Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern...

39
Cell Cell-Library Binding Library Binding Cell Cell Library Binding Library Binding

Transcript of Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern...

Page 1: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cel

lC

ell--L

ibra

ryBi

ndin

gLi

brar

yBi

ndin

gC

ell

Cel

lLib

rary

Bin

ding

Libr

ary

Bind

ing

Page 2: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Εισαγωγή

Lib

rary

Bin

ding

(tec

hnol

ogy

map

ping

):η

µετατροπή ενός

λογικού

δικτύου σε

διασύνδεση στοιχείων

µίας

βιβλιοθήκης

(τεχνολογίας

).

Παρέχει

ολοκληρω

µένη

κατασκευαστική αναπαράσταση

του

δικτύου

.

∆ίνει την

δυνατότητα της α

ντιστοίχισης

του σχεδιασµού

σε

διαφορετικές

τεχνολογίες και

στυλ υλοποίησης

.

H βιβλιοθήκη περιλα

µβάνει

βασικά στοιχεία

(prim

itive

s). T

o bi

ndin

g

Libr

ary

Bin

ding

2Χρ.

Καβουσιανός

επιλέγει

τα πιο

κατάλληλα

για

µία

υλοποίηση

.

Οι βασικές

προσεγγίσεις είναι

δύο

: ευριστικές κ

αι κανόνες

.

Μεγαλύτερο ενδιαφέρον

έχουν τα

συνδυαστικά

κυκλώ

µατα

αφού οι

καταχωρητές έχουν

εύκολη

υλοποίηση

.

Η υλοποίηση

λογικών εκφράσεων δύο επιπέδων γίνεται µε την

αποσύνθεσή

τους

σε δίκτυο

πολλαπλών επιπέδων.

Page 3: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Πρόβληµα

& Ανάλυση

Κάθε στοιχείο

µίας β

ιβλιοθήκης

χαρακτηρίζεται από

:α.

Mία

συνδυαστική

λογική συνάρτηση

µίας

εξόδου.

β.

Κόστος επιφάνειας

γ. Καθυστερήσεις

εισόδου

/εξόδου

Η βιβλιοθήκη περιέχει

τις α

παραίτητες

πληροφορίες

για

την υλοποίηση

κάθε

στοιχείου

(πχ

phys

ical

layo

ut)

Libr

ary

Bin

ding

3Χρ.

Καβουσιανός

Η υλοποίηση

βιβλιοθήκης

στην περίπτωση

των

FPG

As διαφέρει.

Στόχος

του

libra

ry b

indi

ng είναι η

ελαχιστοποίηση της επιφάνειας (υπό

περιορισ

µούς

ταχύτητας)

ή τη

ς µέγιστης κ

αθυστέρησης (υπό

περιορισ

µούς

επιφάνειας

).

Το πρόβληµα είναι υπολογιστικά δύσκολο

(ακό

µη και

η τα

υτοποίηση της

ισοδυναµίας δύο

δικτύων είναι δύσκολο

πρόβληµα)

.

Page 4: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Πρόβληµα

& Ανάλυση

Κάλυψ

η δικτύου από

libra

ry c

ells

:αναγνώριση

ενός υ

ποδικτύου και

αντικατάστασή του από στοιχεία

της β

ιβλιοθήκης

που

βελτιστοποιούν

κάποιο

χαρακτηριστικό του.

Libr

ary

Bin

ding

4Χρ.

Καβουσιανός

Page 5: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Πρόβληµα

& Ανάλυση

Ένα

κύτταρο

ταιριάζει µε ένα υποδίκτυο όταν

είναι

λειτουργικά

ισοδύναµα.

(Πιθανώς να έχουν και διαφορετικό

αριθµό εισόδω

ν).

Τετριµ

µένο

bin

ding

:

Αντιστοιχούµε κ

άθε κορυφή

σε ένα κύτταρο της β

ιβλιοθήκης

.

