基于注意力机制的FPGA布线拥塞预测

作者：聂廷远; 徐坤鹏; 孔琪

来源：电子测量技术, 2023, 46(11): 159-165.

DOI：10.19651/j.cnki.emt.2211110

• 布线拥塞
• 条件生成对抗网络
• 注意力机制
• 现场可编程门阵列
• 机器学习

随着FPGA设计复杂性的不断增加，物理设计需要大量的优化迭代才能实现，布线拥塞影响芯片的面积及时延等性能指标，因此需要准确快速的预测并提前解决。提出一个FPGA布线拥塞预测模型CBAM-CGAN,模型在布局阶段提取特征合成学习图像，引入注意力机制学习增强图像各个特征通道的重要程度，提高布线拥塞的预测性能。实验结果表明，方法在布局阶段的布线拥塞预测取得了较好效果。相比于条件对抗生成网络模型，结构相似度平均值提高了0.89%,峰值信噪比平均值提高了1.37%,归一化均方根像素差平均值降低了3.8%,像素精度差平均值降低了0.06%,单张图像的预测时间约为0.1 s。实验数据证明了模型在FPGA布线拥塞的准确性和快速性。

• 单位
  青岛理工大学