利用GPU加速基于稀疏网格的SSTA

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (27): 60-64.

利用GPU加速基于稀疏网格的SSTA

叶晓敏，周学功，曹伟，王伶俐

复旦大学专用集成电路与系统国家重点实验室，上海 201203

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-21 发布日期:2011-09-21

Accelerating sparse-grid based SSTA using Graphics Processing Uni

YE Xiaomin，ZHOU Xuegong，CAO Wei，WANG Lingli

State Key Laboratory of ASIC & System，Fudan University，Shanghai 201203，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-21 Published:2011-09-21

摘要/Abstract

摘要： 提出一种利用图形处理单元（Graphics Processing Unit，GPU）加速统计静态时序分析的方法，利用稀疏网格减少统计静态时序分析中时序图各节点的配置个数，在GPU上构建复杂的时序图数据结构后并行计算各节点的不同配置，达到加速统计静态时序分析的目的。测试结果表明，提出的方法能够在不损失精度的前提下，将统计静态时序分析运行速度平均提高300倍以上。随着现代集成电路规模的持续增大和集成电路工艺的不断发展，这种新型快速的统计静态时序方法能够有效提高时序分析的速度和效率。

关键词: 图形处理单元, 稀疏网格, 统计静态时序分析

Abstract: A novel approach to accelerate Statistical Static Timing Analysis（SSTA） using graphics processing unit is presented.Sparse grid is used to reduce the configuration number of each node in the timing graph.Configurations are calculated parallel on GPU after timing graph has been built on GPU.Experimental results show that by implementing S-G based SSTA on GPU，it can attain an average speedup of about 300 times without loss of accuracy.With the increasing scale of the circuits and the development of VLSI process，the proposed approach to accelerate SSTA decreases the runtime of timing analysis to improve the efficiency.

Key words: Graphics Processing Unit（GPU）, sparse grid, Statistical Static Timing Analysis（SSTA）

叶晓敏，周学功，曹伟，王伶俐. 利用GPU加速基于稀疏网格的SSTA[J]. 计算机工程与应用, 2011, 47(27): 60-64.

YE Xiaomin，ZHOU Xuegong，CAO Wei，WANG Lingli. Accelerating sparse-grid based SSTA using Graphics Processing Uni[J]. Computer Engineering and Applications, 2011, 47(27): 60-64.

[1]	张宾，张正强，王洪凯. 基于GPU加速的锥束CT重建算法研究[J]. 计算机工程与应用, 2019, 55(4): 208-213.
[2]	王越，徐正生，于飞，陈斐楠. 强跟踪稀疏网格滤波在水下目标跟踪中的应用[J]. 计算机工程与应用, 2017, 53(22): 235-242.
[3]	奚茂龙1，2，卢丹3，齐志明4，孙俊2. 随机漂移粒子群算法的RZWQM替代模型参数优化[J]. 计算机工程与应用, 2016, 52(23): 35-41.
[4]	蔡云龙，肖素梅，齐龙. 基于GPU的加锁并行化非结构网格生成方法研究[J]. 计算机工程与应用, 2014, 50(6): 56-60.
[5]	许亮1，王震2. 基于CUDA的快速大整数乘法[J]. 计算机工程与应用, 2013, 49(16): 221-224.
[6]	闫长青1，2，岳天祥1. GPU加速的高精度数字地面模型建模方法[J]. 计算机工程与应用, 2012, 48(22): 22-27.
[7]	刘丹1，陈捷捷2. 基于CUDA的邻近粒子搜索算法研究[J]. 计算机工程与应用, 2012, 48(18): 53-56.
[8]	朱瑶，严承华，李强. NTRU加解密算法的GPU实现研究[J]. 计算机工程与应用, 2011, 47(34): 81-85.
[9]	刘丹，赵广辉，钟珞. GPU加速希尔加解密方法的研究[J]. 计算机工程与应用, 2010, 46(18): 49-51.
[10]	崔世林,田斐. 实时的改进互信息匹配及其GPU实现[J]. 计算机工程与应用, 2009, 45(10): 160-162.