Digilent Adeptの利用

Vivadoは開発システムのため、当然ビットストリームファイルを書き込むことが可能ですが、スタンダロンの書き込みツールがあります。それがDigilent Adeptです。これはFlashへの書き込みはできないようですが、SRAMにネットまたはUSB経由で書き込むことが可能です。

前のブログ 次のブログ

CmodA7toPMODボード

基本的には過去記事に対してボードをCmodA7ボードに変更したものです。 DigilentからCmodA7ボードを購入しました。このボードは(弊社開発の)PMOD変換ボードは必要となりますが、総額では安くSpace Invadersを動かすことができます。

周辺インタフェースボード等

Space Invadersを動作させるには、CmodA7ボードの他に必要なものは以下のとおりです。

• 12V電源
• PMOD I2Sインタフェース(オーディオDAC)カード
• オーディオケーブル 図731.1 PMOD I2Sインタフェースとケーブル
• アンプ付きミニスピーカ 図731.2 アンプ付きミニスピーカ
• PMOD VGAインタフェースカード
• VGA/HDMIインタフェース 図731.3 PMOD VGAインタフェースとVGA/HDMIインタフェース
• VGA/HDMIインタフェース用5V電源
• HDMIケーブル
• PMOD JOYスティック・スイッチインタフェース(弊社開発) 図731.4 PMOD JOYスティック・スイッチインタフェース
• JOYスティック・スイッチ(弊社開発) 図731.5 JOYスティック・スイッチ
• Micro-B USBケーブル 図731.6 Micro-B USBケーブル 図731.7に、これら周辺を全て接続したCmodA7ボードの写真を示します。 図731.7 CmodA7toPMODボードに周辺を接続

CmodA7-35ボードへの移植

Arty-35とFPGAアーキテクチャが同じであり、何も変更せずにそのままで動作しました。

前のブログ 次のブログ

Pongの完成

いままでのV5/V6の評価を含めて判明しているところまでをまとめます。

• XADCのクロックが100MHz推奨と書かれていたのをそのまま100MHzを入力したが、最低入力周波数である8MHzまで落としたほうが良い。
• XADCの設定画面においても8MHzとしたほうが良い。
• V5/V6共に画面斜め縞が出る。これはXADCのクロックを停止しても出ている。
• V5はさらにポップノイズ雑音が出る。
• V6において+3.3Vに電解コンデンサー10uFを付加したところ、電源のノイズが消えた。電源ノイズが画面に表れていたようだ。

図730.1に完成したPongを示します。画面ではわかりにくいですが、斜めの縞模様が流れています。今まであまり意識しなくてもたまたま問題にならなかったのですが、VGAはアナログ信号のため、ノイズ対策をきっちりとやらないと今回のようになることが分かりました。

前のブログ 次のブログ

CmodA7toPMODV5/6のノイズ評価

それぞれのボードに部品を実装してノイズ評価を行いました。その結果以下のようなことが判明しました。

• 改版後のV6でもV5と同様にノイズが乗る。主にXADCに供給していた100MHzクロックが原因のようだ。
• 100MHzを落として8MHz程度にすると正しく動作し、かつスイッチONでのブー音が消えた。

• スペースインベーダーはXADCを使用していないので、どちらのボードでも画面縞は発生しない。
• 一方、XADCクロックを8MHzに落としても画面の斜め縞はV5/V6両方で発生する。
• XADCへの供給クロックを8MHzに落とした(上記)だけではなく、XADCの内部動作クロック設定も8MHzにしたが、斜め画面縞は変わらず原因不明。

実験によるフィードバック

V6基板においてVRを実際にADCに接続してJTAG経由で測定したところ、ADC入力電圧値は0.208～0.9804Vとなりました。LTSpiceの値とほぼ一致する結果です。

設計計算の変化点をマーカで表示します。ピンクは前記事との変化点であり、ブルーは最終結果としてソースコードに入れる値です。

• VRの全角度は300°
• VRの有効角はパラメータ化し、開始角a[°] (デフォルト値a=105)、範囲b[°] (デフォルト値b=90)
• VRの全角度の際のADC入力電圧は測定結果より、0.2～0.98[V]

再設計計算

これらより、ADC入力電圧は開始角$a$の値を$V_\text{a}$、終了角$a+b$の値を$V_\text{a+b}$として、 $\require{color} \definecolor{pink}{rgb}{1.0,0.8,1.0} \definecolor{blue}{rgb}{0.8,0.8,1.0}$

