FPGA CNN加速器实现基于工作负载的动态容错ProWAFT

ProWAFT：FPGA上CNN加速器中基于工作负载感知的动态容错机制——ROMA-LPD实例分析

背景

SRAM-based FPGA在能源和延迟受限的边缘CNN推理场景中提供了一种吸引力极强的平台，但瞬时故障（如单事件效应，Single Event Upset，简称SEU）会导致静默错误，严重影响可靠性。全冗余（如完整的三模冗余，Triple Modular Redundancy，简称TMR）能提升正确性，但会带来显著的性能和能耗开销，而反应式恢复（reactive recovery）可能会在关键路径上引入不可接受的延迟。

针对这一问题，提出了一种主动的工作负载感知容错框架——ProWAFT。该框架利用部分重构（partial reconfiguration）技术，在可重构分区上选择性地应用TMR。ProWAFT能够量化工作负载的临界性、建模故障传播和重构开销，并根据延迟、能耗和可靠性风险的最小化复合目标（composite objective）选择最优配置。

ProWAFT具体实现于Xilinx Zynq UltraScale+ ZCU104平台，配备六个可重构区域（six reconfigurable regions）。在基于ResNet-18、MobileNetV2和EfficientNet-Lite的500个任务轨迹（500-task trace）上进行评估，模拟时变SEU注入（time-varying SEU injection）条件。实验结果表明，ProWAFT在复合成本方面优于静态TMR和反应式重构，同时保持高任务成功率（high task success rate）和接近基线吞吐量（near-baseline throughput），在线决策开销低。

核心内容

Computer Science > Computation and Language
[Submitted on 2 Jul 2026]
Title: ProWAFT: A ROMA-LPD Instance for Workload-Aware and Dynamic Fault Tolerance in FPGA-Based CNN Accelerators

Abstract：SRAM-based FPGAs为边缘CNN推理提供了能量和延迟约束下的吸引力平台，但瞬时故障会引发静默错误，损害可靠性。总是开启的冗余（如完整TMR）提升正确性，但会造成显著性能和能耗开销，而反应式恢复可能在关键路径引入不可接受延迟。

我们提出ProWAFT，这是一个针对FPGA-based CNN加速器的主动工作负载感知容错框架，使用部分重构在可重构分区上选择性应用TMR。ProWAFT量化工作负载临界性，建模故障传播和重构开销，并根据最小化复合目标（延迟、能耗和可靠性风险）选择配置。

在Xilinx Zynq UltraScale+ ZCU104平台（六个可重构区域）上实现，针对从ResNet-18、MobileNetV2和EfficientNet-Lite派生的500个任务轨迹进行评估，在时变SEU注入条件下测试。ProWAFT的复合成本低于静态TMR和反应式重构，同时维持高任务成功率和接近基线吞吐量，在线决策开销低。

关键要点

• 平台与挑战：SRAM-based FPGA适合边缘CNN推理，但瞬时故障（SEU）易导致静默错误；全TMR提供高可靠性但带来性能/能耗开销，反应式恢复延迟不可接受。
• ProWAFT框架：主动工作负载感知容错，利用部分重构选择性TMR，量化临界性、建模故障传播与重构开销，选择最小化复合目标的配置（延迟+能耗+可靠性风险）。
• 实现与评估：部署于Xilinx Zynq UltraScale+ ZCU104（六区域可重构）；使用ResNet-18/MobileNetV2/EfficientNet-Lite的500任务轨迹；时变SEU注入测试；结果：复合成本优于静态TMR和反应式重构，高任务成功率、接近基线吞吐量、低在线决策开销。
• 技术定位：实例化自ROMA-LPD（ROMA-LPD Instance），针对工作负载感知与动态容错设计。

意义与影响

ProWAFT为FPGA-based CNN加速器在边缘设备上的可靠性提供了一种平衡方案，在保证任务成功率的同时显著降低复合成本（性能、能耗、故障风险）。其主动、动态特性在时变故障环境（如辐射环境或边缘AI部署）中尤为适用，可直接应用于资源受限的CNN推理加速器，降低静默错误风险，缩短部署时间。实验平台ZCU104的普遍性使其易于迁移至其他类似FPGA，未来可扩展至更复杂模型或多加速器系统，进一步推动边缘AI的可靠性和可扩展性。