FPGA-Neural/hardware/v2/docs/ROADMAP.md

FPGA-Neural V2 — stato roadmap

Fonte del mandato: docs/v2-description.md (root del repository). Baseline funzionale/numerica/bit-exact: hardware/v1/ (frozen, sola lettura — vedi hardware/v1/README.md).

Legenda: [ ] non iniziato · [~] in corso · [x] completo (sim+synth+timing reali, non solo scritto).

• M1 — Neural Processor (hardware/v2/rtl/neural_processor.v, P8). Bit-exact vs V1 (7/7 test, Verilator), pipeline a 8 stadi funzionante, throughput reale (1 tile/ciclo). Sintesi reale: 0 problemi CHECK, Fmax 183.12 MHz (ACC_WIDTH=32) — vedi logs/experiments.log EXP-0001/EXP-0002, logs/errors.log per 3 bug reali trovati e risolti (2 del toolchain Icarus, 1 RTL).
• M2 — Processor Array (neural_processor_array.v). 1/2/4/8 processor testati (sim concorrenza reale + sintesi/P&R reali). Fmax sempre PASS a 80MHz (159.11→134.70 MHz). Scoperta: il DSP (MULT18X18D), non LUT/FF, satura per primo (88% a N=8) — vedi logs/decisions.log DEC-0005.
• M3 — Buffers (activation_buffer.v, weight_buffer.v, result_buffer.v). Tutti inferiscono DP16KD reale (10/10 test, 6/6 config sintetizzate 0 problemi). Scoperta: il costo BRAM di weight_buffer e' guidato da P_IN (larghezza), non da DEPTH.
• M4 — Memory Manager (memory_manager.v, prefetch_engine.v), backend PSRAM V1 riusato SENZA MODIFICHE. End-to-end reale (3/3 job PASS) con vero neural_processor + vera catena PSRAM V1. 3 bug RTL trovati/risolti (logs/errors.log ERR-0006). Fmax 165.86 MHz.
• M5 — Neural Director (neural_director.v), scheduling first-free. 4/4 test PASS (dispatch + coda + backpressure reale su N_SLOTS=2). FSM ridotta a 4 stati, dependency rimandata a M6 (logs/decisions.log DEC-0007). Fmax 250.50 MHz.
• M6 — Dependency Manager (dependency_manager.v), ready/waiting queue, dependency counters, wake-up, producer tracking. 4/4 test PASS (dipendenze multiple + produttore condiviso/piu' consumer). Fmax 155.30 MHz. Forwarding di valori e riuso slot rimandati (logs/decisions.log DEC-0008).
• M7 — Dataflow Core (dataflow_core.v), prima integrazione completa: Dependency Manager (M6) -> Neural Director (M5) -> N_SLOTS x (Memory Manager (M4) + Neural Processor (M1)), loop di wake-up chiuso end-to-end. 4/4 test PASS su un DAG a 3 nodi (node2 dipende da entrambi node0+node1, dispatch confermato solo dopo che ENTRAMBI completano davvero). Sintesi reale 0 problemi a N_SLOTS=2 e N_SLOTS=4. Fmax reale (harness): 165.15 MHz (N_SLOTS=2), 133.19 MHz (N_SLOTS=4). Buffer M3 e arbitraggio PSRAM condiviso rimandati esplicitamente a M8 (logs/decisions.log DEC-0009).
• M8 — PSRAM integration (neural_multiprocessor.v, slot_mem_arbiter.v), controller V1 riusato SENZA MODIFICHE, condiviso tra N_SLOTS memory_manager concorrenti reali. Trovato e risolto un bug RTL reale: il primo arbitro perdeva silenziosamente una richiesta arrivata durante la contesa (protocollo byte-level "fire-and-forget", mai esposto da M4 che collega un solo master direttamente) — vedi logs/errors.log ERR-0008. Dopo il fix: 4/4 test PASS (2 slot in vera contesa concorrente sulla stessa PSRAM reale). Sintesi reale 0 problemi (nessun harness necessario — pin reali PSRAM tengono il top-level a 157 pin). Fmax reale 142.45 MHz. Politica di arbitraggio a priorità fissa, non ancora fair (logs/decisions.log DEC-0010).
• M9 — Full benchmark, tabella V1 vs V2 (§32 del mandato) — confronto full-system, stesso PARALLEL/P_IN=8, stesso backend PSRAM reale V1 in entrambi. Fmax POST-P&R: V2 142.45 MHz (PASS @80MHz) vs V1 68.65 MHz (FAIL @80MHz). Cicli/neurone SIMULATED (1 neurone, 8 input, PSRAM reale): V2 166 vs V1 209 (2.6x speedup wall-clock reale). MAC/cycle di picco: V2 16 (N_SLOTS=2 x P_IN=8, concorrenza reale) vs V1 8 (core sequenziale singolo). LUT/FF: V2 4191/3659 vs V1 8907/4900. 9/12 righe con dati reali misurati; stall %/memory utilization/processor utilization esplicitamente NON misurati questo milestone (logs/decisions.log DEC-0011), rimandati a M10. Tabella completa in logs/benchmark.log.
• M10 — Optimization, solo sulla base dei dati raccolti in M1-M9. N_SLOTS=8 sintetizzato e P&R reale (92.63 MHz, PASS @80MHz, DSP 64/72=88.9%) — tetto pratico raccomandato per P_IN=8 su LFE5U-45F (logs/decisions.log DEC-0012). Sweep reale a 6 seed ACC_WIDTH 24 vs 32 (riusando i netlist gia' sintetizzati): ACC_WIDTH=24 vince sia in Fmax medio (+6.2%, 180.71 vs 170.12 MHz) che in varianza (~3.4x piu' stretta) — risolve l'inconcludenza a singolo seed di EXP-0002, nuovo default raccomandato (DEC-0013). Strumentazione di conteggio cicli (solo testbench, nessun RTL toccato) chiude la lacuna stall%/utilization di DEC-0011 con dati reali: porta PSRAM condivisa all'81.7% di utilizzo, slot0 95.2%, slot1 65.2%.