• $V_\text{L}=\colorbox{pink}{0.2}$, $V_\text{H}=\colorbox{pink}{0.98}$
• $V_\text{range}=V_\text{H}-V_\text{L}=\colorbox{pink}{0.78}$
• $V_\text{a}=\frac{V_\text{range}}{300}a+V_\text{L}$
• $V_\text{a+b}=\frac{V_\text{range}}{300}(a+b)+V_\text{L}$

次にAD変換後のデータDは入力全範囲0～1[V]を4096分割する。開始角の値を$D_\text{a}$、終了角の値を$D_\text{a+b}$として

• $D_\text{a}=4096V_\text{a}=\frac{4096V_\text{range}}{300}a+4096V_\text{L}=\colorbox{pink}{10.65}a+\colorbox{pink}{819.2}$
• $D_\text{a+b}=4096V_\text{a+b}=\colorbox{pink}{10.65}(a+b)+\colorbox{pink}{819.2}$
• $D_\text{range}=D_\text{a+b}-D_\text{a}=\colorbox{pink}{10.65}b$

一方、y座標の制約は以下のとおりであり、$y_\text{top}$(上限$y_\text{max}$+5%)と$y_\text{bottom}$(下限$y_\text{min}$-5%)の値でクリッピング。

• $y_\text{min}=\colorbox{pink}{44}, y_\text{max}=\colorbox{pink}{219}, Paddle_\text{h}=\colorbox{pink}{26}$
• $y_\text{bottom}=y_\text{min}-7=\colorbox{pink}{37}, y_\text{top}=(y_\text{max}-Paddle_\text{h})+7=\colorbox{pink}{200}$
• $y_\text{range}=y_\text{top}-y_\text{bottom}=200-37=\colorbox{pink}{163}$

これらからy座標を求めると、ADCのデータを$D$とすれば、

• $y=\frac{y_\text{range}}{D_\text{range}}(D-D_\text{a})+y_\text{bottom}=\frac{\colorbox{pink}{163}}{\colorbox{pink}{10.65}b}D-\frac{\colorbox{pink}{163}}{b}a-\frac{\colorbox{pink}{163}\cdot\colorbox{pink}{819.2}}{\colorbox{pink}{10.65}b}+\colorbox{pink}{37}\\ =\frac{\colorbox{pink}{244.9}}{b\ll4}D-\frac{\colorbox{pink}{163}}{b}a-\frac{\colorbox{pink}{12538}}{b}+\colorbox{pink}{37}=\frac{\colorbox{blue}{245}D-\colorbox{blue}{2608}a-\colorbox{blue}{200615}}{b\ll4}+\colorbox{blue}{37}$

y式中のシフトは固定小数点演算を行うために分母分子を16倍しているものです。さらに最小値$D_\text{a}$、最大値$D_\text{a+b}$で入力ADCデータのクリッピングを行います。

• $D_\text{a}=\colorbox{pink}{10.65}a+\colorbox{pink}{819.2}=(\colorbox{blue}{170}a+\colorbox{blue}{13107})\gg4$
• $D_\text{a+b}=\colorbox{pink}{10.65}(a+b)+\colorbox{pink}{819.2}=(\colorbox{blue}{170}(a+b)+\colorbox{blue}{13107})\gg4$

以上より、完成したBSVコードの変更点のみを以下に示します。

クリッピング値計算部分

                // 座標の下限-5%と上限+5%に対応するADC値の計算
                Bit#(20) adcMinValue = (170 * extendedA + 13107) >>4;     // Min = 10.65A + 819.2
                Bit#(20) adcMaxValue = (170 * (extendedA + extendedB) + 13107) >> 4; // Max = 10.65(A+B) + 819.2

ADCからy値計算部分

                Bit#(24) coordinate = ((zeroExtend(clippedAdcValue) * 245
                       - zeroExtend(extendedA) * 2608 - 200615 + 915)
                       / zeroExtend(extendedB) >> 4) + 37;

+915は途中計算がアンダーフローして値が最大値にならないように調整するものです。この例のように小数点演算において0をわずかに割った場合、負数は正の最大値となるため、非常に大きな誤差が起こります。

FSM中でのパドルの可動範囲$y_\text{min}=\colorbox{blue}{44}$、$y_\text{max}-Paddle_\text{h} + 1=219-26 + 1=\colorbox{blue}{194}$でクリッピングすることを忘れないように注意します。

