossFlow,一个新的框架,使跨层分析的所有方式从技术层到算法层。我们还提出了DeepFlow(使用机器学习技术构建在CrossFlow之上)来自动化设计空间探索和跨堆栈不同层的协同优化。我们已经在真实的商业硬件上通过分布式训练验证了CrossFlow的准确性,并展示了几个DeepFlow案例研究,这些案例研究展示了没有在技术-硬件-软件堆栈中进行优化的陷阱,这可能是最重要的工作负载,在计算堆栈的各个方面推动了大量的开发投资。
2022-11-11 cs.AR
HEROv2: Full-Stack Open-Source Research Platform for Heterogeneous Computing
异构计算机将通用主机处理器与特定于域的加速器集成在一起,以将多功能性与效率和高性能相结合。然而,要实现异构计算机的全部潜力,必须克服许多硬件和软件设计挑战。虽然架构和系统模拟器可以用来分析异构计算机,但它们面临着模拟速度和性能建模精度之间不可避免的妥协。在这项工作中,我们提出了HEROv 2,这是一个基于FPGA的研究平台,可以准确快速地探索由基于32位RISC-V内核集群的加速器和应用级64位ARMv 8或RV 64主机处理器组成的异构计算机。HEROv 2允许在64位主机和32位加速器之间无缝共享数据,并具有完全开源的片上网络,统一的异构编程接口以及基于LLVM的混合数据模型,混合ISA异构编译器。我们在四个案例研究中评估了HEROv 2,从工具链和系统架构的应用程序级别到加速器微架构。我们展示了HEROv 2如何实现异构计算全栈的有效研究和开发。例如,编译器可以平铺循环并推断往返于加速器的数据传输,这导致与原始程序相比加速高达4.4倍,并且在大多数情况下仅比手写实现慢15%,这需要2.6倍的代码。
2022-01-11 cs.AR cs.DC cs.PF
FlashGPU-sim: Enabling GPU Modeling for Modern Architectures and AI Workloads
Chinese University of Hong Kong(香港中文大学);Zhejiang University(浙江大学);Shanghai Jiao Tong University(上海交通大学)
FlashGPU-sim是一个开源、周期精确的GPU模拟器,支持现代架构和AI工作负载,通过建模异步数据移动、张量核心等特性,实现5.24%的MAPE和7.86倍多线程加速。
2026-09-15 cs.AR cs.DC
Methodologies, Workloads, and Tools for Processing-in-Memory: Enabling the Adoption of Data-Centric Architectures
现代应用中数据的日益普及和不断增长的规模已经导致传统的以处理器为中心的计算系统中的高计算成本。在存储器设备之间移动大量数据(例如,DRAM)和计算元件(例如,在现代系统中,跨带宽受限的内存通道的CPU、GPU(图形处理器)可以消耗超过60%的总能量。为了降低这些成本,内存处理(PIM)范式将计算移动到更靠近数据所在的位置,减少(在某些情况下消除)在内存和处理器之间移动数据的需要。PIM有两种主要方法:(1)近存储器处理(PnM),其中PIM逻辑被添加到与存储器相同的管芯或3D堆叠存储器的逻辑层;以及(2)使用存储器处理(PuM),其使用存储单元的操作原理来执行计算。来自学术界和工业界的许多作品已经展示了PnM和PuM对于来自不同领域的各种工作负载的好处。然而,在商业系统中完全采用PIM仍然是非常具有挑战性的,这是由于缺乏跨计算机体系结构栈的PIM体系结构的工具和系统支持,所述计算机体系结构栈包括:(i)针对PIM体系结构的工作负载表征方法和基准测试套件;(ii)可以促进使用底层PIM原语的复杂操作和算法的实现的框架;(iii)编译器支持和针对PIM架构的编译器优化;(iv)对PIM感知虚拟内存、存储管理、数据分配和数据映射的操作系统支持;以及(v)高效的数据一致性和一致性机制。我们在这项工作中的目标是为PnM和PuM架构提供工具和系统支持,旨在简化PIM在当前和未来系统中的采用。
2022-05-31 cs.AR cs.DC cs.PF
A Highly Configurable Hardware/Software Stack for DNN Inference Acceleration
Intel Labs(英特尔实验室)
这项工作的重点是为特定领域的加速器提供一种高效的敏捷设计方法。我们采用功能的垂直开发堆栈的功能增强,并将其应用到TVM/VTA推理加速器。我们增强了VTA设计空间,并为额外的工作负载提供了端到端支持。这是通过增强VTA微体系结构和指令集体系结构(ISA)以及通过增强TVM编译堆栈以支持广泛的VTA编译器来实现的。VTA tsim实现(基于CHISEL)已经通过ALU/GEMM执行单元的完全流水线版本进行了增强。在tsim中,内存宽度现在可以在8-64字节之间变化。字段宽度变得更加灵活,以支持更大的暂存器。添加了新的指令:逐元素的8位乘法以支持dependency卷积,并加载选择的填充值以支持最大池化。还增加了对更多层和更好的双缓冲的支持。完全流水线化的ALU/GEMM有显著的帮助:在默认配置下运行ResNet-18的周期减少4.9倍,面积变化最小。可以实例化以12倍更大的面积为代价进一步减少11.5倍周期计数的配置。图中显示了面积-性能帕累托曲线上的许多点,展示了执行单元大小、内存接口宽度和暂存器大小的平衡。最后,VTA现在能够运行Mobilenet 1.0和ResNets的所有层,包括以前禁用的池和完全连接的层。TVM/VTA体系结构一直以在几分钟内对RTL进行端到端工作负载评估为特色。通过我们的修改,它现在提供了更多的可行配置,具有广泛的成本与性能。所有提到的功能都可以在开源分…
2021-11-29 cs.AR cs.LG
APINT: A Full-Stack Framework for Acceleration of Privacy-Preserving Inference of Transformers based on Garbled Circuits
针对Transformer隐私保护推理中乱码电路延迟瓶颈及现有优化缺乏系统级方案的问题,提出全栈框架APINT,通过协议优化、适配电路生成、网表调度及软硬件协同,实现显著的延迟与能耗降低。
2025-02-24 cs.AR cs.CR