[论文解读] 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 34

一句话总结

该论文介绍了EPFL逻辑综合库，这是一个基于C++和Python的逻辑综合框架，通过分层的、基于概念的设计，实现了对逻辑网络的通用、高性能操作。它引入了mockturtle，一个通过接口抽象逻辑网络的通用库，使算法能够在不产生运行时开销的情况下跨多种网络实现工作，通过Python脚本和多种语言示例展示了其高效性与可扩展性。

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.

研究动机与目标

• 设计一个与特定网络实现无关的通用、高性能逻辑综合框架。
• 通过基于概念的C++17设计，实现逻辑综合算法在多种逻辑网络数据结构间的无缝集成。
• 提供Python接口，用于逻辑综合工作流的脚本化与自动化。
• 将算法与数据结构细节解耦，以提高可维护性与性能。
• 通过多种语言绑定（Python、C#、Scala）和日志记录支持可扩展性，确保可重现性。

提出的方法

• 设计四层C++库栈：网络接口API层、通用算法层、网络实现层和性能调优层。
• 使用C++20概念和静态多态性强制接口契约，避免动态分发，从而保持性能。
• 定义最小化、标准化的网络操作API（例如：is_pi、size、foreach_node），以支持通用算法的实现。
• 通过接口抽象实现算法组件（如cut_enumeration），使其可跨任何符合接口的网络类型工作。
• 通过编译后的Python模块支持Python脚本，将每个命令映射为具有输入/输出语义的函数。
• 支持以JSON格式记录命令，以实现可重现性与工作流追踪。

实验结果

研究问题

• RQ1 如何在不损失性能的前提下，使逻辑综合算法在多种逻辑网络数据结构间保持通用？
• RQ2 现代C++中的哪些设计模式能够实现高性能、通用的逻辑网络操作？
• RQ3 统一接口能否同时支持C++和Python的逻辑综合工作流，并实现完整的可重现性？
• RQ4 日志记录与JSON输出如何增强逻辑综合流水线中的自动化与调试能力？
• RQ5 避免动态多态性对逻辑综合库的性能与可扩展性有何影响？

主要发现

• mockturtle库通过C++20概念成功将算法与网络实现解耦，实现了无需动态分发即可在多种网络类型上运行的通用算法。
• 通过使用静态多态性和接口抽象，实现了高性能，如在各种网络类型上高效执行cut_enumeration等算法所证明的那样。
• Python接口支持简洁、易读的脚本编写，用于逻辑综合工作流，例如比较综合前后的优化结果。
• 通过-l标志的命令日志可生成结构化的JSON输出，实现完全可重现性，并可集成到自动化流水线中。
• 该框架通过多种语言绑定（Python、C#、Scala）支持可扩展性，示例工作负载展示了其实际应用价值。
• 该库设计支持在不同门库和网络表示之间复用算法，无需代码重复或性能损失。