Chisel项目中SInt类型常量生成错误IR的问题分析
2025-06-14 11:52:22作者:秋泉律Samson
问题背景
在Chisel项目(一个用于硬件设计的Scala嵌入式领域特定语言)中,发现了一个关于有符号整数(SInt)类型常量生成中间表示(IR)时出现错误的问题。具体表现为当处理较大位宽或带符号的常量时,生成的FIRRTL代码与预期不符。
问题现象
在HardFloat库的primitives.scala文件中,存在如下代码:
val shift = (BigInt(-1)<<numInVals.toInt).S>>in
预期生成的FIRRTL代码应为:
node roundMask_shift = dshr(asSInt(UInt<65>(0h10000000000000000)), roundMask_lsbs_2)
但实际生成的代码却是:
node roundMask_shift = dshr(SInt<65>(0), roundMask_lsbs_2)
问题根源分析
经过深入分析,发现该问题主要由两个因素导致:
-
MLIR常量构造限制:
- 当前实现使用
mlirIntegerAttrGet函数构造MLIR中的常量 - 该C-API仅接受
int64_t类型的值参数 - 当处理65位宽的值时会发生溢出,导致值变为0
- 当前实现使用
-
负值UInt处理问题:
- 在UInt类型字面量中出现负号可能导致问题
- 例如以下三种情况:
val shift_s_zero = (BigInt(0)).S >> in val shift_s_neg1 = (BigInt(-1)).S >> in val shift_s_pos1 = (BigInt(1)).S >> in - 预期输出应为:
node shift_zero = dshr(asSInt(UInt<1>(0h0)), in) node shift_neg1 = dshr(asSInt(UInt<1>(0h1)), in) node shift_pos1 = dshr(asSInt(UInt<2>(0h1)), in) - 但实际生成:
node shift_zero = dshr(asSInt(UInt<1>(0)), in) node shift_neg1 = dshr(asSInt(UInt<1>(-1)), in) node shift_pos1 = dshr(asSInt(UInt<2>(1)), in)
解决方案
针对上述问题,开发团队采取了以下措施:
-
上游修复:
- 在LLVM/CIRCT项目中提交了PR #6893,为MLIR整数属性添加了变通方案
- 解决了大位宽值溢出问题
-
符号处理优化:
- 对于UInt类型的负值字面量,采用获取绝对值的方式
- 确保生成的FIRRTL代码格式一致性和正确性
技术影响
该修复确保了:
- 大位宽常量的正确处理
- 带符号常量到无符号类型的正确转换
- FIRRTL代码生成的准确性和一致性
对于硬件设计者而言,这意味着在使用SInt类型进行位操作和大数值处理时,可以确保生成的硬件描述代码与预期一致,避免潜在的硬件实现错误。
总结
Chisel项目中发现的这个SInt类型IR生成问题,展示了硬件设计语言中类型系统和中间表示生成的重要性。通过深入分析问题根源并实施针对性修复,不仅解决了当前的具体问题,也为类似情况提供了参考解决方案。这体现了开源硬件设计工具链不断完善的过程,以及对代码质量严格要求的开发理念。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781