Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08406v1

帮助 | 高级搜索

计算机科学 > 硬件架构

arXiv:2507.08406v1 (cs)
[提交于 2025年7月11日 ]

标题: CCSS:具有快速组合逻辑计算和时序逻辑同步的硬件加速RTL仿真

标题: CCSS: Hardware-Accelerated RTL Simulation with Fast Combinational Logic Computing and Sequential Logic Synchronization

Authors:Weigang Feng, Yijia Zhang, Zekun Wang, Zhengyang Wang, Yi Wang, Peijun Ma, Ningyi Xu
摘要: 随着单芯片中的晶体管数量超过数百亿,RTL级仿真和验证的复杂性呈指数增长,通常会使仿真周期延长数月。 在工业实践中,RTL仿真分为两个阶段:功能调试和系统验证。 虽然系统验证需要高速仿真,通常使用FPGA加速,但功能调试依赖于快速编译-渲染,多核CPU是主要选择。 然而,CPU有限的仿真速度已成为主要瓶颈。 为解决这一挑战,我们提出了CCSS,一个可扩展的多核RTL仿真平台,实现了快速编译和高仿真吞吐量。 CCSS通过专用架构和编译策略加速组合逻辑计算和时序逻辑同步。 它采用平衡的DAG划分方法和高效的布尔计算核心来处理组合逻辑,并采用低延迟片上网络(NoC)设计以高效同步各核心的时序状态。 实验结果表明,CCSS相比最先进的多核仿真器最高可提升12.9倍速度。
摘要: As transistor counts in a single chip exceed tens of billions, the complexity of RTL-level simulation and verification has grown exponentially, often extending simulation campaigns to several months. In industry practice, RTL simulation is divided into two phases: functional debug and system validation. While system validation demands high simulation speed and is typically accelerated using FPGAs, functional debug relies on rapid compilation-rendering multi-core CPUs the primary choice. However, the limited simulation speed of CPUs has become a major bottleneck. To address this challenge, we propose CCSS, a scalable multi-core RTL simulation platform that achieves both fast compilation and high simulation throughput. CCSS accelerates combinational logic computation and sequential logic synchronization through specialized architecture and compilation strategies. It employs a balanced DAG partitioning method and efficient boolean computation cores for combinational logic, and adopts a low-latency network-on-chip (NoC) design to synchronize sequential states across cores efficiently. Experimental results show that CCSS delivers up to 12.9x speedup over state-of-the-art multi-core simulators.
主题: 硬件架构 (cs.AR) ; 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2507.08406 [cs.AR]
  (或者 arXiv:2507.08406v1 [cs.AR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08406
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yijia Zhang [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 08:27:32 UTC (484 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.AR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.DC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号