[논문 리뷰] A Non-volatile Near-Memory Read Mapping Accelerator

S. Karen Khatamifard, Zamshed I. Chowdhury외 4명|arXiv (Cornell University)|2017. 09. 07.

Algorithms and Data Compression참고 문헌 32인용 수 9

한 줄 요약

이 논문은 생물정보학적 DNA 리드 매핑을 위한 확장성 있고 에너지 효율적인 근접 메모리 가속기인 BioMAP을 제안한다. 알고리즘과 하드웨어의 공동 설계를 재고함으로써, 비揮성 메모리(NVM)를 활용해 에너지 및 면적 비용을 감소시킨다. BioMAP는 고도로 최적화된 GPU 기반 알고리즘 대비 4.0× 높은 처리량과 26.2× 낮은 에너지 소비를 달성한다.

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.

연구 동기 및 목표

• 차세대 시퀀싱(NGS) 워크로드에서 증가하는 계산 및 메모리 요구 사항을 해결하기 위해.
• 기존 GPU 및 CPU 최적화된 정렬 알고리즘이 현대 NGS 데이터의 규모와 메모리 집약성에 대응하는 데 한계를 보이고 있는 문제를 해결하기 위해.
• 비휘성 메모리를 활용해 메모리 집약적이고 계산이 가벼운 리드 매핑의 특성을 효율적으로 활용하는 하드웨어 가속기를 설계하기 위해.
• 알고리즘과 가속기 스택을 바닥부터 공동 설계하여 높은 처리량과 에너지 효율성을 달성하기 위해.

제안 방법

• BioMAP는 참조 게놈과 중간 데이터 구조를 비휘성 메모리(NVM)에 저장하여 외부 메모리 액세스와 에너지 소비를 감소시킨다.
• 가속기는 NVM 내부 또는 근접한 위치에서 리드 매핑을 수행하여 데이터 이동을 최소화하고, NVM의 고밀도성과 낮은 정적 전력 소비를 활용한다.
• NVM의 메모리 액세스 패턴을 고려한 시퀀스 정렬 알고리즘을 재고하여, NVM 내에서의 공간적 및 시간적 국소성을 최적화한다.
• 리드 매핑에서 흔히 나타나는 흐린 불규칙한 메모리 액세스 패턴에 맞게 조정된 시스톨릭 어레이 유사 처리 패브릭을 통합한다.
• 자주 액세스되는 참조 게놈 영역을 우선순위로 정하고, 유휴 사이클을 줄이기 위해 계층적 메모리 액세스 체계를 구현한다.

실험 결과

연구 질문

• RQ1 공동 설계된 가속기가 GPU 최적화 알고리즘보다 리드 매핑에 대해 현저히 높은 처리량과 낮은 에너지 소비를 달성할 수 있는가?
• RQ2 비휘성 메모리를 효과적으로 활용하여 리드 매핑 워크로드에서 큰 참조 게놈을 저장하는 데 필요한 에너지 및 면적 비용을 줄일 수 있는가?
• RQ3 근접 메모리 처리 및 NVM의 메모리 액세스 특성과 일치하기 위해 어떤 알고리즘 수정이 필요한가?
• RQ4 하드웨어-소프트웨어 공동 설계가 메모리 집약적인 생물정보학 워크로드에서 성능과 에너지 효율성을 얼마나 향상시킬 수 있는가?

주요 결과

• BioMAP는 고도로 최적화된 GPU 기반 리드 매핑 알고리즘 대비 4.0× 높은 처리량을 달성한다.
• 동일한 GPU 최적화 기반 대비 에너지 소비를 26.2× 감소시킨다.
• 비휘성 메모리의 사용으로 외부 메모리 대역폭과 에너지 오버헤드가 크게 감소한다.
• 공동 설계된 알고리즘과 하드웨어 스택은 데이터 국소성을 효과적으로 활용하고 처리 단위의 유휴 사이클을 줄인다.
• 대규모 게놈 워크로드에 적합한 확장성과 에너지 효율성을 입증한다.