利用深度强化学习实现的自适应控制-逻辑路由技术：基于长度匹配与容错机制的FPVA生物芯片应用

《ACM Transactions on Design Automation of Electronic Systems》：Adaptive Control-Logic Routing with Length Matching and Fault Tolerance for FPVA Biochips Using Deep Reinforcement Learning

流式微流体技术中可编程阀阵列（FPVAs）的控制逻辑需解决同步阀门切换时的通道长度匹配难题，本文提出基于深度强化学习的自适应路由流方法，通过优化控制通道网络实现低延迟、高可靠性的同步控制，并引入关键阀门备份机制提升系统容错性，仿真验证其有效性。

　　

摘要

随着基于流动的微流控技术的集成程度不断提高，全可编程阀门阵列（FPVAs）已成为下一代基于流动的微流控设备。FPVAs中的微阀门通常由控制逻辑进行管理，这些阀门通过控制通道与核心输入端相连，以接收控制信号来控制其状态切换。然而，在使用FPVAs进行生物检测时，某些阀门需要在不同的时间点同步切换，以确保流体传输和生化操作能够正确执行。因此，从核心输入端到这些阀门的通道长度必须相等，这对控制逻辑的通道路由设计提出了巨大挑战。为了解决这个问题，我们提出了一种基于深度强化学习的自适应路由算法，用于FPVAs的控制逻辑。该算法能够自动构建高效的控制通道网络，实现精确的控制信号传输。同时，它还能最小化同步阀门之间的时序偏差以及控制通道的总长度，从而生成具有优异时序性能的优化控制逻辑。此外，通过引入关键阀门的备份机制以及灵活的备份路径路由方式（无需限制控制阀门的位置），实现了一种新的容错设计方法，有效提高了控制逻辑的可靠性。在多个基准测试中的仿真结果表明，所提出的路由算法能够实现阀门的精确同步、降低成本并提高可靠性。