Yosys优化过程中DFF常量输入未被替换的问题分析
2025-06-18 17:50:25作者:段琳惟
问题背景
在使用Yosys 0.34+43版本对基于sky130工艺的RV32I CPU核心进行综合时,发现一个关于时序逻辑优化的特殊现象。设计中有三个DFF(D触发器)的输入端口被固定为1'h0,理论上这些DFF可以被优化为常量驱动,但在实际综合流程中它们被保留了下来。
问题现象分析
在标准综合流程中,Yosys通常能够识别并优化具有常量输入的时序元件。具体到本案例:
- 设计中有三个sky130_fd_sc_hd__dfxtp_1类型的DFF,其输入被固定为逻辑0
- ABC优化阶段确实产生了三个_const0_单元,表明优化器识别到了这些常量条件
- 但最终的网表中这些DFF仍然保留,未被替换为常量驱动
技术原理探究
经过深入分析,发现问题根源在于Yosys优化流程的顺序问题:
-
DFF映射时机不当:在调用dfflibmap将内部DFF映射到工艺库单元后,后续的opt_dff优化步骤无法识别这些工艺特定的DFF单元类型,导致优化机会被错过
-
ABC优化特性:ABC工具虽然能进行常量传播,但它主要关注组合逻辑优化,对时序元件的优化能力有限
解决方案
通过调整优化流程顺序,可以解决这个问题:
- 先进行ABC优化:在映射到工艺DFF之前,先使用ABC对内部通用DFF进行优化
- 后执行DFF映射:在组合逻辑优化完成后再将DFF映射到工艺库单元
- 增加优化步骤:在关键节点插入额外的优化命令确保充分优化
优化后的脚本关键部分如下:
# 初始读取和层次化处理
read_liberty -lib sky130_fd_sc_hd__tt_025C_1v80.lib
read_verilog riscv_pipelined_Final.v
hierarchy -check -top riscv_core
# 综合和初步优化
synth -top riscv_core -flatten
opt
stat
# 在映射前进行ABC优化
abc
opt
opt_clean -purge
stat
# 最后进行DFF工艺映射
dfflibmap -liberty sky130_fd_sc_hd__tt_025C_1v80.lib
# 最终优化和输出
abc -liberty sky130_fd_sc_hd__tt_025C_1v80.lib -script +strash;scorr;ifraig;retime,{D};strash;dch,-f;map,-M,1,{D}
setundef -undriven -init -zero
opt
opt_clean -purge
rename -enumerate
stat
write_verilog -noattr riscv_pipelined_Final_netlist.v
相关技巧:防止特定代码被优化
在硬件设计中,有时需要保留特定的结构不被优化。Yosys提供了(* keep *)属性来实现这一目的:
(* keep *)
wire [31:0] instrs [0:12-1];
assign instrs[0] = {7'b0000000, 5'd0, 5'd0, 3'b000, 5'd10, 7'b0110011};
// 其他赋值语句...
需要注意:
keep属性作用于特定的信号声明,而非代码块- 它保证信号本身不被优化掉,但输入逻辑仍可能被优化
- 对于需要完全保留的电路结构,需要对所有相关信号添加该属性
总结
本文分析了Yosys在优化具有常量输入的DFF时遇到的问题,并提供了解决方案。关键在于理解工具优化流程的顺序敏感性,以及如何通过调整命令顺序来获得最佳优化效果。同时介绍了使用keep属性保护特定设计结构的方法,为复杂数字电路的综合提供了实用技巧。
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
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