如何在實(shí)現(xiàn)流程中將RQA與RQS結(jié)合使用的設(shè)計(jì)示例

通過(guò)之前的博文，我們已經(jīng)學(xué)會(huì)了如何使用 Report QoR Assessment (RQA) 和 Report QoR Suggestions (RQS) 來(lái)改進(jìn)總體設(shè)計(jì)分析以及設(shè)計(jì)的時(shí)序收斂體驗(yàn)。

本篇博文將通過(guò)一個(gè)具體設(shè)計(jì)示例來(lái)演示如何在實(shí)現(xiàn)流程中將 RQA 與 RQS 結(jié)合使用。

RQA 能為設(shè)計(jì)提供評(píng)估得分，并提供有關(guān)后續(xù)步驟的指導(dǎo)信息，而 RQS 則可提供適用的改進(jìn)措施的建議和策略。

RQA 和 RQS 都要求設(shè)計(jì)已完成綜合或?qū)崿F(xiàn)，才能對(duì)其進(jìn)行分析。這兩者會(huì)在設(shè)計(jì)中尋找故障點(diǎn)，然后評(píng)估設(shè)計(jì)是否有可能滿(mǎn)足其設(shè)計(jì)目標(biāo)。

作為演示，我們選擇了一項(xiàng)設(shè)計(jì)，并在為其運(yùn)行初始 opt_design 后運(yùn)行 RQA。RQA 報(bào)告如下所示：

讓我們來(lái)看看評(píng)估得分匯總表（流程指南），了解其中每個(gè)部分的意義，然后直接查看評(píng)估詳情。

此設(shè)計(jì)的初始評(píng)估得分為 3，即其成功可能性較小。通常，得分不低于 3 分表示 RQS 應(yīng)該能夠?qū)υO(shè)計(jì)進(jìn)行改進(jìn)，因此，我們將繼續(xù)執(zhí)行后續(xù)步驟。

如果得分為 1 或 2，則表示設(shè)計(jì)滿(mǎn)足要求并完成實(shí)現(xiàn)步驟的可能性極低。在此情況下，建議是先返回并修復(fù)問(wèn)題區(qū)域。

繼續(xù)來(lái)看“方法論嚴(yán)重性”部分，匯總信息中顯示存在一些嚴(yán)重警告。我們可以選擇解決這些警告或者將其豁免。

對(duì)于本篇博文，我們選擇將其豁免。請(qǐng)注意，您還可以使用報(bào)告方法論 (Report Methodology) 來(lái)運(yùn)行完整方法檢查，并修復(fù)所有警告，然后再繼續(xù)后續(xù)步驟。

接下來(lái)的段落提供了 ML 策略合規(guī)性和增量編譯合規(guī)性方面的信息。ML 策略?xún)H限在 PnR 完成后才可用。增量流程也應(yīng)在 PnR 完成后使用，并且通常建議在以下前提下執(zhí)行：設(shè)計(jì)不存在關(guān)鍵問(wèn)題并且設(shè)計(jì)處于時(shí)序收斂的最終階段。即使 Vivado 工具未提供相關(guān)建議，我們也可以繼續(xù)運(yùn)行 ML 策略和增量合規(guī)性。

最后一段提供了“建議流程”階段的相關(guān)信息。這一段為我們提供了有關(guān)繼續(xù)執(zhí)行后續(xù)步驟之前需要完成的操作的信息。在此情況下，我們會(huì)看到“復(fù)查方法論”警告，可以選擇將其修復(fù)或者豁免。如上文所述，我們先暫時(shí)將其豁免。

如果在建議流程階段并未提供具體指南，那么您始終可以繼續(xù)通過(guò)運(yùn)行 RQS 來(lái)提升 RQA 得分。

QoR 評(píng)估詳情：

正如報(bào)告中所示，該表提供了有關(guān) WNS 的信息以及許多其它使用情況指標(biāo)。

此設(shè)計(jì)的初始 WNS 為 -0.580 ns。

狀態(tài)列能幫助我們簡(jiǎn)單了解需要復(fù)查和修復(fù)的問(wèn)題。閾值應(yīng)被視為指導(dǎo)性數(shù)值，并非必須遵守的硬性規(guī)則。只要您留意這些數(shù)值，就可以看到雖然其中標(biāo)記了許多需要復(fù)查的區(qū)域，但“內(nèi)存 LUT (Memory LUT)”的值達(dá)到了閾值的 2 倍以上。

得到初始 RQA 評(píng)分后，就可以在任何階段運(yùn)行 report_qor_suggestions 并手動(dòng)或自動(dòng)應(yīng)用這些建議來(lái)改進(jìn)設(shè)計(jì)。

我們建議在完成 place_design 之后再執(zhí)行 RQS 的初始運(yùn)行，因?yàn)樵诖穗A段，時(shí)鐘 (clocking) 建議和偏差數(shù)值是準(zhǔn)確的。并且，在 place_design 完成后還會(huì)提供擁塞建議。

