MétaCan
Menu
Retour à la cohorte
Enregistrement W1842313047 · doi:10.1109/iwsoc.2004.18

A step towards intelligent translation from high-level design to RTL

2004· article· en· W1842313047 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE International Workshop on System-on-Chip for Real-Time Applications · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer sciencesortCompilerHigh-level synthesisProgramming languageMerge (version control)Field-programmable gate arraySoftwareIntermediate languageComputer architectureHigh-level programming languageParallel computingEmbedded systemDatabase

Résumé

récupéré en direct d'OpenAlex

Many researches have progressed to elaborate high level languages for system design. Nevertheless automatic refinement from high level to RTL can still not be automated and if designers can now specify their system at a high level, they are still forced to manually implement its RTL representation or use IP. We have developed an intermediate level language based on the representation of ASM charts with extensions such as user defined operators, communication channels, generic calls and recursivity but near the RTL level. This paper describes our compiler and presents our latest compilation results: the recursive Towers of Hanoi algorithm, various sort algorithms (included quick sort) and a mix of heap and merge sorts to implement fast parallel sort. These algorithms have been automatically synthesized in a FPGA and offer one to three orders of magnitude improvement compared to a pure software implementation for NoC. The tool is easily accessible to software or hardware designers and people from both communities will appreciate its high-level and cycle accurate approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,312
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle