[論文レビュー] The EPFL Logic Synthesis Libraries

Mathias Soeken, Heinz Riener+9 more|arXiv (Cornell University)|May 14, 2018

Formal Methods in Verification参考文献 12被引用数 34

ひとこと要約

本論文では、C++およびPythonインターフェースを通じて、階層的で概念ベースの設計により、汎用的かつ高性能な論理ネットワーク操作を可能にするEPFL論理合成ライブラリを提示する。mockturtleは、インターフェースを介して論理ネットワークを抽象化する汎用ライブラリであり、実行時オーバーヘッドなしに、多様なネットワーク実装 across でアルゴリズムが動作可能である。Pythonスクリプトと複数の言語例を通じて、効率性と拡張性が実証されている。

ABSTRACT

We present a collection of modular open source C++ libraries for the development of logic synthesis applications. These libraries can be used to develop applications for the design of classical and emerging technologies, as well as for the implementation of quantum compilers. All libraries are well documented and well tested. Furthermore, being header-only, the libraries can be readily used as core components in complex logic synthesis systems.

研究の動機と目的

• 特定のネットワーク実装に依存しない汎用的で高性能な論理合成フレームワークの設計。
• 概念ベースのC++17設計を用いて、多様な論理ネットワークデータ構造にわたる論理合成アルゴリズムのシームレスな統合。
• 論理合成ワークフローのスクリプト化と自動化のためのPythonインターフェースの提供。
• アルゴリズムとデータ構造の詳細を分離することで、保守性とパフォーマンスの向上。
• 複数の言語バインディング（Python、C#、Scala）とログ記録を用いた拡張性のサポート。

提案手法

• ネットワークインターフェースAPI、汎用アルゴリズム、ネットワーク実装、パフォーマンスチューニングの4層構造を持つC++ライブラリスタックの設計。
• C++20のコンセプトと静的ポリモーフィズムを用いて、動的ディ patch を回避するインターフェース契約を強制し、パフォーマンスを保持する。
• ネットワーク操作（例：is_pi、size、foreach_node）の最小限で標準化されたAPIを定義し、汎用アルゴリズムの実装を可能にする。
• インターフェース抽象化を通じて、任意の準拠ネットワーク型で動作するカット列挙のようなアルゴリズムコンponentを実装する。
• 各コマンドを関数にマッピングし、入力/出力の意味論を持つコンパイル済みPythonモジュールを介してPythonスクリプトを有効にする。
• 再現可能性を可能にするために、JSON形式でのコマンドログ記録をサポートする。

実験結果

リサーチクエスチョン

• RQ1 多様な論理ネットワークデータ構造にわたる論理合成アルゴリズムを、パフォーマンス損失なしに汎用化する方法は何か？
• RQ2 現代のC++におけるどの設計パターンが、高性能で汎用的な論理ネットワーク操作を可能にするか？
• RQ3 統一インターフェースは、C++およびPythonベースの論理合成ワークフローを完全に再現可能にサポートできるか？
• RQ4 ログ記録とJSON出力は、論理合成パイプラインにおける自動化とデバッグをどのように向上させるか？
• RQ5 動的ポリモーフィズムを回避することで、論理合成ライブラリにおけるパフォーマンスと拡張性にどのような影響を与えるか？

主な発見

• mockturtleライブラリは、C++20のコンセプトを用いてアルゴリズムとネットワーク実装を明確に分離し、動的ディ patch を回避することで、複数のネットワークタイプで動作する汎用アルゴリズムを実現した。
• 静的ポリモーフィズムとインターフェース抽象化の使用により、カット列挙のようなアルゴリズムの実行が、さまざまなネットワークタイプで効率的に実行可能であることが実証された。
• Pythonインターフェースにより、論理合成ワークフローのための簡潔で読みやすいスクリプトが可能となり、合成前後の最適化結果の比較などが容易になった。
• -lフラグによるコマンドログは構造化されたJSON出力を生成し、完全な再現可能性と自動化パイプラインへの統合を可能にした。
• 複数の言語バインディング（Python、C#、Scala）を用いた拡張性が実現されており、実用的ユースケースを示す例題がその有効性を裏付けた。
• ライブラリ設計により、コードの重複やパフォーマンスペナルティなしに、異なるゲートライブラリやネットワーク表現間でのアルゴリズムの再利用が可能となった。