∆εν είναι βέλτιστο ακόµη και αν το

λογικό δίκτυο

είναι

βέλτιστο

(δεν

Libr

ary

Bin

ding

5Χρ.

Καβουσιανός

βµη

γβ

(λα

µβάνει

υπόψη

τα χαρακτηριστικά της τεχνολογίας

).

Στο πρόβλη

µα κάλυψης

µελετάµε κάθε

υποδίκτυο

το οποίο

έχει

ρίζα

µία

κορυφή

, και

το αντιστοιχού

µε σε ένα υποσύνολο κυττάρων.

Page 6: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Πρόβληµα

& Ανάλυση

Μία

αναγκαία συνθήκη για να

έχει λύση το

πρόβληµα της κ

άλυψης

είναι

να

υπάρχει

τουλάχιστον

µία αντιστοίχιση

για

κάθε κορυφή

.

Αυτή η συνθήκη ικανοποιείται συνήθως µ

ε de

com

posi

tion.

Σε κάθε αντιστοίχιση

πρέπει να εξασφαλίζεται ότι

οι είσοδες

άλλων

κορυφώ

ν συνεχίζουν

να υπάρχουν

.

Libr

ary

Bin

ding

6Χρ.

Καβουσιανός

Ο αλγόριθ

µος B

ranc

h &

Bou

nd µπορεί να χρησιµοποιηθεί

για

την

κάλυψη

µικρώ

ν λογικώ

ν δικτύω

ν.

Page 7: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µος B

ranc

h &

Bou

nd

Πρόβληµα:

Έχουµε ένα

ZO

LP µε

n µεταβλητές

απόφασης x

=[x 1

, x2,

…, x

n].

Εξαντλητική Λύ

ση: ∆οκιµάζω

όλες τις

2nδυνατές τιµές

.

Συστηµατική Λύ

ση: Ε

πιλέγουµε

µία

µεταβλητήκαι

α) τη

ν θέτουµε στο

1 και λύνου

µε το

υπο

-πρόβληµα στο οποίο έχου

µε

σβήσει

την

µεταβλητή και

Libr

ary

Bin

ding

7Χρ.

Καβουσιανός

β) τη

ν θέτουµε σ

το 0

και

ξανα-λύνουµε το υποπρόβληµα

=

∆έντρο

απόφασης µ

ε φύλλα όλες

τις π

ιθανές

λύσεις

(η επίσκεψη όλων των φύλω

ν-λύσεων

είναι εκθετική λύση

στη

µέση

και

χειρότερη περίπτωση

).

Page 8: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µος B

ranc

h &

Bou

nd

Bran

ch &

Bou

nd Λύση:

Επίσκεψη

µόνο ενός

τµήµατος

του δέντρου.

Για κάθε

διακλάδωση

(επιλογή

τιµής σ

ε µία

µεταβλητή)

εκτιµάται

ένα

κάτω

όριο για όλες

τις λύσεις σ

το υποδέντρο

.

Εάναυτό

είναιµεγαλύτεροαπότηνκαλύτερη

έωςτότελύση

το

Libr

ary

Bin

ding

8Χρ.

Καβουσιανός

Εάν αυτό

είναι

µεγαλύτερο από την καλύτερη

έως τότε λύση

το

υποδέντρο εγκαταλείπεται

γιατί

κάθε λύση

του είναι χειρότερη

.

Wor

st C

ase:

εκθετική,

Ave

rage

Cas

e:βιώσι

µη λύση.

Page 9: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µος B

ranc

h &

Bou

ndΧα

ρακτηριστικά

: Επιλογή

διακλάδωσης –

Συνάρτηση υπολογισ

µού ορίου

Η συνάρτηση

υπολογισµού

ορίου

πρέπει να είναι γρήγορη

και

να δίνει

αποτελέσ

µατα

πολύ κοντά στην

βέλτιστη τι

µή για

να απορρίπτονται πολλά

υποδέντρα.

Libr

ary

Bin

ding

9Χρ.

