OpenROAD项目中sky130hd/ibex设计全局布线拥塞问题分析
问题背景
在OpenROAD项目中使用sky130hd工艺节点实现ibex处理器核心时,遇到了全局布线(GRT)阶段的拥塞问题。具体表现为设计在全局布线阶段报错"Routing congestion too high",并提示用户通过GUI查看拥塞热力图。
问题现象
设计在完成详细布局后进入全局布线阶段时失败,报错信息显示布线拥塞过高。原始设计的HPWL(半周长线长)从575656.7单位增加到588012.3单位,增加了约2%。错误发生在全局布线命令执行过程中,系统提示用户检查GUI中的拥塞热力图。
问题分析
该设计处于全局布线能力的边界状态,拥塞问题主要源于以下几个方面:
-
核心利用率设置:原始设计将CORE_UTILIZATION参数设为45,这个值可能过高,导致布线资源紧张。
-
时钟树综合参数:CTS_CLUSTER_SIZE和CTS_CLUSTER_DIAMETER参数的设置可能影响了时钟网络的分布,间接导致布线拥塞。
-
设计密度:PLACE_DENSITY_LB_ADDON参数设置为0.25,可能使得布局过于紧凑。
解决方案
通过调整以下参数成功解决了布线拥塞问题:
-
降低核心利用率:将CORE_UTILIZATION从45降至43,为布线留出更多空间。
-
优化时钟树综合参数:注释掉CTS_CLUSTER_SIZE和CTS_CLUSTER_DIAMETER的特定值设置,使用工具默认值。
这些调整使得设计能够顺利完成全局布线阶段,同时保持了合理的时序和面积特性。
经验总结
对于接近工具能力边界的设计,建议:
-
适当降低核心利用率,为布线留出余量。
-
谨慎设置时钟树综合参数,过小的簇尺寸和直径可能导致时钟网络过于密集。
-
通过参数调优可以解决许多布线拥塞问题,而无需修改RTL代码。
-
保持构建系统配置的一致性,不同构建系统间的参数差异可能导致不同的结果。
这个问题也体现了OpenROAD工具链在实际应用中对设计参数的敏感性,合理的参数设置对设计成功实现至关重要。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01