前のブログ 次のブログ

BSVに簡単に変換できるからC/C++が優位とは論理が反対です。それはC/C++の優位性が無いことを示すものです。また合成できない機能についてはBSVに関係のないC/C++の欠点です。

逆です。それらはC/C++の優位性が無いことを表すものです。もともとポインタや動的メモリ管理等は合成できないのがC/C++の欠点です。なのでC/C++の優位性はそれらを除く逐次処理です。ところがその部分は自動ステートマシン合成を用いて容易にBSVに移植できるので、結論としてC/C++の優位性はほぼなく、BSVの優位性だけが示されるのではないですか？

ChatGPT
ご指摘の通り、C/C++のハードウェア合成における逐次処理の部分がBSVに容易に移植できる場合、C/C++の特有の優位性は大きく減少する可能性があります。特に、以下の点を考慮すると、BSVの優位性がより顕著になります：

1. ハードウェア特有の機能：
   BSVはハードウェア設計のために特化された言語であり、ハードウェアの並行処理、同期、タイミング制御などの機能を直接的に表現できます。

2. 自動ステートマシンの合成：
   BSVはC/C++の逐次的なコードをステートマシンに変換する能力があり、これにより、C/C++の逐次処理の優位性が相対的に低下します。

3. 高レベルの抽象化：
   BSVはハードウェアの動作をより高い抽象化レベルで記述でき、複雑なハードウェアロジックの実装を容易にします。

C/C++によるハードウェア合成の主な利点の一つである既存のコードベースの再利用は、ポインタや動的メモリ割り当てなどの合成不可能な特性を除けば、BSVによってカバーできる範囲が広がります。結果として、特に逐次処理に関しては、BSVによる合成がより効率的かつ適切な選択肢となる可能性が高まります。

これにより、ハードウェア設計におけるBSVの優位性が強調され、C/C++の利用が必要とされるケースは限定的なものになるかもしれません。

所感:
ChatGPTはこのように平気で誤った論理的結論を導出することがあることに注意が必要です。一方、考え方の幅を広げて貰うには最適なことからそのような目的で使うべきであり、結論を導いて貰うべきではありません。

BSVとC/C++の比較の結論としては、技術的にはBSVのほうが圧倒的に有利であり、一方非技術的には、例えば学習コスト、ユーザベース、ツールチェイン等の面でC/C++が有利と理解しました。

前のブログ 次のブログ

C/C++の優位性について議論しようとしたら、むしろ欠点に話が向いてしまいました。

それらはむしろC/C++の欠点なのではないですか？ポインタや動的メモリ管理などはそもそも合成できません。従ってBSVの問題ではありません。私が指摘したのは、C/C++が有利だという点についても簡単にBSVに変換可能という点です。

ChatGPT
おっしゃる通りです。提案された方法によって、C/C++コードをBSVなどのハードウェア記述言語に比較的容易に変換することが可能であるという点は、C/C++の優位性を示しています。特に、以下の点でその優位性が強調されます：

1. 簡単な変換：
   C/C++の制御構造（例えばfor、while、if-else文）は、比較的簡単にBSVの制御構造に変換できます。これにより、既存のソフトウェアロジックをハードウェア設計に適応させる際の手間が減ります。

2. プログラミングのアクセシビリティ：
   既にC/C++で開発されたロジックを、ハードウェアの記述に活用できるため、ソフトウェア開発者にとってはハードウェア設計のアクセシビリティが向上します。

3. プロトタイピングの迅速化：
   C/C++のコードをBSVに変換することで、ハードウェアプロトタイピングプロセスを迅速化できる場合があります。特に、既存のアルゴリズムをハードウェアに迅速に実装したい場合に有効です。

ただし、ポインタ操作や動的メモリ割り当て（mallocなど）のようなC/C++の特定の特性は、直接的なハードウェア合成には適しておらず、これらを使用するコードの部分は、ハードウェア記述に変換する際に適切な代替手段を考慮する必要があります。従って、C/C++からBSVへの変換は、ハードウェア設計におけるC/C++の特性や限界を理解した上で行う必要があります。

結論として、C/C++のコードをBSVなどのハードウェア記述言語に変換することは、特定の条件下では有効なアプローチであり、C/C++の利用に関連する一定の優位性を提供します。ただし、このプロセスはハードウェア設計の特性を十分に理解し、C/C++の特定の制約を考慮することが重要です。