Καβουσιανός

Page 10: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µος B

ranc

h &

Bou

nd

Libr

ary

Bin

ding

10Χρ.

Καβουσιανός

Page 11: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Πρόβληµα

& Ανάλυση

Libr

ary

Bin

ding

11Χρ.

Καβουσιανός

∆ιάφορα

bind

ings

µε διαφορετικό κόστος

Page 12: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µοι

Υπάρχουν δύο προσεγγίσεις

για

τις α

ντιστοιχίσεις:

Α. Π

ροσέγγιση

Boo

lean

: το δίκτυο

και

τα κύτταρα

της β

ιβλιοθήκης

αναπαρίσταται µε

Boo

lean

συναρτήσεις

.

Β. Π

ροσέγγιση Κατασκευής:

χρησι

µοποιούνται γράφοι που

αναπαριστούν

αλγεβρικές α

ποσυνθέσεις.

Ορισµός

Boo

lean

mat

ch. ∆ύο

συνδυαστικές σ

υναρτήσεις

µονής

εξόδου είναι

ισοδύναµες

εάν υπάρχει µήτρα

αντιµετάθεσης

P για

την οποία ισχύει

f(

)(P

)H

ήάθ

λί

λθ

ί

Libr

ary

Bin

ding

12Χρ.

Καβουσιανός

f(x)

=g(P

x). H

µήτρα

αντιµετάθεσης

µοντελοποιεί την

ελευθερία

ανάθεσης

pin

s εισόδου

.

Stru

ctur

al m

atch

: είναι

η ισοµορφία γράφων.

+

*

ab

c

+

*

qr

p

f=ab

+c

g=p+

qrB

oole

an M

atch

Stru

ctur

al M

atch

Page 13: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µοι

Για την απλοποίηση

του προβλή

µατος κ

άλυψης

οι περισσότεροι ευριστικοί

αλγόριθµοι

εφαρµόζουν δύο βή

µατα

προ

-επεξεργασίας:

dec

ompo

sitio

n και p

artit

ioni

ng.

1.D

ecom

posi

tion:

εγγυάται

ότι

κάθε κορυφή

καλύπτεται από

τουλάχιστον

ένα ταίριασµα.

Στόχος είναι

η έκφραση

όλω

ν των τοπικώ

ν συναρτήσεων

από βασικές σ

υναρτήσεις

(and

, or,

nand

, nor

, exo

r, ex

nor)

.

Υπάρχουν πολλοί

τρόποι

dec

ompo

sitio

n και πρέπει να είναι

Libr

ary

Bin

ding

13Χρ.

Καβουσιανός

ρχρ

κατευθυνόµενο έτσι

ώστε να

βελτιστοποιείται το κύκλω

µα.

2.Pa

rtiti

onin

g: διαιρεί

τον γράφο σε

υπογράφους κ

αι κάθε φορά

µελετάται

ένας

υπογράφος

µίας εξόδου.

Σε κάθε

mat

ch το

τµήµα του γράφου

που

ταιριάζει µε κάποια

κύτταρα

της β

ιβλιοθήκης

παίρνει

µία

ετικέτα

µαζί µε ιδιότητες επιφάνειας κ

αι

καθυστέρησης

.

Page 14: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Dec

ompo

sitio

n

Libr

ary

Bin

ding

14Χρ.

Καβουσιανός

Page 15: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Parti

tioni

ng

Libr

ary

Bin

ding

15Χρ.

Καβουσιανός

Page 16: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cov

erin

g

Libr

ary

Bin

ding

16Χρ.

Καβουσιανός

Page 17: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cov

erin

g µε

stru

ctur

al m

atch

ing

Βασίζεται

στην αναγνώριση

κοινών

patte

rns. Γράφος

και

συναρτήσεις

βιβλιοθήκης α

ποσυντίθενται σε βασικές σ

υναρτήσεις

.

