ProWAFT：面向FPGA-CNN加速器的动态容错框架

基于SRAM的FPGA在边缘计算场景中为CNN推理提供了低延迟、低能耗的部署平台，但瞬态故障可能导致静默错误，威胁系统可靠性。传统全三重模块冗余（TMR）方案虽能提升正确性，却带来显著的性能与能耗开销；而被动恢复机制则可能在关键路径引入不可接受的延迟。

近日发表于arXiv的研究提出ProWAFT框架——一种面向FPGA-CNN加速器的主动式、工作负载感知容错方案。该框架利用部分重配置技术，在可重构分区中有选择地应用TMR保护。ProWAFT通过量化工作负载关键性、建模故障传播与重配置开销，动态选择能最小化延迟、能耗及可靠性风险综合目标的配置方案。

在配备六个可重构区域的Xilinx Zynq UltraScale+ ZCU104平台上，研究人员基于ResNet-18、MobileNetV2和EfficientNet-Lite构建的500个任务轨迹，在时变单粒子翻转注入环境下进行评估。实验表明，ProWAFT在保持高任务成功率与接近基线吞吐量的同时，其综合成本低于静态TMR与被动重配置方案，且在线决策开销较低。该研究为边缘AI设备的可靠高效部署提供了新思路。