前のブログ 次のブログ

過去記事の続きです。BSVの優位性は言うまでもないので、C/C++の優位性について話を絞ります。やはり既存のコードベース再利用が主のようです。

C/C++の優位性は既存のCコードの再利用が主ですが、それも先に述べた方法で容易に自動ステートマシンを合成可能です。この観点からはどうでしょうか？

ChatGPT
C/C++コードをBSVなどのハードウェア記述言語に移植する際のプロセスを指摘していただいた通り、特定の構文変更によって自動的にステートマシンに合成することは可能です。しかし、このアプローチにはいくつかの留意点があります：

C/C++からBSVへの移植の課題

1. 直接変換の限界：
   単純な構文変更による自動変換は、基本的な制御フローにおいては有効かもしれませんが、C/C++の高度な機能や特定のアルゴリズムの実装では適用が難しい場合があります。特に、ポインタ操作、動的メモリ管理、複雑なデータ構造などの特性はハードウェア記述に直接対応しないため、これらの要素を含むコードは追加の手作業や再設計が必要になる可能性があります。

2. ハードウェア特有の最適化の必要性：
   ハードウェア設計においては、リソースの利用効率、タイミングの最適化、並行処理の管理など、ハードウェア特有の考慮事項が重要になります。これらの要素はC/C++のコードには通常含まれておらず、ハードウェア合成において適切に扱う必要があります。

3. ハードウェアとソフトウェアのパラダイムの違い：
   ソフトウェアプログラミングとハードウェア記述は根本的に異なるパラダイムです。C/C++のコードをBSVに移植する際には、このパラダイムの違いを理解し、ハードウェアの性能と機能に適した形にコードを再構築することが重要です。

結論

既存のC/C++コードの再利用は、一定の範囲内で有効なアプローチですが、ハードウェア設計における全てのニーズに対応するわけではありません。特に、ハードウェア特有の要件や最適化を考慮した再設計や調整が必要な場合があります。C/C++からBSVへの移植は、ハードウェア設計の基本的な概念と特性を理解した上で行う必要があり、プロセス全体が単純な構文変更以上のものであることを認識することが重要です。

前のブログ 次のブログ

やはり既存のコードベースの再利用が主体のようです。

C/C++は逐次処理で書きます。たとえばfor, while if else など。ところがBSVでもこれらは使用でき、容易にFSMに合成できます。とするとC/C++の優位性はあまりないのでは？

ChatGPT
C/C++によるハードウェア合成とBSV（Bluespec SystemVerilog）による合成の間には、確かにいくつかの重要な違いがありますが、C/C++の利用には依然として特定の状況での優位性が存在します。これらは主に、開発のアクセシビリティ、既存のソフトウェアリソースの活用、および特定の種類のハードウェアプロトタイピングに関連しています。

C/C++によるハードウェア合成の優位性

1. 既存のソフトウェアリソースの再利用：
   C/C++を使用する主な利点の一つは、既存の豊富なソフトウェアコードベースとアルゴリズムをハードウェア設計に再利用できる点です。特に、ソフトウェアで実装されている複雑なアルゴリズムをハードウェアに迅速に移植したい場合に有効です。

2. ソフトウェア開発者のアクセシビリティ：
   C/C++は多くのソフトウェアエンジニアにとって馴染み深く、ハードウェア設計の専門知識が限られた開発者でもアクセスしやすいです。このため、ソフトウェア開発チームがハードウェアのプロトタイピングや概念実証に関わる場合に便利です。

3. 迅速なプロトタイピング：
   C/C++ベースの合成ツールを使用することで、ソフトウェア定義のアルゴリズムを迅速にハードウェアに変換し、プロトタイピングとテストを素早く行うことができます。

BSVによる合成の特性

BSVは並行処理とハードウェアの特性を直接的にモデル化するための強力な機能を提供します。これにより、複雑なハードウェアロジックや高度なハードウェア設計をより効果的に扱えます。

BSVは、ハードウェアのタイミング制御、状態管理、並行処理などを直接的に記述することが可能で、特に複雑なハードウェアシステムの設計に適しています。

結論

BSVが提供するハードウェア記述の能力は、複雑なハードウェア設計において強力な利点を提供しますが、C/C++による合成は特定のシナリオ、特に既存のソフトウェアリソースの活用や迅速なプロトタイピングが求められる場合に依然として有用です。しかし、C/C++による合成はハードウェア設計の精密な制御や最適化においては限界があるため、ハードウェアの複雑さが増すにつれてBSVのような専用のハードウェア記述言語の優位性が顕著になります。

