Lifetime improvement through adaptive reconfiguration for nonvolatile FPGAs

Lifetime improvement through adaptive reconfiguration for nonvolatile FPGAs

SRAM的FPGA有漏电和容量的限制，使用NVM替换SRAM是一个有效的方式，但是NVM有寿命问题。BRAM的磨损均衡问题依赖静态分析，但是静态分析对于具有多个运行时工作模式的应用程序不够准确。

提出了一个对工作模式进行感知并自适应模式进行重构的磨损均衡机制

以4%的性能开销实现120%的寿命改善

静态分析是什么？工作模式是什么？

静态分析：写使能信号的稳定性使其可通过监视的写入信号使能频率来估计BRAMs在运行时的写入频率（maybe)

应用程序可能具有不同工作负载的各种工作模式。此外，对于某些应用程序，工作模式强烈依赖于执行环境。

20组随机输入激励信号（三种工作模式）

e1-e8的写使能信号频率的变化（写次数的波动）

Pattern-aware wear leveling mechanism

key：工作模式与配置文件特征的匹配
work：

修改布局算法使其根据不同的特性生成配置文件
开发一个决定器感知工作模式，选择配置文件

Lifetime-aware placement

为了匹配运行模式，我们希望生成“不同”的配置文件进行自适应选择。从生存时间的角度，“不同“说明配置所映射的物理BRAM不同。

配置文件对BRAM寿命的影响：

以此引出配置文件生成的两个策略

逻辑BRAM映射到被映射次数尽可能少的物理BRAM上
避免逻辑BRAM被映射到之前已经被映射过的物理BRAM（为了避免更细粒度的写损坏吗？）

放置算法的流程图如下。传统的CAD放置算法时基于模拟退火的。

// 加载BRAM过去的使用次数记录
foreach 𝑃ℎ𝑦𝑖 ∈ 𝑃ℎ𝑦𝑠 do
    𝑃ℎ𝑦𝑠_𝐷𝑖𝑐𝑡[𝑃ℎ𝑦𝑖] = BRAMs usage record;
𝑃ℎ𝑦𝑠_𝐿𝑖𝑠𝑡 = sort(𝑃ℎ𝑦𝑠_𝐷𝑖𝑐𝑡.𝑢𝑠𝑒𝑑_𝑛𝑢𝑚);	// 从小到大排序使用次数
𝑆𝑒𝑙_𝑛𝑢𝑚 = min(⌊(1+𝛼)∗#𝐿𝑜𝑔𝑠/#𝑃ℎ𝑦𝑠∗100%⌋, #𝑃ℎ𝑦𝑠);// 选择前(1+𝛼)*100%次数最小的BRAM
𝐶𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑒_𝑃ℎ𝑦𝑠 = 𝑃ℎ𝑦𝑠_𝐿𝑖𝑠𝑡[0∶𝑆𝑒𝑙_𝑛𝑢𝑚];// 作为将被逻辑BRAM映射的物理BRAM候选队列
𝑀𝑎𝑥_𝑢𝑠𝑎𝑔𝑒 = 𝑃ℎ𝑦𝑠_𝐿𝑖𝑠𝑡[𝑆𝑒𝑙_𝑛𝑢𝑚].𝑢𝑠𝑒𝑑_𝑛𝑢𝑚; // 获取之前BRAM写次数最大值
// 给每个逻辑BRAM随机生成一个初始解的物理BRAM
foreach 𝐿𝑜𝑔𝑖 ∈ 𝐿𝑜𝑔𝑠 do
    Randomly Select 𝑃ℎ𝑦𝑠𝑒𝑙 from 𝐶𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑒_𝑃 ℎ𝑦𝑠;
	𝐿𝑜𝑔_𝑖.𝑃ℎ𝑦 map to the 𝑃ℎ𝑦𝑠𝑒𝑙;
Calculate 𝑇 ; // 计算退火温度
while Not Exit(T) do
    Randomly Select one 𝐿𝑜𝑔𝑠𝑒𝑙 from 𝐿𝑜𝑔𝑠;	// 随机选择一个逻辑BRAM:Logsel
	while Not Exit inner(inner_iter) do
        Randomly Select 𝑃ℎ𝑦𝑠𝑒𝑙 from 𝐶𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑒_𝑃ℎ𝑦𝑠; // 随机选择一个物理BRAM:Physel
		// 旧解决方案的花费，不仅计算性能花销，也计算了寿命花销
		𝑂𝑙𝑑 𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛 = (𝐿𝑜𝑔𝑠𝑒𝑙-𝐿𝑜𝑔𝑠𝑒𝑙.𝑃ℎ𝑦; 𝑃ℎ𝑦𝑠𝑒𝑙.𝐿𝑜𝑔-𝑃ℎ𝑦𝑠𝑒𝑙)
        𝐶𝑜𝑠𝑡𝑆1 = Calculate(𝑂𝑙𝑑 𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛);
		// 交换映射后新的解决方案的花费
		𝑁𝑒𝑤 𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛 = (𝐿𝑜𝑔𝑠𝑒𝑙-𝑃ℎ𝑦𝑠𝑒𝑙; 𝑃ℎ𝑦𝑠𝑒𝑙.𝐿𝑜𝑔-𝐿𝑜𝑔𝑠𝑒𝑙.𝑃ℎ𝑦);
		𝐶𝑜𝑠𝑡𝑆2 = Calculate(𝑁𝑒𝑤 𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛);
		𝛥𝐶𝑜𝑠𝑡 = 𝐶𝑜𝑠𝑡𝑆2 − 𝐶𝑜𝑠𝑡𝑆1;	// 新旧方案花销的差值
		if 𝛥𝐶𝑜𝑠𝑡 < 0 then	// 新方案花销更小
            Accept_Swap();	// 接受新方案
			break;
		else
            if Rand(0,1) < 𝑒^{−(𝛥𝐶𝑜𝑠𝑡)/𝑇} then	// 以特定概率接受
            	Accept_Swap();
				break;
			Reject_Swap();
		𝑖𝑛𝑛𝑒𝑟_𝑖𝑡𝑒𝑟 ++;
	Update 𝑇;