Verilator项目中解包数组的约束随机化支持实现解析
2025-06-28 12:00:57作者:劳婵绚Shirley
在数字验证领域,约束随机验证(CRV)是现代验证方法学的重要组成部分。Verilator作为一款开源的硬件仿真工具,近期在其约束随机化功能上取得了重要进展——实现了对解包数组(unpacked arrays)的约束随机化支持。本文将深入解析这一技术实现的原理与关键点。
技术背景
传统上,Verilator已经支持对打包数组(packed arrays)的约束随机化,这主要通过astsel emitSMT()功能实现。然而,解包数组的处理需要不同的技术路线,因为:
- 解包数组在内存中不是连续存储的
- 需要将其视为数组数据类型而非简单的位向量
- 为后续动态数组支持奠定基础
实现方案
实现团队采用了SMT-LIB2中的QF_ABV逻辑,该逻辑原生支持数组操作,提供了两个关键原语:
- select:数组读取操作
- store:数组写入操作
通过修改ConstraintVisitor和verilated_random.cpp,团队成功构建了正确的约束表达式并发送给SMT求解器。典型的约束表达式示例如下:
(assert (= #b1 (__Vbv (= (select unpacked_array #x00000000) #x00000007))))
(assert (= #b1 (__Vbv (= (select unpacked_array #x00000001) #x00000008))))
关键技术挑战
主要的实现挑战出现在结果解析阶段。当SMT求解器返回类似如下的解时:
((unpacked_array (store ((as const (Array (_ BitVec 32) (_ BitVec 32))) #x00000007)
#x00000001
#x00000008)))
需要将这些结果正确映射回Verilator的变量系统中。解决方案参考了Verilator内部的两个关键机制:
- VL_READMEM_N的内存读取机制
- verilated_vpi.cpp中的vpi_handle_by_index索引处理
未来扩展
这一实现为Verilator支持更复杂的数据结构奠定了基础:
- 队列(queues)支持:与解包数组类似的处理方式
- 动态数组:共享相同的底层技术架构
- 更复杂的数组约束:如数组间关系约束等
技术意义
这一改进使得Verilator在以下方面得到提升:
- 验证能力:支持更复杂的验证场景
- 兼容性:更好地支持SystemVerilog标准
- 性能:针对数组类型的专门优化
该功能的实现标志着Verilator在约束随机验证能力上的重要进步,为硬件验证工程师提供了更强大的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust091- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
695
4.49 K
Ascend Extension for PyTorch
Python
559
684
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
956
941
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
489
89
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
334
昇腾LLM分布式训练框架
Python
148
176
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
936
Oohos_react_native
React Native鸿蒙化仓库
C++
338
387
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
139
220
暂无简介
Dart
940
236