Parallel FPGA Routing with On-the-Fly Net Decomposition
Notice bibliographique
Résumé
A high-quality routing algorithm is crucial to achieving high-speed FPGA designs, and it is one of the most timeconsuming steps in the FPGA CAD flow. Using multiple CPUs is one way to reduce route time. However, exploiting parallelism on the most performant algorithms incorporating negotiated congestion, directed searches, and incremental approaches has been challenging. We introduce two parallel routers extending the state-of-the-art PathFinder-based AIR router in VPR 8. The first is the baseline parallel router, based on the widely applied technique of recursively bi-partitioning the physical FPGA so nonoverlapping nets can be routed in parallel; however, scalability is limited by nets (often high-fanout) spanning large chip areas. The second router enhances the baseline by applying a new net decomposition method to enable fragments of nets to be routed in parallel for better scalability. For intra-cluster routing, Titan benchmarks, and eight threads, we obtain a speedup of 2.14× with the baseline and 2.38× with the net-decomposing router, compared to the latest VPR 8+ sequential router. On flat (singlestep) routing, the net-decomposing router achieves a speedup of 2.15× with eight threads. The routers are deterministic and serially equivalent, achieving wire length and critical path delay comparable to the sequential algorithm. The routers are being integrated into the open-source VTR framework, enabling the research community to build on this work.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».