Patt

ern

grap

hs: οι γράφοι που

σχετίζονται

µε τα

στοιχεία της β

ιβλιοθήκης

Subj

ect g

raph

s: οι γράφοι που

αντιστοιχίζο

νται

στην βιβλιοθήκη

.

Οι γράφοι s

ubje

ct/p

atte

rn: είναι

άκυκλοι

και

έχουν

ρίζα

.

Θεωρούµε ό

τι το

dec

ompo

sitio

n οδηγεί

σε

Libr

ary

Bin

ding

17Χρ.

Καβουσιανός

ρµ

pηγ

(α) δέντρακαι

(β) l

eaf-

dags

: άκυκλοι

γράφοι όπου τα

µονοπάτια

από

την ρίζα

(έξοδος)

συγκλίνουν

µόνο σε

φύλλα

(είσοδοι

).

Οι αντιστροφείς µ

οντελοποιούνται ρητά.

Το st

ruct

ural

mat

chin

g ελέγχει την

ισοµορφικότητα

µεταξύ δύο

dags

.

Page 18: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cov

erin

g µε

stru

ctur

al m

atch

ing

Libr

ary

Bin

ding

18Χρ.

Καβουσιανός

a, c

, d: t

rees

–b:

leaf

dag

Page 19: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cov

erin

g µε

stru

ctur

al m

atch

ing

Υπόθεση

: χρήση

πυλών

NA

ND

–N

OT για υλοποίηση κάθε

λογικής

Inve

rter (

I)

Nan

d (N

)

Inpu

t

Libr

ary

Bin

ding

19Χρ.

Καβουσιανός

Page 20: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Cov

erin

g µε

stru

ctur

al m

atch

ing

Libr

ary

Bin

ding

20Χρ.

Καβουσιανός

Page 21: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Ταίριασµα βασισµένο σε

δέντρα

(απλό)

Θεωρούµε ό

τι µόνο

µια βασική

συνάρτηση

χρησι

µοποιείται

στην

deco

mpo

sitio

n (2

-inpu

t nan

d).

Κάθε κορυφή

του δέντρου σχετίζεται

µε

µία

nand

2 εισόδων και έχει 2

παιδιά

, ή µε αντιστροφέα και έχει 1

παιδί

.

Ελέγχουµε εάν

ένα

pat

tern

tree

είναι

ισοµορφικό

µε έναν

υπογράφο του

subj

ect t

ree.

Αυτό επιτυγχάνεται µε

Libr

ary

Bin

ding

21Χρ.

Καβουσιανός

Α. Ταίριασ

µα τη

ς ρίζα

ς του

pat

tern

tree

µε

µία κορυφή

του

subj

ect t

ree και

Β. Αναδροµική επίσκεψη

των παιδιών τους

.

Ο έλεγχος

ταιριάσµατος

είναι

ουσιαστικά η ισότητα του αριθ

µού παιδιών

σε κάθε κορυφή

που

ελέγχεται

(ο τύ

πος ό

λων των κορυφώ

ν είναι ίδιος

).

Όταν φτάσου

µε σε φύλλο στο

patte

rn tr

ee τό

τε έχουµε ταίριασ

µα.

Όταν φτάσου

µε σε φύλλο στο

subj

ect t

ree και σε

µη-φύλλο

στο

pat

tern

tree

τότε

έχου

µε αδυνα

µία ταιριάσµατος

.

Page 22: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Ταίριασµα βασισµένο σε

δέντρα

(απλό)

Patte

rn :

u, S

ubje

ct :

v

Libr

ary

Bin

ding

22Χρ.

Καβουσιανός

Page 23: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Ταίριασµα βασισµένο σε

δέντρα

(απλό)

Libr

ary

Bin

ding

23Χρ.

Καβουσιανός

Page 24: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

∆υνα

µικός Π

ρογραµ

µατισµός

Αλγοριθ

µική

µέθοδος

που

λύνει

ένα

πρόβληµα βελτιστοποίησης µ

ε την

διαίρεσή

του σε

ακολουθία

αποφάσεων.

