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:2508.02236

帮助 | 高级搜索

计算机科学 > 硬件架构

arXiv:2508.02236 (cs)
[提交于 2025年8月4日 ]

标题: GSIM:加速大规模设计的RTL仿真

标题: GSIM: Accelerating RTL Simulation for Large-Scale Designs

Authors:Lu Chen, Dingyi Zhao, Zihao Yu, Ninghui Sun, Yungang Bao
摘要: 寄存器传输级(RTL)仿真在硬件设计的设计空间探索、验证、调试和初步性能评估中被广泛使用。 在各种RTL仿真方法中,软件仿真由于其灵活性、低成本和易于调试而被最常用。 然而,复杂设计的缓慢仿真已成为设计流程中的瓶颈。 在这项工作中,我们探讨了RTL仿真的计算开销来源,并将其归纳为四个因素。 为了优化这些因素,我们在超节点级别、节点级别和位级别提出了几种技术。 最后,我们将这些技术实现在一个新颖的RTL仿真器GSIM中。 GSIM成功地模拟了最先进的开源RISC-V处理器香山。 此外,与Verilator相比,GSIM在香山上启动Linux时可以实现7.34倍的速度提升,在运行Rocket的CoreMark时可以实现19.94倍的速度提升。
摘要: Register Transfer Level (RTL) simulation is widely used in design space exploration, verification, debugging, and preliminary performance evaluation for hardware design. Among various RTL simulation approaches, software simulation is the most commonly used due to its flexibility, low cost, and ease of debugging. However, the slow simulation of complex designs has become the bottleneck in design flow. In this work, we explore the sources of computation overhead of RTL simulation and conclude them into four factors. To optimize these factors, we propose several techniques at the supernode level, node level, and bit level. Finally, we implement these techniques in a novel RTL simulator GSIM. GSIM succeeds in simulating XiangShan, the state-of-the-art open-source RISC-V processor. Besides, compared to Verilator, GSIM can achieve speedup of 7.34x for booting Linux on XiangShan, and 19.94x for running CoreMark on Rocket.
主题: 硬件架构 (cs.AR)
引用方式: arXiv:2508.02236 [cs.AR]
  (或者 arXiv:2508.02236v1 [cs.AR] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.02236
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Lu Chen [查看电子邮件]
[v1] 星期一, 2025 年 8 月 4 日 09:35:18 UTC (320 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
许可图标 查看许可
当前浏览上下文:
cs.AR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

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