OpenROAD项目中宏模块引脚访问问题的分析与解决
2025-07-06 07:41:42作者:霍妲思
问题背景
在OpenROAD项目的使用过程中,开发人员遇到了一个关于宏模块引脚访问的问题。具体表现为在进行全局布线(global route)阶段时,工具报告了"DRT-0073 No access point for lb_32x128_inst/R0_addr[0]"的错误,指出无法为宏模块的某些引脚找到访问点。
问题现象分析
当设计流程运行到全局布线阶段时,工具会报告多个警告信息,指出宏模块的多个输入引脚(如R0_addr[0]到R0_addr[4]以及R0_clk等)在布线网格上没有对应的引脚。最终导致工具无法为这些引脚创建访问点,从而终止流程。
通过检查设计数据库发现,这些引脚的物理几何形状在LEF文件中没有被正确定义。虽然在IO布局阶段可以看到引脚被正确分配到了芯片边缘的特定区域,但在最终的宏模块LEF描述中,除了电源和地引脚外,其他功能引脚都缺少了实际的几何形状定义。
根本原因探究
深入分析后发现,问题的根源在于抽象LEF文件的生成过程。在OpenROAD流程中,write_abstract_lef命令被调用了两次:
- 第一次是在时钟树综合(CTS)之后,基于floorplan阶段的数据库生成抽象LEF
- 第二次是在流程最后,基于最终布局布线结果生成抽象LEF
关键问题在于:
- 第一次生成的LEF被放在了"mocked"目录下
- 第二次生成的LEF被放在了"base"目录下
- 但在顶层设计流程中,工具错误地引用了"mocked"目录下的不完整LEF文件
解决方案
经过技术团队分析,确认这是由于流程配置不当导致的。在早期版本的OpenROAD流程中,确实支持从floorplan阶段生成抽象的宏模块LEF用于快速原型设计和宏布局验证。但随着流程演进,这种用法已不再被默认支持。
开发团队采取了以下措施解决该问题:
- 修改构建系统配置,确保正确引用完整流程生成的LEF文件
- 在工具中添加明确的错误提示,当用户尝试从floorplan阶段生成抽象LEF时给出明确警告
- 更新文档说明,明确抽象LEF生成的最佳实践
经验总结
这个案例为使用OpenROAD进行芯片设计的工程师提供了几个重要启示:
- 抽象视图生成是复杂流程,需要确保使用正确的输入数据阶段
- 构建系统的目录结构和文件引用需要仔细验证
- 工具警告信息应被认真对待,它们往往是更深层次问题的前兆
- 对于宏模块设计,引脚物理信息的完整性验证应在早期阶段进行
通过这次问题的解决,OpenROAD工具链在宏模块处理方面的健壮性得到了进一步提升,也为用户提供了更清晰的工作流程指导。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
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++
654
282
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (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
1.13 K
631
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
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100