∆ίνει βέλτιστη λύση

όταν το

ίδιο

το πρόβληµα έχει

βέλτιστη

θεµελίωση

δηλ.

η βέλτιστη λύση

του προβλή

µατος π

εριέχει βέλτιστες

λύσεις

για

τα υποπροβλή

µατα

του.

Η αποδοτικότητα

του αλγόριθµου

εξαρτάται

από

το µήκος

της α

κολουθίας

Libr

ary

Bin

ding

24Χρ.

Καβουσιανός

απόφασης

και

την πολυπλοκότητα λύσηςτων υποπροβληµάτων.

Παράδειγµα:

κάλυψη δέντρου

(sub

ject

) από

πρότυπα

υποδέντρα

(pat

tern

s).

Κάθε κορυφή

είναι

και

µία

απόφαση

και

τις π

ερνά

µε b

otto

m-u

p.

Κάθε κορυφή

έχει ένα

κόστος µ

ε τα

φύλλα

να έχουν κόστος

0.

Page 25: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

∆υνα

µικός Π

ρογραµ

µατισµός

Για κάθε

κορυφή ελέγχουµε εάν

το υποδέντρο

είναι ισο

µορφικό

µε

κάποιο

από

τα πρότυπα

δέντρα.

Τότε

το κόστος της

κορυφής

είναι

ίσο

µε το

κόστος του

ισοµορφικού

δέντρου και το άθροισ

µα τω

ν αντίστοιχων φύλλων του

(κορυφές

υποδέντρων

ή τελικά

φύλλα

).

Επιλογή του ισοµορφικού δέντρου

µ ε το

µικρότερο

κόστος.

Libr

ary

Bin

ding

25Χρ.

Καβουσιανός

Page 26: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

∆υνα

µικός Π

ρογραµ

µατισµός

Libr

ary

Bin

ding

26Χρ.

Καβουσιανός

Κόστος πρότυπω

ν δέντρω

ν: t 1

=2, t

2=3,

t 3=4

, t4=

5

Page 27: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

∆υνα

µικός Π

ρογραµ

µατισµός

Libr

ary

Bin

ding

27Χρ.

Καβουσιανός

Πολυπλοκότητα

Ο(|V

|): αριθµός

αποφάσεων όσες

οι κορυφές

Για κάθε

κορυφή υπάρχει ένα

όριο συγκρίσεων που εξαρτάται από

τον αριθ

µό

των

patte

rn tr

ees.

L(m

): Για κάθε

υποδέντρο

που

εξετάζεται είναι

το σύνολο κορυφώ

ν που

αντιστοιχούν

στα

φύλλα

του ισοµορφικού πρότυπου

δέντρου

.

Page 28: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Βέλτιστη Κάλυψη βασισµένη σε

δέντρα

Η βέλτιστη κάλυψη

δέντρου

υπολογίζεται µε δυνα

µικό

προγραµ

µατισµό.

Κάθε κύτταρο έχει

ένα

κόστος επιφάνειας.

Η συνολική επιφάνεια του δικτύου είναι το αντικείµενο της

ελαχιστοποίησης.

Ολό

θάλ

δέδ

άό

ά

Libr

ary

Bin

ding

28Χρ.

Καβουσιανός

Ο αλγόριθ

µος κ

άλυψης

του δέντρου το

διαπερνάει από

κάτω

προς τα

πάνω

.

Ελέγχει το ταίριασµα κάθε

pat

tern

tree

θεωρώ

ντας

την αντιστοιχία

µιας

κορυφής του

δικτύου

µε την ρίζα

του

patte

rn tr

ee.

Page 29: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Βέλτιστη Κάλυψη βασισµένη σε

δέντρα

Για κάθε

κορυφή του

subj

ect t

ree ο αλγόριθµος

ελέγχει

το τα

ίριασµα του

υποδέντρου

µε ρίζα

την κορυφή

, µε τα

pat

tern

tree

s. Οι πιθανότητες

είναι

:

1. Το

patte

rn tr

ee και

το su

bjec

t sub

tree είναι ισο

µορφικά.