前のブログ 次のブログ

BSVが優位なのは良くわかったので、逆にC/C++に向いた回路を聞いてみます。

今までの話だとC/C++に向いた回路は無いように思いますが、BSVよりもC/C++のほうが向いた回路はありますか？

ChatGPT
C/C++によるハードウェア合成が特に適している場面は確かにあります。これらは主に、C/C++のコードベースから直接ハードウェアを生成する必要がある場合や、ソフトウェア定義のロジックを素早くハードウェアプラットフォームにデプロイする場合に見られます。

C/C++による合成が適しているケース

1. 既存のC/C++コードベースの活用：
   既存のC/C++のアルゴリズムやロジックをハードウェアに移植したい場合、C/C++に基づいた合成は有効です。これは、既存のソフトウェアリソースを再利用して、開発時間を短縮したい場合に特に有用です。

2. ソフトウェア開発者にとってのアクセシビリティ：
   C/C++はソフトウェアエンジニアにとって非常に馴染み深い言語です。ハードウェアの専門知識が限られているソフトウェア開発者が、ハードウェア設計に関わる場合、C/C++による合成は入門しやすい選択肢となります。

3. プロトタイピングと迅速なイテレーション：
   C/C++ベースの合成ツールを使用すると、ソフトウェアアルゴリズムを迅速にハードウェアプロトタイプに変換し、テストとイテレーションを素早く行うことが可能です。

4. 特定のドメイン固有のアプリケーション：
   一部のドメイン固有のアプリケーション（例えば、デジタル信号処理や画像処理など）では、高レベルの合成ツールがC/C++アルゴリズムを効率的にハードウェアにマッピングすることができます。

決定における考慮事項

1. プロジェクトの要件：
   プロジェクトの具体的な要件と目標に基づいて、最適なアプローチを選択します。

2. 開発チームのスキルセット：
   チームの既存の知識と経験を考慮して、C/C++またはBSVのどちらがより効果的かを決定します。

3. 開発時間とリソース：
   開発のスピードと利用可能なリソースに基づき、最も適切な技術を選択します。

C/C++による合成は、特定のシナリオや要件において依然として有効な選択肢です。ただし、複雑なハードウェア設計や高度な並行処理が必要な場合には、BSVのようなハードウェア記述言語がより適している場合が多いです。

前のブログ 次のブログ

他にはどうでしょうか？newral networkを用いた機械学習用途では？

ChatGPT
ニューラルネットワークを用いた機械学習アプリケーションのハードウェア実装においては、C/C++による合成とBSV（Bluespec SystemVerilog）による合成はそれぞれ異なる強みと限界を持ちます。ニューラルネットワークは大量の並行計算、複雑なデータフロー、および高度な数学的演算を必要とするため、これらの要件を効果的に満たす方法を選択することが重要です。

C/C++による合成での困難点

1. 高度な数学的演算:
   ニューラルネットワークは、多くの場合、複雑な数学的演算（例えば、行列演算）を含みます。C/C++ではこれらの演算を直接的にハードウェアレベルで表現するのが困難です。

2. 並行処理とデータフロー:
   大規模なニューラルネットワークでは、多数のニューロンが並行して動作します。C/C++でこれらの並行処理とデータフローを効率的に扱うことは難しい場合があります。

3. 合成ツールの制約:
   C/C++からハードウェア記述に変換する合成ツールは、ニューラルネットワーク特有の最適化を自動的には行えないことがあります。

BSVによる合成でのアプローチ

1. 並行処理の効率的な表現:
   BSVはハードウェアの並行処理を効率的に表現するための高レベルの抽象化を提供します。これにより、ニューラルネットワークの並行計算をより自然にモデル化できます。

2. カスタマイズ可能なデータフロー:
   BSVを使用すると、ニューラルネットワークの複雑なデータフローを直接的に記述し、最適化することが可能です。

3. ハードウェアリソースの効率的な利用:
   ニューラルネットワークに求められる計算リソースをBSVを用いて効率的に割り当てることができます。

結論

ニューラルネットワークのハードウェア実装においては、BSVのようなハードウェア記述言語が、並行処理、複雑なデータフロー、および数学的演算の表現において優位性を持ちます。特に、複雑なニューラルネットワークモデルや大規模な計算が必要な場合、BSVの提供する高レベルの抽象化とハードウェアリソースの効率的な利用が重要になります。ただし、C/C++による合成ツールも進化しており、特定のアプリケーションには適した選択肢になる可能性があります。

前のブログ 次のブログ