[论文解读] Fully Integrated On-FPGA Molecular Dynamics Simulations

Chen Yang, Tong Geng+9 more|arXiv (Cornell University)|May 14, 2019

Parallel Computing and Optimization Techniques参考文献 31被引用 8

一句话总结

本论文提出首个完全集成、基于FPGA的分子动力学（MD）模拟引擎，可在单个FPGA上完成全部MD计算——包括短程与长程力、键合相互作用、运动更新及粒子迁移——完全消除片外数据传输。其在23.5K粒子的DFHR系统上实现630 ns/day的性能，优于最先进的GPU实现超过40%。

ABSTRACT

The implementation of Molecular Dynamics (MD) on FPGAs has received substantial attention. Previous work, however, has consisted of either proof-of-concept implementations of components, usually the range-limited force; full systems, but with much of the work shared by the host CPU; or prototype demonstrations, e.g., using OpenCL, that neither implement a whole system nor have competitive performance. In this paper, we present what we believe to be the first full-scale FPGA-based simulation engine, and show that its performance is competitive with a GPU (running Amber in an industrial production environment). The system features on-chip particle data storage and management, short- and long-range force evaluation, as well as bonded forces, motion update, and particle migration. Other contributions of this work include exploring numerous architectural trade-offs and analysis on various mappings schemes among particles/cells and the various on-chip compute units. The potential impact is that this system promises to be the basis for long timescale Molecular Dynamics with a commodity cluster.

研究动机与目标

• 开发一个完全集成、自包含的MD模拟引擎，全部实现在单个FPGA上，消除对主机CPU计算的依赖。
• 解决在片上资源（BRAM和计算单元）之间高效映射粒子、细胞及力计算流水线的挑战。
• 通过分析内存层次结构、流水线分布和工作负载映射方案中的架构权衡，优化性能。
• 通过最小化通信开销并最大化片上数据重用，实现在通用FPGA集群上的长时间尺度MD模拟。
• 通过HDL脚本实现应用感知的自动化设计生成，快速探索性能优化的配置。

提出的方法

• 在Intel Stratix 10 FPGA上实现端到端MD流水线，包括片上粒子存储、范围限制（RL）和长程（LR）力计算、键合力计算、运动更新及粒子迁移。
• 采用流水线调度机制，实现力计算与运动更新的并行执行，提升流水线利用率。
• 设计两种内存架构：使用分布式BRAM实现RL/LR力计算，使用全局内存实现键合力计算，优化带宽与资源使用。
• 采用运行时邻居列表过滤，减少冗余粒子对计算，提升效率。
• 开发软件脚本，基于输入数据集大小和单元配置，估算最优流水线数量、资源使用量与性能。
• 采用三种不同的分布方案将粒子与细胞映射到计算流水线，评估负载均衡与内存访问的权衡。

实验结果

研究问题

• RQ1 能否在单个FPGA上实现完全集成、自给自足的MD模拟，完全不依赖片外CPU？
• RQ2 在最大化性能的前提下，粒子/细胞与片上计算单元（流水线）及内存（BRAM）之间的最优映射关系是什么？
• RQ3 不同的内存架构（分布式与全局）及流水线分布策略如何影响吞吐量与资源利用率？
• RQ4 FPGA可重构性在多大程度上可用于为不同MD系统规模与密度定制设计？
• RQ5 此类基于FPGA的MD引擎能否在生产环境中实现与现代GPU加速器相当的性能？

主要发现

• 所提出的基于FPGA的MD引擎在23.5K粒子的二氢叶酸还原酶（DFHR）系统上实现630 ns/day的模拟吞吐量，优于最先进的GPU实现至少40%。
• 设计6（采用分布式内存与工作负载分布3）在DFHR数据集上实现最高性能（630.25 ns/day），尤其适用于高密度系统。
• 初始设计中，内存带宽为主要瓶颈；通过优化内存访问，设计2与4将迭代时间从64,411 μs降低至313 μs。
• 可映射的流水线数量在达到BRAM资源限制前，基本与数据集大小无关，但性能显著受数据密度与映射方案影响。
• 性能随数据集特征而异：稀疏系统（如每单元80个粒子）最受益于工作负载分布3，而高密度系统（如每单元400个粒子）对复杂分布的收益递减。
• 在自动化HDL脚本引导下的可重构设计，使系统能够快速探索不同MD系统规模与截断半径下的最优配置。