面向寄存器传输级设计阶段的高效高精度功耗预测模型

作者：李康^*; 师瑞之; 陈嘉伟; 史江义; 潘伟涛; 王杰

来源：电子与信息学报, 2023, 45(09): 3166-3174.

• 功耗预估
• 卷积神经网络
• 寄存器传输级
• 超大规模集成电路

功耗已成为电路设计的关键性能目标之一，现有商业工具PrimeTime PX(PTPX)的功耗预精度高，但是运行时间长，且仅面向已经生成网表的逻辑综合或者物理实现阶段。因此，降低功耗分析时间，且前移功耗预测在芯片设计中的环节变得尤为重要。该文提出一种面向千万门级专用集成电路(ASIC)的寄存器传输级(RTL)功耗预估方法，可在RTL设计阶段实现快速且准确的周期级功耗预测：根据输入信号的功耗相关性原则使用基于平滑截断绝对偏差惩罚项(SCAD)的嵌入法对输入信号自动筛选，从而解决大信号特征输入数量对预估性能的影响；通过时序对准方法对仿真波形数据进行校正，解决了sign-off级功耗与RTL级仿真波形之间的时序偏差问题，有效提升了模型预测的精度；建立了仅拥有两个卷积层和1个全连接层的浅层卷积神经网络模型，学习相邻位置和相邻时间上的信号活动与功耗的相关性信息，充分降低部署开销，使训练速度得到显著提高。该文使用开源数据集、28 nm工艺节点的3×107门级工业级芯片电路作为测试对象，实验结果表明，功耗预测结果和物理设计后PTPX分析结果相比，平均绝对百分比误差(MAPE)小于1.71%,11k时钟周期的功耗曲线预测耗时不到1.2 s。在场景交叉验证实验中，模型的预测误差小于4.5%。

• 单位
  西安电子科技大学