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
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 StartedRust0214
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 Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
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
热门内容推荐
项目优选
收起
deepin linux kernel
C
32
16
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
469
465
暂无描述
Dockerfile
778
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
877
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677