OpenROAD项目中宏模块引脚访问问题的分析与解决
2025-07-06 04:13:08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
kernelopenEuler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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
65
19
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
19
30