学位论文 > 优秀研究生学位论文题录展示

基于GPU的EDA加速技术

作　者: 马海晨
导　师: 吴百锋
学　校: 复旦大学
专　业: 计算机系统结构
关键词: EDA技术通用GPU 稀疏矩阵 OpenCL平台共轭梯度静态时序分析
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 100次
引　用: 0次
阅　读: 论文下载

内容摘要

现代半导体工业中EDA扮演者举足轻重的地位,随着半导体芯片日益复杂,对EDA工具的性能要求也越来越高。而如何快速求解N阶线性方程组则是电路仿真分析性能的关键因素。另一方面通用GPU的出现,使的大规模并行计算出现了一片新的领域。近几年来从Shader mode 3.0到Shader Mode 4.0,以及CUDA, OpenCL等平台技术的引入,GPU不仅可以在解决同类问题的时候获取和CPU相比十倍以上的性能,同时,其发展的速度也远远高于CPU的发展速度。利用GPU的大规模并行计算能力,将EDA中的核心算法与技术优化重构,使之可以与GPU的体系结构非常好的契合。EDA中的数学基础都是基于线性代数发展而来的,矩阵运算又是线性代数中非常重要的基本算法。如何在GPU环境下加速矩阵运算,很大程度上控制着EDA技术并行化性能,本文研究了如何最大化地优化EDA技术中的矩阵算法,并结合具体技术,提出了对于稀疏矩阵的并行化计算的优化方案,并将其应用到EDA布线技术中去。基于稀疏矩阵的加速计算,本文设计了共轭梯度算法的GPU加速版本,用于快速求解线性方程组,此算法在EDA技术中主要用于二次规划布局,本文分析了此优化后的算法的执行效率和性能指标,通过比较CPU版本的算法,此算法性能有10倍左右的提高。本文还分析介绍了EDA中另一个重要技术,静态时序分析技术,并设计了基于蒙特卡洛过程的随机静态时序分析的GPU算法,并将其优化将此方法应用到GPU体系结构中,以适合GPU调度执行,获得了近90倍的性能提升。本文还分析了这些优化方案的优势和不足,对GPU计算模型有了更深的认识。

全文目录

目录  3-5
摘要  5-6
Abstract  6-7
第一章绪论  7-11
  1.1. 问题背景  7-8
  1.2. 研究现状  8-9
    1.2.1. GPU并行计算技术的研究现状  8
    1.2.2. EDA并行加速技术研究现状  8-9
  1.3. 本文研究目的  9-10
  1.4. 论文结构安排  10-11
第二章 GPU计算平台  11-22
  2.1 GPU发展过程  11-13
  2.2 GPU通用计算架构简介  13-21
    2.2.1 主流计算架构简介  13-14
    2.2.2 GPU硬件结构  14-18
    2.2.3 OpenCL平台框架  18-21
  2.3 本章小结  21-22
第三章二次规划布局  22-33
  3.1 稀疏矩阵  22-28
    3.1.1 稀疏矩阵乘法的优化  23-26
    3.1.2 稀疏矩阵快速乘法的实验结果  26-28
  3.2 二次规划布局与共轭梯度算法  28-31
    3.2.1 二次规划布局  28-29
    3.2.2 共轭梯度算法  29-30
    3.2.3 共轭梯度算法优化  30-31
  3.3 实验与结论  31-32
  3.4 本章小结  32-33
第四章静态时序分析  33-41
  4.1 静态时序分析原理  33-37
    4.1.1 静态时序分析计算方法  34-35
    4.1.2 静态时序分析的GPU优化  35-37
  4.2 广度优先搜索最短路径  37
  4.3 统计静态时序分析的GPU优化  37-39
  4.4 实验与结论  39-40
  4.5 本章小结  40-41
第五章总结与展望  41-43
  5.1 本文总结  41
  5.2 未来的研究工作  41-42
  5.3 并行加速技术未来展望  42-43
引用文献  43-48
读硕士期间公开发表的论文  48-49
致谢  49-50

基于GPU的EDA加速技术

内容摘要

全文目录

相似论文