Τότε το

κόστος

του κυττάρου

είναι

και

κόστος της

κορυφής

.

2Το

patte

rntre

eείναιισο

µορφικότµήµατου

subj

ects

ubtre

eΤότεη

Libr

ary

Bin

ding

29Χρ.

Καβουσιανός

2. Το

patte

rn tr

ee είναι

ισοµορφικό

τµήµα του

subj

ect s

ubtre

e. Τότε η

κορυφή

παίρνει

σαν

κόστος το κόστος

του κυττάρου

και

το κόστος

καθενός α

πό τα

φύλλα

του τµήµατος

του

subj

ect s

ubtre

e.

3. ∆εν

υπάρχει

ταίριασµα.

Page 30: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Βέλτιστη Κάλυψη βασισµένη σε

δέντρα

Εάν η βιβλιοθήκη

καλύπτει τις

βασικές

συναρτήσεις

τότε

για

κάθε

κορυφή

υπάρχει

τουλάχιστον ένα κύτταρο που ικανοποιεί

την

1 ή

2.

Για κάθε

κορυφή επιλέγου

µε το

καλύτερο ταίριασµα.

Στο τέλος κ

άθε περάσµατος

οι ετικέτες α

ντιστοιχούν στην

βέλτιστη

κάλυψη

.

Libr

ary

Bin

ding

30Χρ.

Καβουσιανός

Page 31: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Ελαχιστοποίηση

καθυστέρησης

Στόχος

είναι η

ελαχιστοποίηση των

data

read

y χρόνων.

Το κόστος κ

άθε κυττάρου

είναι

η καθυστέρηση

διάδοσης εισόδου

/εξόδου.

Η καθυστέρηση

µετάδοσης

ενός

κυττάρου

µπορεί

να θεωρηθεί σταθερή

η

εξαρτώ

µενη

από

τα F

anin

, Fan

out.

Η συνολική καθυστέρηση ενός

δικτύου

ισούνται

µε την καθυστέρηση του

κ ρίσιµου

µονοπατιού.

Libr

ary

Bin

ding

31Χρ.

Καβουσιανός

ρµ

µ

Ο d

ata-

read

y χρόνος

στην έξοδο κάθε

κυττάρου είναι ίσος µ

ε τον

µεγαλύτερο

από

τους

dat

a-re

ady χρόνους των εισόδω

ν του συν την

καθυστέρηση διάδοσής

του.

Η διαπέραση

από

κάτω

προς τα πάνω

επιτρέπει

την εύρεση

της δέσ

µευσης

που ελαχιστοποιεί τον

dat

a-re

ady χρόνο σε

κάθε κορυφή

, και

άρα

τον

ελάχιστο

χρόνο

στην ρίζα

. Ο αλγόριθ

µος είναι

ίδιος, ενώ

αλλάζει

το

κόστος

κάθε κορυφής.

Page 32: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Αλγόριθ

µος Κ

άλυψης

Μειονεκτή

µατα

αλγόριθ

µου κάλυψη

ς

1.Κάθε κορυφή

του

subj

ect g

raph

θα πρέπει

να ελεγχθεί

για

ταίριασµα

έναντι

ενός

µεγάλου

αριθµού

pat

tern

gra

phs.

2Κά

ύ(E

N)δ

ίδέ

Libr

ary

Bin

ding

32Χρ.

Καβουσιανός

2.Κάποια κύτταρα

(ExO

rs,Ε

xNor

s)δεν αναπαρίστανται

µε δέντρα

.

3.Το

stru

ctur

al m

atch

ing

µπορεί

να ανιχνεύσει

µικρό

µόνο αριθ

µό πιθανών

ταιριασµάτων γιατί δεν

λαµβάνει υπόψη

αδιάφορους ό

ρους

.

