片上网络IP核的映射及优化方法研究
批准号:
61771494
项目类别:
面上项目
资助金额:
67.0 万元
负责人:
黄以华
依托单位:
学科分类:
电路与系统
结题年份:
2021
批准年份:
2017
项目状态:
已结题
项目参与者:
黄文津、吴黄涛、杨沐晖、贺广淋、江进潮、黄阳欣、曾泽丰、陈锐、赵翔
中文摘要
IP核映射是片上网络(NoC)设计过程中的关键环节,其结果对芯片的成本、性能、功耗等关键技术指标均有重大影响。片上网络IP映射问题的核心问题是映射算法的研究与优化。本项目拟结合特定的芯片设计,对NoC的拓扑结构进行研究及数学建模,对映射算法、映射约束条件以及衡量映射结果好坏的目标函数进行数学描述,解决如何针对特定的芯片设计需求,确定NoC架构以及得到其最优化映射算法的问题,建立对映射结果的评价与分析的系统,并在此基础上进行相关的NoC研发设计工作。
英文摘要
IP core mapping is the key step of the Network-on-chip (NoC) design, which can greatly impact the cost, performance and power consumption of IC. The core of the NoC IP core mapping problem is to establish and optimize the mapping algorithm. In this proposal, based on the IC needed to be designed, the topology and related mathematical models of the NoC are going to be investigated, the mathematical expressions of the mapping algorithms, the restrictive conditions and the object functions to judge the mapping result are going to be established. Based on these works, the method for finding the optimized mapping algorithm of a certain NoC can be found, the judging and analyzing system of the mapping effects can be obtained, the related NoC will also be researched and developed.
IP核映射问题是片上网络设计中的关键步骤。IP核映射问题本质是一个NP难问题。因为IP核映射优化结果直接影响着NoC网络的性能,因此本项目课题组对IP核映射问题的建模方法和求解方法展开了研究。首先,本项目课题组利用基于神经网络的概率模型(MPN网络和MAN网络)来建模IP核映射问题,并利用强化学习来训练模型参数使得该模型能够容易扩展到建模不同NoC拓扑结构和优化目标的IP核映射问题。训练后的概率模型能够估计最优解在概率分布。第二,本项目课题组提出了一系列的映射算法。提出了神经映射算法,通过采样MPN神经网络实现全局搜索,再通过2-opt算法实现局部搜索。与经典IP核映射算法NMAP算法相比平均减少7.90%通信代价。此外,本项目课题组提出了一个IP映射框架,该框架通过采样概率模型来生成初始种群,再利用启发式算法搜索近似最优解,并提出了MPN-GA算法和MPN-PSMAP算法来作为映射框架的具体应用实例。仿真结果表明,MPN-GA算法相比遗传算法平均减少了9.32%的通信代价。MPN-PSMAP算法相比PSMAP算法平均减少了8.37%的通信代价。第三,本项目课题组还提出了基于可学习模型的遗传算法。该方法引入了可学习模型和新的混合模型和遗传算法的策略。相比遗传算法,基于可学习模型的遗传算法在通信功耗和平均通信时延上分别平均节省了13.23%和12.45%。总之,本项目课题组对IP核映射问题开了较为深入的研究,提出了有效的建模和求解IP核映射问题的方法,相关研究工作,对于提升芯片整体性能具有积极的作用。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
登录
查看更多内容
A Tag Based Random Order Vector Reduction Circuit
基于标签的随机顺序向量约简电路
DOI:
10.1109/access.2020.2976764
发表时间:
2020
期刊:
IEEE Access
影响因子:
3.9
作者:
[Huang Yihua, Huang Wenjin, Chen Rui, Wu Huangtao, Wei Ming]
通讯作者:
Wei Ming
FPGA-Based High-Throughput CNN Hardware Accelerator With High Computing Resource Utilization Ratio
基于 FPGA 的_高吞吐量_CNN_硬件_加速器_With_高_计算_资源_利用率_比率
DOI:
10.1109/tnnls.2021.3055814
发表时间:
2021-02-12
期刊:
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
影响因子:
10.4
作者:
[Huang, Wenjin, Wu, Huangtao, Huang, Yihua]
通讯作者:
Huang, Yihua
Implementation and Area Optimization of LUT6 Based Convolution Structure on FPGA
基于LUT6的卷积结构在FPGA上的实现和面积优化
DOI:
10.1587/transfun.e102.a.1813
发表时间:
2019-12
期刊:
IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences
影响因子:
--
作者:
[Wu Huangtao, Huang Wenjin, Chen Rui, Huang Yihua]
通讯作者:
Huang Yihua
A_Reinforcement_Learning-Based_Framework_for_Solving_the_IP_Mapping_Problem
用于解决 IP 映射问题的基于强化学习的框架
DOI:
--
发表时间:
2021
期刊:
IEEE Transactions on Very Large Scale Integration (VLSI) Systems
影响因子:
2.8
作者:
[Qingkun Chen, Wenjin Huang, Yuze Peng, Yihua Huang]
通讯作者:
Yihua Huang
An_IP_Core_Mapping_Algorithm_Based_on_Neural_Networks
An_IP_Core_Mapping_Algorithm_Based_on_Neural_Networks
DOI:
10.1109/tvlsi.2020.3033658
发表时间:
2021
期刊:
IEEE TRANSACTIONS ON VERY LARGE SCALE INTEGRATION (VLSI) SYSTEMS, VOL. 29, NO. 1, JANUARY 2021
影响因子:
--
作者:
[Qingkun Chen, Wenjin Huang, Yuanhsan Zhang, Yihua Huang]
通讯作者:
Yihua Huang
数据流驱动的面向FPGA集群的混合计算粒度DCNN加速器设计理论、优化方法与关键技术研究
-
批准号:--
-
项目类别:省市级项目
-
资助金额:15.0万元
-
批准年份:2024
-
负责人:黄以华
-
依托单位:
基于FPGA的图神经网络加速器系统设计理论、优化方法及关键技术研究
-
批准号:--
-
项目类别:面上项目
-
资助金额:55万元
-
批准年份:2022
-
负责人:黄以华
-
依托单位:
压电俘能系统基础理论与关键技术研究
-
批准号:61471403
-
项目类别:面上项目
-
资助金额:98.0万元
-
批准年份:2014
-
负责人:黄以华
-
依托单位:
低频大功率弯曲振动压电变压器若干关键理论问题研究
-
批准号:61172025
-
项目类别:面上项目
-
资助金额:65.0万元
-
批准年份:2011
-
负责人:黄以华
-
依托单位:
大功率径向振动压电变压器设计理论与方法研究
-
批准号:60871059
-
项目类别:面上项目
-
资助金额:32.0万元
-
批准年份:2008
-
负责人:黄以华
-
依托单位:
国内基金
海外基金