MétaCan
Menu
Retour à la cohorte
Enregistrement W7117486568 · doi:10.36227/techrxiv.176703991.13638729/v1

In-Situ Timing Diagnosis of PDN and Configuration-Upset-Induced Routing Delay Degradation in SRAM-based FPGAs

2025· article· W7117486568 sur OpenAlexfundno aff
Mostafa Darvishi

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueLow-power high-performance VLSI design
Établissements canadiensnon disponible
Organismes subventionnairesCMC Microsystems
Mots-clésDegradation (telecommunications)Routing (electronic design automation)Field-programmable gate arrayMultipath routingStatic timing analysisNetwork routing

Résumé

récupéré en direct d'OpenAlex

Timing degradation in SRAM-based FPGAs arises from multiple physical mechanisms that manifest differently in the routing fabric, most notably power-distribution-network (PDN) marginality and configuration-induced routing perturbations. While existing in-situ timing monitors can detect delay shifts, they typically provide limited insight into the physical origin, spatial structure, or statistical characteristics of the degradation. This paper presents a scalable in-situ timing diagnosis architecture that enables fine-grained, routing-aware characterization of timing behavior directly within the FPGA fabric during normal operation. The proposed approach combines non-intrusive delay taps placed at routing switch-matrix boundaries with distributed phase-swept delay monitoring elements and centralized statistical analysis. By extracting probabilistic delay distributions rather than binary timing margins, the framework captures both mean delay shifts and timing variability across spatially distributed routing locations. Experimental results obtained on a modern SRAM-based FPGA show that PDN-induced timing degradation produces globally correlated delay shifts with minimal change in variance, whereas routing-induced perturbations exhibit localized, topology-dependent delay growth and increased timing dispersion. Spatial correlation analysis and two-dimensional correlation heatmaps further reveal distinct signatures that enable systematic differentiation between these mechanisms. The presented architecture operates concurrently with an active user design and does not require external instrumentation, radiation sources, or design modification. These results establish a practical foundation for in-situ timing diagnosis, reliability assessment, and architecture-aware timing management in large FPGA-based systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLow-power high-performance VLSI designTravaux en français237 207