Roadmap completa (§33)

Tutte e 10 le milestone del mandato (docs/v2-description.md §33) sono complete: simulazione reale (Verilator), sintesi reale (Yosys), place & route reale (nextpnr-ecp5) per ognuna, con log completi in hardware/v2/logs/ (EXP-0001..EXP-0013, DEC-0001..DEC-0013, ERR-0001..ERR-0008). Elementi esplicitamente rimandati (non dimenticanze, ognuno con la propria motivazione in decisions.log): riuso slot in dependency_manager (DEC-0008), fairness dell'arbitro PSRAM sotto contesa piu' estesa (DEC-0010), sweep P_IN<8 per N_SLOTS ancora piu' alto (DEC-0012), riuso dei buffer M3 come cache condivisa (DEC-0009), strumentazione stall%/utilization completa anche lato V1 (DEC-0011).

Final Benchmark Campaign (post-roadmap, richiesta utente)

Dopo il completamento di M1-M10, una campagna di benchmark finale completa e reale (hardware/v2/sim/tb_benchmark_suite.v, EXP-0014) ha caratterizzato V2 end-to-end su 6 workload realistici (16-256 neuroni indipendenti, un layer multilivello con forwarding reale via PSRAM, un DAG a 6 nodi con risveglio a 2 hop) su N_SLOTS=1/2/4/8. 24/24 PASS bit-exact dopo aver trovato e risolto 3 problemi reali (1 bug RTL in neural_director.v mai testato a N_SLOTS=1, 2 bug nel testbench -- logs/errors.log ERR-0009). Scoperta principale: lo scaling parallelo reale e' sostanzialmente PIATTO oltre N_SLOTS=2 (la vera porta PSRAM condivisa satura al 91%, non il numero di processori) -- N_SLOTS=4 e' misurabilmente PIU' LENTO in wall-clock reale di N_SLOTS=1 per il workload Stress una volta considerato il vero Fmax POST-P&R. N_SLOTS=2 raccomandato come default (logs/decisions.log DEC-0014). Report completo (21 sezioni, THEORETICAL/SIMULATED/ POST-P&R/DERIVED classificati): hardware/v2/docs/benchmarks/ final-benchmark.md.

Ottimizzazioni post-campagna (su richiesta utente)

Implementate entrambe le raccomandazioni #1/#2 del report:

1. Burst a livello di parola (prefetch_engine.v/memory_manager.v parlano direttamente il protocollo a 16 bit di memory_interface.v, bypassando int8_memory_access.v -- ancora congelato, semplicemente non piu' istanziato in questo percorso). Reale: -49/-56% cicli sui job singoli, 2.24-2.37x speedup wall-clock reale sull'intera campagna. logs/decisions.log DEC-0015.
2. Cache condivisa on-chip per il vettore di attivazione (nuovo activation_cache.v, evita che neuroni con lo stesso x_base rileggano X da PSRAM). Reale: ulteriore -1.66/-2.00x cicli. MA costo Fmax reale molto piu' ripido del previsto: N_SLOTS=4 ora FALLISCE il target 80MHz (65.01 MHz, prima passava). N_SLOTS=2 (default raccomandato) resta valido con margine piu' sottile (87.72 MHz). Speedup wall-clock reale combinato (#1+#2) vs baseline originale: N=1 3.86x, N=2 2.45x. logs/decisions.log DEC-0016.

Trovati e risolti 3 bug RTL reali durante l'implementazione (logs/errors.log ERR-0009, ERR-0010). 24/24 combinazioni workload/config ancora bit-exact dopo entrambe le ottimizzazioni.

Log

Vedi hardware/v2/logs/ (development.log per la cronologia di sessione, decisions.log per le decisioni architetturali con motivazione, experiments.log per ogni EXP-XXXX end-to-end).

Regole non negoziabili attive (§34 del mandato, per riferimento rapido)

1. V1 (hardware/v1/) rimane intatta — mai modificata.
2. V2 vive esclusivamente sotto hardware/v2/.
3. Nessun risultato inventato: THEORETICAL vs SIMULATED vs SYNTHESIZED vs POST-P&R sempre etichettati esplicitamente.
4. Ogni modifica/esperimento/decisione registrata nei log, mai persa.
5. Ogni esperimento ha un ID univoco, mai riutilizzato — anche i FAIL restano.