MétaCan
Menu
Retour à la cohorte
Enregistrement W2593282265 · doi:10.1109/mwscas.2016.7869975

Experimental evaluation and comparison of time-multiplexed multi-FPGA routing architectures

2016· article· en· W2593282265 sur OpenAlexaff
Asmeen Kashif, Mohammed Khalid

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVLSI and FPGA Design Techniques
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésField-programmable gate arrayComputer scienceMultiplexingBenchmark (surveying)Routing (electronic design automation)Electronic circuitLogic synthesisTime-division multiplexingLogic gateParallel computingEmbedded systemComputer hardwareAlgorithmEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Multi-FPGA systems (MFS) are indispensable for emulating multi-million gates integrated circuits (ICs) for the purpose of functional design verification before IC fabrication. However, with every new generation of FPGAs, the ratio between the logic capacity and the number of inputs and outputs is also increasing. Consequently, the limited FPGA input/output (I/O) pins impose a constraint when the number of inter-FPGA nets greatly exceeds the inter-FPGA physical tracks. This problem is addressed by serializing multiple cut nets using time multiplexing technique. Besides I/O resources, routing architecture also exercises a strong effect on the cost, speed and routability of MFS. In this paper, we compare the achieved system performance in two routing architectures: Completely Connected Graph (CCG) and Torus, when time multiplexing is employed. Six benchmark circuits have been partitioned such that per FPGA logic utilization is upto 60%. However, even with such reasonable logic consumption, the required I/O usage is observed to be 5-11 times more than the available I/O pins, thus employing time multiplexing. Experimental results show that CCG achieves higher performance as compared to Torus for the given range of TDM ratios. However, Torus can provide better cost/performance ratio for higher TDM ratios.

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.

Comment cette classification a été obtenuedéplier

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,316
Écart entre enseignants0,279 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVLSI and FPGA Design TechniquesTravaux en français237 207