CIRCT项目firtool-1.118.0版本发布:硬件编译器工具链的重要更新
CIRCT(Circuit IR Compilers and Tools)项目是一个开源的硬件编译器基础设施,旨在为芯片设计提供现代化的编译器技术。作为LLVM生态系统的一部分,CIRCT项目专注于将编译器技术应用于硬件设计领域,为硬件描述语言(如Chisel、FIRRTL等)提供高效的编译和优化工具链。
本次发布的firtool-1.118.0版本带来了多项重要改进和功能增强,主要集中在FIRRTL编译器、ESI(Elastic Silicon Interfaces)系统互连、RTG(Register Transfer Generator)寄存器传输生成器等方面。这些更新不仅提升了工具链的功能性,也改善了用户体验和编译效率。
FIRRTL编译器增强
新版本在FIRRTL编译器方面进行了多项改进。首先,编译器现在会为每个公共模块生成绑定文件,这一特性使得模块间的连接关系更加清晰,便于设计验证和调试。其次,优化了目录处理逻辑,在包含层文件时会自动去除目录路径,简化了文件管理流程。
在寄存器实现方面,新版本移除了组合寄存器CE(时钟使能)端口前冗余的使能多路复用器,这一优化减少了不必要的硬件逻辑,提高了生成电路的质量和效率。
ESI系统互连改进
ESI(Elastic Silicon Interfaces)子系统在本版本中获得了显著增强。新增了Telemetry v0功能,为系统提供了基本的遥测能力,有助于设计者更好地监控和分析互连性能。同时,ESI的汇编格式也进行了调整,采用了更标准的格式,提高了与其他工具的兼容性。
RTG寄存器传输生成器功能扩展
RTG(Register Transfer Generator)在本版本中获得了多项新功能。新增了Comment操作,允许设计者在生成代码中插入注释,提高了代码的可读性和可维护性。同时引入了MemoryBlock类型和声明操作,为内存块建模提供了更丰富的支持。
内存相关功能也得到增强,新增了内存类型和相关操作,使得内存建模更加灵活和精确。此外,还引入了any_context属性,为上下文处理提供了更多可能性。
数学运算到Calyx的转换
在高级综合方面,新版本将数学运算集成到了circt-opt流程中,特别是实现了math.sqrt(平方根运算)到Calyx的转换。这一功能扩展了硬件设计中对数学运算的支持,为算法硬件实现提供了更多便利。
仿真与综合优化
在仿真与综合的交互方面,新版本改进了SimToSV转换过程,确保在非综合块(!SYNTHESIS)下保持plusargs的非综合特性。这一改进使得仿真环境和综合环境的边界更加清晰,避免了潜在的混淆问题。
工具链优化
在工具链本身方面,移除了arcilator中的JIT运行时库,简化了工具依赖。PyRTG也进行了多项改进,包括增加了对上下文的支持,并进行了重构以便于下游集成。
总结
CIRCT项目firtool-1.118.0版本的发布,标志着硬件编译器工具链的又一次重要进步。从FIRRTL编译优化到ESI互连增强,从RTG功能扩展到数学运算支持,这一版本在多方面提升了硬件设计编译的效率和能力。这些改进不仅为现有的硬件设计流程提供了更强大的工具支持,也为未来更复杂的硬件编译需求奠定了基础。
对于使用CIRCT工具链的硬件设计者来说,升级到这一版本将能够体验到更流畅的编译过程、更优化的硬件生成结果以及更丰富的功能支持。随着硬件设计复杂度的不断提高,CIRCT项目持续演进的工具链将继续为硬件开发者提供强有力的支持。
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 StartedRust0202
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