CIRCT项目firtool-1.101.0版本发布:硬件编译工具链的重要更新
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件编译工具链项目,旨在为芯片设计提供现代化的编译器基础设施。该项目基于MLIR(多级中间表示)框架,为硬件设计提供了从高级硬件描述语言到低层次实现的完整编译流程。最新发布的firtool-1.101.0版本带来了多项重要改进和新功能,特别是在SMT求解器支持、内存banking优化和硬件验证等方面有显著增强。
SMT求解器功能的扩展
本次更新对SMT(可满足性模理论)求解器支持进行了重要扩展。开发团队增加了对bv2int操作的支持,这是一种将位向量转换为整数的关键操作,在形式化验证中非常有用。同时,SMT位向量宽度的解析方式也得到了改进,现在能够正确处理有符号数的解析,这提高了验证工具的准确性和可靠性。
值得注意的是,1.101.0版本还首次为SMT功能提供了Python绑定支持,这使得开发者可以更方便地在Python环境中集成和使用CIRCT的SMT功能,大大降低了使用门槛。
内存banking优化增强
在硬件设计领域,内存banking是一种常见的内存架构优化技术,它通过将内存划分为多个bank来提高并行访问能力。1.101.0版本对内存banking的支持有了显著提升,特别是增加了对GetGlobalOp操作的内存banking支持。这意味着编译器现在能够更智能地分析和优化全局内存访问模式,为设计带来潜在的性能提升。
硬件验证功能改进
验证是硬件设计流程中至关重要的环节。新版本在验证功能方面做了多项改进:
- 增加了对View Intrinsic的支持,这为硬件设计提供了更灵活的模块视图机制
- 改进了LowerFormalToHW转换过程,避免了贪婪模式匹配可能带来的问题
- 增强了CheckAndConvert功能,为类型检查和转换提供了更稳定的基础
这些改进使得硬件验证流程更加可靠和高效,有助于设计团队更早地发现和修复潜在问题。
控制流转换优化
在控制流处理方面,1.101.0版本对SCF(结构化控制流)到Calyx的转换做了多项优化:
- 改进了scf.if操作的转换处理,特别是对无返回值情况的处理
- 优化了循环中的IR映射初始化逻辑
- 完善了reduce操作的插入位置
- 确保了新创建函数操作的正确终止
这些改进使得从高级控制流描述到具体硬件实现的转换更加准确和高效。
其他重要改进
- ESI(嵌入式系统互连)功能增加了对hostmem写入的支持,提升了协同仿真能力
- 组合逻辑到AIG(与或图)的转换现在支持shl、shru和shrs操作
- 改进了Verilog导入功能,增加了foreach语句支持
- 增强了RTG(寄存器传输级生成)功能,包括序列支持、指令操作接口等
跨平台支持
1.101.0版本继续完善跨平台支持,特别是增强了Windows平台的构建和测试能力,使得Windows开发者能够更方便地使用CIRCT工具链。
总结
CIRCT firtool-1.101.0版本在多个关键领域都有显著进步,特别是在SMT求解、内存优化和验证流程方面。这些改进不仅提升了工具链的功能完整性,也增强了其在复杂硬件设计项目中的实用性。随着Python绑定的加入和跨平台支持的完善,CIRCT正在成为一个更加开放和易用的硬件编译基础设施,为芯片设计自动化提供了强有力的支持。
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 StartedRust0213
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03