PETA-Gmin:求解非线性电路的动态延拓算法

在集成电路设计的晶体管级电路仿真中,为了成功求解直流工作点,诞生了各种各样的直流延拓算法,如Gmin步进法、源步进法、伪瞬态法和同伦法等。随着集成电路的不断发展,对于现今具有强非线性的大规模电路,直流分析算法的收敛性能和效率仍然是一个巨大的挑战。针对具有强非线性的大规模电路在仿真过程中存在的收敛性较差以及仿真效率较低等问题,提出了一种名为PETA-Gmin的动态直流混合延拓算法。不同于之前所有的传统算法,PETA-Gmin将伪瞬态的过程成功地结合到了Gmin步进法中。由于伪电容的接入使得节点电压可以连续变化,从而有效地改善了仿真中解曲线不连续的问题,提高了收敛性。同时,Gmin步进法的快速步进保证了高效的仿真速率。目前,通过对工业界的大规模电路进行仿真,验证了所提PETA-Gmin算法的性能。实验结果表明,所提算法在仿真收敛性方面相对于Gmin步进法得到了显著提升,并且在仿真效率方面相对于最新的伪瞬态算法,其加速比最高(平均)可达4.89倍(2.57倍)。

并行规约与扫描原语在ReRAM架构上的性能优化

规约与扫描是并行计算中的核心原语,其并行加速至关重要。然而,冯·诺依曼体系结构下无法避免的数据移动使其面临“存储墙”等性能与功耗瓶颈。近来,基于ReRAM等非易失存储器的存算一体架构支持的原位计算可一步实现矩阵-向量乘,已在机器学习与图计算等应用中展现了巨大的潜力。提出面向忆阻器存算一体架构的规约与扫描的并行加速方法,重点阐述基于矩阵-向量乘运算的计算流程和在忆阻器架构上的映射方法,实现软硬件协同设计,降低功耗并提高性能。相比于GPU,所提规约与扫描原语可实现高达两个数量级的加速,平均加速比也可达到两个数量级。分段规约与扫描最大可达到五个(平均四个)数量级的加速,并将功耗降低79%。