假設(shè)我們繼續(xù)執(zhí)行實(shí)現(xiàn)流程，運(yùn)行 opt_design 和 place_design，然后運(yùn)行 report_qor_suggestions。

這樣即可得到如下所示建議報(bào)告匯總：

在此報(bào)告中可以看到，有多項(xiàng)有關(guān)利用率、時(shí)鐘、時(shí)序和擁塞的建議，該表還提到了生成和適用這些建議的階段。

您還會(huì)注意到，這些建議可分為自動(dòng)（即當(dāng)您重新運(yùn)行此流程后，會(huì)自動(dòng)選取并應(yīng)用這些建議）建議或手動(dòng)（即這些建議將需要人工干預(yù)）建議。

請(qǐng)注意，表中建議的組織方式為按其對(duì)設(shè)計(jì)的 RQA 得分的影響從高到低排列。

在此階段，我們必須運(yùn)行 place_design 并運(yùn)行這些建議，以便使改進(jìn)生效。請(qǐng)注意 RQS 建議表，其中部分建議適用于 synth_design。 其中許多綜合建議與 place_design 建議重疊，因此您可任選其中之一運(yùn)行。

如果您運(yùn)行的是 place_design 建議而不是綜合建議，此流程可選擇執(zhí)行相應(yīng)的建議。（例如，RQS_CONG-3_2-1 和 RQS_CONG3_1-1）在此情況下，如果您已運(yùn)行 place_design，就無(wú)需再運(yùn)行綜合建議。

上表中顯示的自動(dòng)建議將在適用的階段中實(shí)施，隨后我們可以重新運(yùn)行 RQA 來(lái)檢查評(píng)分。

執(zhí)行 opt_design 和 place_design 并應(yīng)用建議后，RQA 得分仍為 3，如下表所示。

但請(qǐng)注意，應(yīng)用建議后，WNS 得分已提升至 -0.21 ns。

由于評(píng)估表較為簡(jiǎn)潔，您可將該表與前表進(jìn)行比對(duì)，查看設(shè)計(jì)參數(shù)中的改進(jìn)。此外，請(qǐng)注意，在此用例中，流程指南建議您運(yùn)行 report_qor_suggestions。

可以看到，設(shè)計(jì)布線(xiàn)后階段的 RQA 得分為 4。WNS 現(xiàn)已提升到 -0.11 ns，相比第一份報(bào)告，內(nèi)存 LUT 已顯著降低。

應(yīng)用 RQS 建議并繼續(xù)執(zhí)行實(shí)現(xiàn)步驟后，得分從 opt_design 階段的 3 分提高到 route_design 階段的 4 分。

如果您重復(fù)此過(guò)程，添加更多建議，那么 QoR 參數(shù)將能繼續(xù)提高。

請(qǐng)注意，RQA 得分的細(xì)化程度并不足以顯示擁塞、時(shí)序、利用率和時(shí)鐘方面的所有改進(jìn)成果。

例如，下表顯示 RQA 得分為 4，但 WNS 數(shù)值已從 -0.11 ns 提高到 -0.02 ns。

以上匯總表顯示設(shè)計(jì)現(xiàn)已符合 ML 策略和增量編譯的要求。僅當(dāng) PnR 已完成、所有關(guān)鍵設(shè)計(jì)修改均已完成并且設(shè)計(jì)運(yùn)行時(shí)所有 Directive 均設(shè)置為 default 或 explore 后，ML 策略才可用。

如果設(shè)計(jì)非常接近時(shí)序收斂并且 RQA 得分為 4 或 5，那么您就可以利用 RQS 建議來(lái)啟用增量流程。在我們的示例中，當(dāng)前設(shè)計(jì)的 RQA 得分為 4，并且符合增量編譯和 ML 策略的要求。在此類(lèi)情況下，工具將為您提供最佳選項(xiàng)建議。

應(yīng)用 ML 策略后的最終 RQA 得分為 5，評(píng)估得分如下所示：

請(qǐng)觀察 RQA 與 RQS 的結(jié)合作用，它幫助我們改進(jìn)了 QoR，并且將 RQA 得分從 3 提升到 4，最后，在時(shí)序收斂的最后沖刺階段，它引入了 ML 策略和增量合規(guī)性，以實(shí)現(xiàn)設(shè)計(jì)收斂。

總結(jié)

通過(guò)本設(shè)計(jì)示例，我們學(xué)習(xí)了如何將 RQS 與 RQA 結(jié)合使用，以幫助我們清理設(shè)計(jì)中的時(shí)鐘、擁塞和時(shí)序問(wèn)題。

隨后，當(dāng)我們非常接近設(shè)計(jì)收斂時(shí)，通過(guò)運(yùn)行基于 ML 的策略和增量編譯，即可幫助我們完成最后一步。

編輯：hfy