[論文レビュー] Read Mapping Near Non-Volatile Memory

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

Network Packet Processing and Optimization参考文献 44被引用数 4

ひとこと要約

GeNVoM は、短いDNAリードのスケーラブルな類似性マッチングを可能にする抵抗性不揮発性TCAMを活用することで、新規でエネルギー効率が高く、高スループットなリードマッピングアクセラレータを提案する。変異に敏感なセンスアンプ電圧チューニング機構と階層的類似性マッチングを導入することで、GPUベースラインと比較して最大113.5倍のスループット向上と210.9倍のエネルギー消費量削減を達成し、TCAMがノイズや近似マッチングを処理する際の限界を克服した。

ABSTRACT

DNA sequencing is the physical/biochemical process of identifying the location of the four bases (Adenine, Guanine, Cytosine, Thymine) in a DNA strand. As semiconductor technology revolutionized computing, modern DNA sequencing technology (termed Next Generation Sequencing, NGS)revolutionized genomic research. As a result, modern NGS platforms can sequence hundreds of millions of short DNA fragments in parallel. The sequenced DNA fragments, representing the output of NGS platforms, are termed reads. Besides genomic variations, NGS imperfections induce noise in reads. Mapping each read to (the most similar portion of) a reference genome of the same species, i.e., read mapping, is a common critical first step in a diverse set of emerging bioinformatics applications. Mapping represents a search-heavy memory-intensive similarity matching problem, therefore, can greatly benefit from near-memory processing. Intuition suggests using fast associative search enabled by Ternary Content Addressable Memory (TCAM) by construction. However, the excessive energy consumption and lack of support for similarity matching (under NGS and genomic variation induced noise) renders direct application of TCAM infeasible, irrespective of volatility, where only non-volatile TCAM can accommodate the large memory footprint in an area-efficient way. This paper introduces GeNVoM, a scalable, energy-efficient and high-throughput solution. Instead of optimizing an algorithm developed for general-purpose computers or GPUs, GeNVoM rethinks the algorithm and non-volatile TCAM-based accelerator design together from the ground up. Thereby GeNVoM can improve the throughput by up to 113.5 times (3.6); the energy consumption, by up to 210.9 times (1.36), when compared to a GPU (accelerator) baseline, which represents one of the highest-throughput implementations known.

研究の動機と目的

• 次世代シーケンシング（NGS）におけるデータ量の爆発的増加に伴う、短いリードマッピングの加速という増大する計算課題に対処すること。
• NGSデータに一般的に見られる挿入・欠失・置換などのノイズを処理する際、従来のTCAMの近似マッチングおよびノイズ耐性の限界を克服すること。
• ニアメモリ処理と非揮発性TCAMを活用することで、スケーラブルでエネルギー効率の良いアクセラレータを設計すること。
• TCAMベースの加速の実用的導入を可能にするために、主な欠点（高いエネルギー消費量と類似性マッチングのサポート不足）を解決すること。

提案手法

• 変異に敏感なセンスアンプ電圧チューニングを用いることで、行サイズの制限なしに近似マッチングを可能にする、抵抗性不揮発性TCAM向けの新規類似性マッチング機構を導入する。
• 段階的かつ階層的なマルチフェーズ類似性マッチングアプローチを採用し、マッチングを段階的に精緻化することで、精度とスケーラビリティを向上させる。
• 類似性マッチングを効率的に行える遺伝子データ表現を設計し、同時に低ストレージ複雑度を維持する。
• 類似性マッチング機構に特化した検索空間のpruning技術を適用し、不要なTCAMアクセスとエネルギー消費量を削減する。
• マッチングロジックに統合することで、短いリードに特徴的な代表的なノイズタイプ（置換、挿入、欠失）を効果的に処理するように最適化する。
• 最新の45nmスピントロニクスおよび90nmPCMベースの設計を含む、あらゆる抵抗性CAMアレイに適応可能であり、広範なハードウェア互換性を確保する。

実験結果

リサーチクエスチョン

• RQ1 非揮発性TCAMは、近似マッチングの処理や高いエネルギー消費量という固有の制限があるにもかかわらず、高スループットかつエネルギー効率の良いリードマッピングに効果的に使用可能だろうか？
• RQ2 NGS由来のノイズ（例：置換、インディル）を処理する際、スケーラビリティや面積効率を損なわず、TCAMベースのアクセラレータが類似性マッチングをサポートできるように設計できるか？
• RQ3 類似性マッチングの文脈において、TCAMアクセスとエネルギー使用量を最小限に抑えるために、どのような新規データ表現およびpruning技術が有効だろうか？
• RQ4 変異に敏感なセンスアンプチューニング機構は、行サイズの制限なしに抵抗性TCAMで近似マッチングを実現できるか？その有効性はどの程度か？
• RQ5 短いリードマッピングにおいて、提案されたGeNVoMアーキテクチャは、最先端のGPUアクセラレータと比較して、スループットおよびエネルギー効率の点でどの程度優れているか？

主な発見

• GeNVoM は、リードマッピングに特化した高度に最適化されたGPUベースのアクセラレータと比較して、最大113.5倍のスループット向上と210.9倍のエネルギー消費量削減を達成した。
• 提案された変異に敏感なセンスアンプチューニング機構により、行サイズの制限なしに抵抗性不揮発性TCAMで効果的な近似マッチングが可能となり、スケーラビリティの重要な要因となった。
• 階層的類似性マッチング機構により、段階的にマッチングを精緻化することで、マッピング精度を向上させつつも高いスループットを維持した。
• 検索空間のpruningにより、不要なTCAMアクセスが削減され、直接的にエネルギー節約と効率向上に貢献した。
• 既存の抵抗性CAM技術（45nmスピントロニクスおよび90nmPCMベースのCAMアレイを含む）と互換性があるため、実用的導入が可能である。
• GeNVoM は、現在のNGSデータの90％以上を占める短いリード（100〜200塩基）に特化して最適化されており、実世界のバイオインフォマティクスワークロードにおいて極めて関連性の高いものである。