CIRCT项目firtool工具1.111.1版本发布:FIRRTL编译器新特性解析
CIRCT(Circuit IR Compilers and Tools)是一个开源的硬件设计工具链项目,旨在为芯片设计提供现代化的编译器基础设施。作为该项目的重要组成部分,firtool是一个专门用于处理FIRRTL(Flexible Intermediate Representation for RTL)的编译器工具。FIRRTL是一种硬件描述语言的中间表示形式,在数字电路设计流程中扮演着关键角色。
最新发布的firtool 1.111.1版本带来了一系列重要更新和改进,主要集中在FIRRTL语言支持、LLHD模拟器优化以及Calyx中间表示处理等方面。这些改进不仅提升了工具的功能性,也增强了其在复杂硬件设计场景下的表现。
FIRRTL语言支持增强
本次更新对FIRRTL语言的支持进行了多项重要改进。首先,增加了对printf格式化字符串中宽度说明符的支持,这使得硬件设计中的调试输出更加灵活和精确。同时,编译器现在会拒绝处理包含未知格式说明符的printf语句,这一改变有助于在编译早期捕获潜在的错误。
另一个值得注意的改进是增加了对{{HierarchicalModuleName}}模板变量的支持。在硬件设计中,模块的层次结构信息对于调试和理解设计至关重要。通过这一特性,设计者可以在输出信息中直接引用模块的完整层次路径名,大大提升了调试信息的可读性。
此外,新版本还加强了对模块命名空间的扁平化处理。编译器现在会强制实施平坦的命名空间规则,确保所有模块名称在全局范围内唯一。这一改变虽然可能需要对现有设计进行少量调整,但它显著提高了编译结果的确定性和可预测性。
LLHD模拟器优化
在LLHD(低级硬件描述)模拟器方面,1.111.1版本引入了两项关键优化。首先是对probe操作的改进,现在在图形区域(graph regions)中这些操作被视为无副作用(side-effect-free)。这一改变使得编译器能够更积极地进行优化,同时不影响模拟的准确性。
另一个重要改进是过程(process)中drive操作的提升(hoisting)优化。通过将drive操作移出过程,编译器能够生成更高效的模拟代码,这在处理大型设计时可能带来显著的性能提升。这些优化共同使得LLHD模拟器在处理复杂硬件设计时更加高效和可靠。
Calyx中间表示改进
对于Calyx中间表示,新版本修复了SCFToCalyx转换过程中的一个关键错误,该错误涉及带有顺序条件的If操作。这一修复确保了从SCF(Structured Control Flow)到Calyx的转换能够正确处理各种控制流模式。
此外,还引入了一系列规范化(canonicalization)过程,这些过程现在能够智能地跳过包含scf.execute_regions的区域。这一优化减少了不必要的转换步骤,提高了编译效率,特别是在处理包含复杂控制流的设计时。
新特性和类型系统扩展
1.111.1版本在类型系统方面也有所扩展,新增了immediate类型和相关属性。这种类型为硬件设计中的立即数处理提供了更精确的表达方式。配套新增的int_to_immediate操作使得从整数到立即数类型的转换更加方便和安全。
这些类型系统的扩展不仅丰富了中间表示的表达能力,也为后续的优化和转换提供了更多可能性。开发者现在可以更精确地描述设计意图,而编译器则能够基于这些精确的类型信息做出更好的优化决策。
总结
firtool 1.111.1版本的发布标志着CIRCT项目在硬件编译技术领域的持续进步。通过对FIRRTL语言支持的增强、LLHD模拟器的优化以及Calyx中间表示的改进,这一版本为硬件设计者提供了更强大、更可靠的工具链。
特别是对printf格式处理的改进、模块命名空间的规范化以及各种性能优化,都直接提升了开发者的使用体验。而类型系统的扩展则为未来更复杂的硬件设计模式支持奠定了基础。
对于使用CIRCT工具链的硬件设计团队来说,升级到1.111.1版本将能够获得更稳定的编译体验和更优化的输出结果。这些改进也反映了开源硬件编译器技术正在向着更成熟、更专业的方向发展。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00