Page 33: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

σε

FPG

As

Τα F

PGA

s είναι

προ

-καλωδιω

µένα

κυκλώ

µατα

που

προγραµ

µατίζονται

από

τους

χρήστες

.

∆ιαιρούνται σε δύο κατηγορίες

προγραµ

µατισµού

:

(α) s

oft (

Look

Up

Tabl

es) και

(β) h

ard

(ant

ifuse

s).

Tobi

ndin

gσε

προκαλωδιω

µένα

κυκλώ

µατα

είναιαρκετάδύσκολοαφού

Libr

ary

Bin

ding

33Χρ.

Καβουσιανός

To b

indi

ng σε προκαλωδιω

µένα

κυκλώ

µατα

είναι

αρκετά δύσκολο αφού

εξαρτάται από

τον φυσικό

σχεδιασ

µό το

υς.

Οι καθυστερήσεις

των

µονοπατιών εξαρτώνται

κατά πολύ

από

τις

καλω

διώσεις

εξαιτίας

της τεχνολογίας

προγραµ

µατιζό

µενων διασυνδέσεων.

Κάθε

Look

Up

Tabl

e n εισόδω

ν µπορεί

να υλοποιήσει

22nσυναρτήσεις ο

ι οποίες

δεν

µπορούν

να απαριθ

µηθούν

ρητά από κα

µία βιβλιοθήκη

.

Page 34: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

σε

FPG

As

Πρόβληµ

α:

δοσµένου

ενός

λογικού

δικτύου

ζητά

µε τη

ν

εύρεση

ενός ισοδύνα

µου λογικού δικτύου

µε ελάχιστο αριθ

µό κορυφών

(ή ελάχιστη καθυστέρηση

µονοπατιών)

έτσι

ώστε κάθε

κορυφή να

αντιστοιχεί

σε

µία συνάρτηση

Libr

ary

Bin

ding

34Χρ.

Καβουσιανός

υλοποιήσιµη από ένα

Look

Up

Tabl

e.

Αντι

µετώπιση

Αρχικά εφαρ

µόζεται d

ecom

posi

tion του λογικού δικτύου σε

βασικές

πύλες

.

Κατόπιν

γίνεται

προσπάθεια κάλυψη

ς όσο

το δυνατόν

περισσότερης λογικής

σε

κάθε

Look

up T

able

:

(α) θεωρούµε ένα

άθροισµα παραγόντων για

µία συνάρτηση

µίας

εξόδου,

µε

κάθε

παράγοντα

να έχει

n µεταβλητές.

Page 35: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

σε

FPG

As

(β) ο

µάδες π

αραγόντων θα

πρέπει να ανατεθούν σε

διαφορετικούς

πίνακες

.

Παράδειγµα

Έστω

η συνάρτηση

f=ab

+cd που πρέπει

να υλοποιηθεί

µε

LUTs

για

n=3

. Τότε

µε το

dec

ompo

sitio

n: f=

f 1+f

2, f 1

=ab,

f 2=c

d απαιτούνται 3

LU

Ts, ενώ

µε το

de

com

posi

tion:

f=ab

+f2,

f 2=c

d απαιτούνται 2

LUTs

Libr

ary

Bin

ding

35Χρ.

Καβουσιανός

Λύση:

1. Επιλέγει τον

παράγοντα

µε τις π

ερισσότερες µ

εταβλητές κ

αι το

ν τοποθετεί σε έναν

LU

T. Εάν

δεν

αρκεί

ένα

LU

T προστίθενται

και

άλλα.

2. Όταν όλοι

οι παράγοντες έχουν

ανατεθεί σε

LUTs

τότε

ο πίνακας

µε τις

λιγότερες α

χρησιµοποίητες

µεταβλητές ο

ρίζεται τελικός

, παίρνει

µία

µεταβλητή και ανατίθεται στον πρώτο

πίνακα που

µπορεί

να τον δεχτεί

.

