面向有源矩阵数字微流控平台上不确定生化协议的双层解耦合成框架

《IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems》：A Two-Layer Decoupled Synthesis Framework for Uncertain Biochemical Protocols on Active-Matrix Digital Microfluidic Platforms

　　

摘要：

有源矩阵数字微流控（AM-DMF）技术集成了半导体衍生的电极阵列，可实现对数千个微米级液滴的可扩展、高通量操控。然而，现有的设计自动化流程依赖于综合调用，这需要稳定的协议图和固定的资源上下文。即使是具有不确定性感知的方法，通常也是在运行时决策做出后才合成静态的类似有向无环图（DAG）的片段。这一假设在高并行度AM-DMF平台上受到了限制，因为多个运行时激活的基本块可能在时间上重叠并共享芯片资源。为解决这一问题，我们提出了一种两层解耦的综合框架，该框架维护运行时动态DAG，并将操作调度/放置与液滴路由分离。高层调度器/放置器增量式地纳入新激活的基本块DAG并分配操作位置，无需预先计算液滴路径，而低层路由器则在阻塞变化、新兴路由任务和移动失败等情况下即时计算液滴移动。在框架层面，我们在具有代表性的实际执行路径下评估了两类协议，报告了路径特定的完成时间（执行周期），并与顺序批量综合基线进行了比较。与Puddle的公开实现进行直接比较进一步表明，在我们的设置中，它仅能完成有限的一组小型代表性实例；在那些已完成的案例中，所提出的框架实现了更低的执行周期。在所有评估的设置中，所提出的框架相比基线通常表现出更低的执行周期，其增益取决于路径实现和芯片规模。在路由层面，所提出的路由器相比经过修改的基于A*的基线，实现了高达14倍的吞吐量提升，同时在300×300芯片上（最多支持400个并发液滴）保持决策时间低于15毫秒。我们在一个实际的128 × 128 AM-DMF平台上验证了该框架。