基于注意力机制的FPGA布线拥塞预测

来源：电子测量技术杂志2023年第11期北京时间：

作者：聂廷远，徐坤鹏，孔琪

单位：青岛理工大学信息与控制工程学院 青岛 266520

摘要：随着FPGA设计复杂性的不断增加，物理设计需要大量的优化迭代才能实现，布线拥塞影响芯片的面积及时延等性能指标，因此需要准确快速的预测并提前解决。提出一个FPGA布线拥塞预测模型CBAM-CGAN，模型在布局阶段提取特征合成学习图像，引入注意力机制学习增强图像各个特征通道的重要程度，提高布线拥塞的预测性能。实验结果表明，方法在布局阶段的布线拥塞预测取得了较好效果。相比于条件对抗生成网络模型，结构相似度平均值提高了0.89%，峰值信噪比平均值提高了1.37%，归一化均方根像素差平均值降低了3.8%，像素精度差平均值降低了0.06%，单张图像的预测时间约为0.1 s。实验数据证明了模型在FPGA布线拥塞的准确性和快速性。

关键词：布线拥塞;条件生成对抗网络;注意力机制;现场可编程门阵列;机器学习

基金资助：国家自然基金面上项目(61572269)、山东省自然科学基金(ZR2021MF101)项目资助