中国科学院(CAS)中国科学技术大学(USTC)的一个研究团队提出了一种专为SerDes仿真系统定制的高斯随机数(GRN)发生器的新颖设计方法。

研究人员提出硬件高斯随机数生成器的设计方法

加性高斯白噪声(AWGN)用作封装各种随机和不可预测噪声源的综合影响的标准模型。因此，能够产生AWGN作为硬件模块的GRN发生器在众多高性能硬件仿真系统中发挥着重要作用。

自2000年在硬件中率先实现Box-Muller算法以来，硬件GRN生成算法的研究蓬勃发展。然而，对于硬件系统来说，传统算法往往需要额外的乘法器和舍入单元，导致硬件消耗和误差源增加。

此外，传统方法设计的输出范围通常需要设计后测试或理论分析才能确定。缺乏扩大输出范围的直接手段。

基于相对新颖的Piecewise-CLT算法，团队提出了一种能够容纳任意σ值和输出范围的GRN生成器的新颖设计方法，这是通过在算法表达式推导中引入变量σ值和预定义的GRN输出范围来实现的过程。利用这种方法，该团队制作了一台理论输出范围为±14σ的发生器。

然而，该团队在算法中引入可重构性的尝试遇到了挑战;直接重新配置现有硬件架构的σ值会导致误差随着σ的减小而增加，严重限制了实用性。因此，算法中引入了一个称为缩放指数的参数。

该参数使得算法在随机数生成过程中根据σ值的变化来不同地调整相关值，从而得到相对稳定的误差曲线，便于实时配置σ值。

基于上述发现，团队提出了一种新颖的硬件GRN生成器设计方法。与传统方法相比，该方法通过支持任意σ值、任意输出范围和可重构性，提供了卓越的灵活性和可用性。

它有望支持高性能硬件模拟系统的开发，这些系统的特点是更高的时钟速度、更高的并行度和更高的硬件资源利用率。