[論文レビュー] A Non-volatile Near-Memory Read Mapping Accelerator

S. Karen Khatamifard, Zamshed I. Chowdhury+4 more|arXiv (Cornell University)|Sep 7, 2017

Algorithms and Data Compression参考文献 32被引用数 9

ひとこと要約

本論文では、DNAリードマッピングのためのスケーラブルでエネルギー効率の良いニアメモリアクセラレータであるBioMAPを提案する。このアプローチは、アルゴリズムとハードウェアの共同最適化を根本的に再考したものであり、非揮発性メモリ（NVM）を活用することでエネルギーと面積コストを低減する。その結果、高度に最適化されたGPUベースのアルゴリズムと比較して、スループットは4.0倍向上し、エネルギー消費は26.2倍低減された。

ABSTRACT

DNA sequencing is the physical or biochemical process of identifying the location of the four bases (Adenine, Guanine, Cytosine, Thymine) in a DNA strand. As semiconductor technology revolutionized computing, DNA sequencing technology (termed Next Generation Sequencing, NGS) revolutionized genomic research. Modern NGS platforms can sequence hundreds of millions of short DNA fragments in parallel. The output short DNA fragments from NGS platforms are termed reads. Mapping each output read to a reference genome of the same species (i.e., read mapping) is a common critical first step in a rich and diverse set of emerging bioinformatics applications. The importance of read mapping motivated various sequence alignment and mapping algorithms, which start to fall short of tackling the growing scale of the problem. Mapping represents a search-heavy memory-intensive operation and barely requires complex floating point arithmetic, therefore, can greatly benefit from in- or near-memory processing, where non-volatile memory can accommodate the large memory footprint in an area and energy efficient manner. This paper introduces a scalable, energy-efficient high-throughput near (non-volatile) memory read mapping accelerator: BioMAP. Instead of optimizing an algorithm developed for general-purpose computers or GPUs, BioMAP rethinks the algorithm and accelerator design together from the ground up. Thereby BioMAP can improve the throughput of read mapping by 4.0 times while reducing the energy consumption by 26.2 times when compared to a highly-optimized algorithm for modern GPUs.

研究の動機と目的

• 次世代シーケンシング（NGS）ワークロードにおけるDNAリードマッピングの増大する計算およびメモリ要件に対処すること。
• 現代のNGSデータの規模とメモリ集約性に対処するうえで、既存のGPUおよびCPU最適化アルゴリズムの限界を克服すること。
• 非揮発性メモリを用いて、リードマッピングのメモリ集約的で計算が軽い特性を効果的に活用するハードウェアアクセラレータを設計すること。
• アルゴリズムとアクセラレータスタックを根本から共同最適化することで、高いスループットとエネルギー効率を達成すること。

提案手法

• BioMAPは、リファレンスゲノムと中間データ構造を非揮発性メモリ（NVM）に格納することで、オフチップメモリアクセスとエネルギー消費を削減する。
• アクセラレータはNVM内またはその近接でリードマッピングを実行し、データ移動を最小限に抑え、NVMの高密度性と低静的消費電力の利点を活かす。
• NVMにおける空間的および時間的局所性を最適化するため、メモリアクセスパターンに配慮したシーケンスアラインメントアルゴリズムを再考する。
• リードマッピングに一般的な疎で不規則なメモリアクセスパターンに適した、サステイリックアレイに類似した処理ファブリックを統合する。
• 頻繁にアクセスされるリファレンスゲノム領域を優先する階層的メモリアクセス方式を採用し、無駄なサイクルを削減する。

実験結果

リサーチクエスチョン

• RQ1 共同最適化されたアクセラレータは、GPU最適化アルゴリズムと比較して、リードマッピングにおいて顕著に高いスループットと低いエネルギー消費を達成できるか？
• RQ2 非揮発性メモリをどのように活用すれば、リードマッピングワークロードにおける大規模リファレンスゲノムの格納にかかるエネルギーと面積コストを効果的に低減できるか？
• RQ3 ニアメモリ処理およびNVMのメモリアクセス特性に適合させるために、どのようなアルゴリズム的変更が必要か？
• RQ4 ハードウェア・ソフトウェアの共同最適化は、メモリ集約的なバイオインフォマティクスワークロードにおいて、どれほど性能とエネルギー効率を向上させられるか？

主な発見

• BioMAPは、高度に最適化されたGPUベースのリードマッピングアルゴリズムと比較して、4.0倍の高いスループットを達成した。
• 同じGPU最適化ベースラインと比較して、エネルギー消費は26.2倍低減された。
• 非揮発性メモリの使用により、オフチップメモリ帯域幅とエネルギーオーバーヘッドが顕著に削減された。
• 共同最適化されたアルゴリズムとハードウェアスタックは、データ局所性を効果的に活用し、処理ユニットの無駄なサイクルを削減した。
• 本設計は、大規模ゲノムワークロードに適したスケーラビリティとエネルギー効率を示した。