Page 36: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

σε

FPG

As

3. Όταν

µείνει

ένας µ

όνο πίνακας τερ

µατίζει ο

αλγόριθ

µος.

FPG

As β

ασισ

µένα

σε A

ntiF

uses

Η νοητή

βιβλιοθήκη αποτελείται από

όλες τις

συναρτήσεις

που

µπορεί να

υλοποιήσει

ένα

logi

c m

odul

e πχ

. Act

1 se

ries:

m=(

s+s

)(s

a+s΄b

)+s΄s΄(

sc+

s΄d

)

Libr

ary

Bin

ding

36Χρ.

Καβουσιανός

m1=

(s0+

s 1)(

s 2a+

s 2b)

+s0

s 1(s

3c+s

3d)

Bin

ding

: δεδοµένου

ενός

συνδυαστικού λογικού δικτύου να

βρεθεί ένα

ισοδύναµο

µε ελάχιστο αριθ

µό κορυφών

(ή καθυστέρησης µ

ονοπατιών)

τέτοιων ώστε κάθε

µία

να

µπορεί

να υλοποιηθεί

από

το lo

gic

mod

ule του

FPG

A.

Page 37: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

σε

FPG

As

Όταν οι

συναρτήσεις

που

µπορεί να υλοποιήσει

κάθε

logi

c m

odul

e δεν είναι

υπερβολικά

πολλές, είναι καλύτερο να

τις α

παριθµού

µε γιατί

έτσι µπορούν

να

χρησι

µοποιηθούν

οι κλασσικοί

αλγόριθ

µοι b

indi

ng.

Όταν αυτό

δεν

είναι

εφικτό θα

πρέπει να χρησιµοποιηθούν

stru

ctur

al και

bo

olea

n τεχνικές

.

Στις

stru

ctur

al τεχνικές

πρέπει να διερευνάται η

υλοποίηση

του

mod

ule και

ναεκ

µεταλλευόµαστετιςιδιότητεςτουΠχόταν

υλοποιείταιµεπολυπλεξία

Libr

ary

Bin

ding

37Χρ.

Καβουσιανός

να εκµεταλλευό

µαστε τις ιδιότητες

του.

Πχ όταν

υλοποιείται

µε πολυπλεξία

µπορού

µε να κάνουµε το

dec

ompo

sitio

n µε

βασικά στοιχεία

πολυπλέκτες

.

Page 38: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

µε κανόνες

Το b

indi

ng γίνεται

βηµατικά

µε το

πικούς

µετασχη

µατισµούς που

διατηρούν

την συ

µπεριφορά του.

Κάθε

µετασχηµατισ

µός είναι

η αντικατάσταση

ενός υποδικτύου

µε ένα

ισοδύναµο από την βιβλιοθήκη

.

Κάθε στοιχείο

της d

ata

base

των κανόνων περιέχει

ένα

λογικό

patte

rn και

ένα ισοδύναµό του από την βιβλιοθήκη

.

Libr

ary

Bin

ding

38Χρ.

Καβουσιανός

Κάθε στοιχείο

µπορεί να κω

δικοποιεί απλούς ή

περίπλοκους

κανόνες

. Οι

απλοί ορίζουν

ένα καλό

ταίριασµα για το

υποδίκτυο

. Οι περίπλοκοι ορίζουν

µια αναδόµηση του δικτύου.

Μπορεί να επιλεγεί

ο κανόνας

που

βελτιστοποιεί

τοπικά

το δίκτυο

µε βάση

κάποια

µετρική

κόστους

.

Page 39: Library BindingLibrary Bindingkabousia/pdf/Synthesis/Cell-LibraryBinding13.pdf · τα pattern trees. Οι πιθανότητες είναι: 1. Το pattern tree και το subject

Bin

ding

µε κανόνες

Απλός

Απλός

Libr

ary

Bin

ding

39Χρ.

Καβουσιανός

Περίπλοκος