CIRCT项目firtool-1.104.0版本发布:硬件编译工具链的重要更新
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件设计工具链项目,它基于MLIR框架构建,旨在为硬件设计提供现代化的编译器基础设施。该项目由LLVM社区支持,专注于将高级硬件描述语言转换为可综合的RTL代码,并优化中间表示(IR)。
本次发布的firtool-1.104.0版本带来了多项重要改进和新功能,主要集中在FIRRTL(Flexible Intermediate Representation for RTL)编译流程、ESI(Embedded System Integration)基础设施、RTG(Register Transfer Generator)测试框架以及验证相关功能的增强。下面我们将详细解析这次更新的技术亮点。
FIRRTL编译流程的改进
在FIRRTL编译方面,本次更新有几个值得关注的优化:
-
内存银行配置的灵活性增强:现在支持通过属性为操作指定细粒度的内存银行配置,这使得内存分区策略可以更加精确地控制。开发者可以为特定内存操作附加属性来定义其银行维度,而不必全局统一设置。
-
XMR(跨模块引用)处理的完善:LowerXMR过程现在会处理所有模块,确保跨模块引用的解析更加全面和可靠。这一改进减少了因XMR处理不完整而导致的潜在问题。
-
初始化逻辑优化:在SCFToCalyx转换过程中,移除了冗余的
init_xxx_instance调用,简化了生成的代码结构,提高了编译效率。 -
IMCP(Inter-Module Constant Propagation)增强:对于包含未知符号使用的模块端口,现在会进行过定义处理,提高了常量传播的鲁棒性。
ESI基础设施的显著增强
嵌入式系统集成(ESI)部分迎来了多项重要更新:
-
主机内存写入路径的齿轮箱支持:为hostmem写入路径添加了齿轮箱(gearbox)功能,使得不同时钟域之间的数据传输更加可靠。
-
多客户端写入复用:hostmem现在支持多个写入客户端的复用,提高了系统资源的利用率。
-
字节使能支持:在cosim hostmem中增加了字节使能功能,使得内存访问控制更加精细。
-
XRT BSP支持:新增了对Xilinx运行时(XRT)板级支持包(BSP)的主机内存写入功能,扩展了硬件加速平台的兼容性。
验证功能的扩展
验证相关功能得到了显著增强:
-
合约(Contract)支持:新增了LowerContractsPass和StripContractsPass,前者将verif.contract操作转换为对应的断言逻辑,后者则提供移除合约的选项。ExportVerilog现在将verif.contract视为无操作(no-op),保持向后兼容。
-
形式验证文档完善:增加了关于circt-bmc使用的详细说明,帮助开发者更好地利用有界模型检查工具进行硬件验证。
RTG测试框架的多项改进
寄存器传输生成器(RTG)测试框架迎来了大量更新:
-
指令集增强:新增了多种指令支持,包括分支指令、算术指令和存储指令,丰富了测试用例的表达能力。
-
寄存器分配:引入了简单的线性扫描寄存器分配算法,提高了生成代码的质量。
-
标签支持:在ISA汇编发射和精化过程中增加了对标签的支持,使得控制流更加清晰。
-
立即数表示:改进了立即数的表示方法,增强了指令的灵活性。
-
寄存器类型扩展:精化过程现在支持固定寄存器和虚拟寄存器,提供了更灵活的寄存器分配策略。
其他重要改进
-
随机化内存初始化:为生成的内存添加了随机初始化逻辑,提高了测试的覆盖率和可靠性。
-
方言清理:新增了移除OM和Emit方言操作的pass,帮助简化最终的输出代码。
-
LLHD优化:在初始化'dontCare'表之前添加了maxPrimitives检查,避免了潜在的错误。
技术影响与展望
firtool-1.104.0版本的发布标志着CIRCT项目在硬件编译工具链领域的持续进步。特别是ESI基础设施的增强,为异构计算和硬件加速提供了更加完善的解决方案。验证功能的扩展也显示出项目对硬件正确性的高度重视。
RTG测试框架的改进使得硬件设计验证更加便捷,而FIRRTL编译流程的优化则进一步提高了生成代码的质量和编译效率。这些更新共同推动着CIRCT向成为工业级硬件编译工具链的目标迈进。
对于硬件开发者而言,这个版本提供了更多工具来应对复杂的设计挑战,特别是在涉及多时钟域、验证和测试等方面。随着这些功能的成熟,CIRCT有望在FPGA和ASIC设计流程中扮演更加重要的角色。
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 StartedRust0199
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