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。
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