SpinalHDL中形式验证与Yosys版本兼容性问题分析
问题背景
在数字电路设计领域,形式验证是保证设计正确性的重要手段。SpinalHDL作为一款优秀的硬件描述语言框架,集成了形式验证功能。近期有开发者反馈,在使用新版本Yosys工具链时,原有的形式验证流程出现了兼容性问题。
问题现象
当用户升级到最新版本的oss-cad-suite后,形式验证开始报错,错误信息显示:
ERROR: $check cell $cover$anon.sv:42$9 with TRG_WIDTH > 1 is not support by async2sync, use clk2fflogic.
这个错误出现在使用Stream接口和past函数的简单验证场景中。示例代码如下:
object Formal extends App {
FormalConfig.withDebug
.withBMC(40)
.withProve(40)
.withCover(40)
.doVerify(
new Component {
val a = Stream(UInt(1 bit))
val r = Stream(UInt(1 bit))
r << a
cover(
a.fire && r.fire && past(
a.fire && r.fire && past(a.fire && r.fire && pastValid())
)
)
}
)
}
技术分析
根本原因
问题源于Yosys 0.37到0.38版本间的重大变更。新版本对异步逻辑的处理更加严格,特别是对$check单元的支持发生了变化:
- 新版本Yosys会检测设计中的异步逻辑
- 当发现异步复位逻辑与cover等验证代码结合时,会生成$check语句
- 这些$check语句在RTLIL中间表示中与旧版本行为不同
- 异步逻辑现在需要显式声明多时钟模式
解决方案探讨
经过技术分析,我们提出了几种可能的解决方案:
-
强制启用多时钟模式
通过添加withAsync配置可以解决部分问题,但这会导致验证代码膨胀,因为需要将全局时钟与其他时钟对齐。 -
修改验证代码生成方式
确保生成的Verilog代码完全同步化,避免产生异步逻辑。理想情况下,所有验证相关代码都应遵循以下模式:always @(posedge clk) begin // 同步逻辑 end -
版本回退
暂时回退到Yosys 0.33等已知工作正常的版本,作为临时解决方案。 -
增强设计检测
实现更智能的设计分析,自动检测是否需要多时钟模式,但这会增加实现复杂度。
最佳实践建议
基于当前情况,我们推荐以下实践方案:
-
明确时钟域设计
在设计验证模块时,明确指定时钟域关系,使用<-<而非<<操作符来建立明确的时序关系。 -
同步验证代码
重构验证代码,确保所有时序检查都在同步上下文中完成,避免隐含的异步逻辑。 -
版本控制
在项目中使用经过验证的Yosys版本组合,避免盲目升级工具链。 -
验证配置
在不确定的情况下,默认启用多时钟模式配置:FormalConfig.withDebug.withAsync
未来改进方向
从框架设计角度,我们考虑以下长期改进:
-
自动时钟域分析
实现设计时钟域的自动检测,智能决定是否启用多时钟模式。 -
验证原语增强
提供更明确的同步/异步验证原语,如assume(xxx).alwaysOn语法。 -
版本适配层
针对不同Yosys版本实现适配层,保持验证代码的兼容性。
结论
形式验证是保证设计质量的重要环节,工具链的升级可能带来兼容性挑战。通过理解Yosys内部机制的变化,我们可以调整验证策略和代码风格,确保验证流程的稳定性。建议开发者在升级工具链时充分测试验证流程,并在必要时采用本文推荐的解决方案。
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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07