[论文解读] On the Feasibility of FPGA Acceleration of Molecular Dynamics Simulations

Michael Schaffner, Luca Benini|arXiv (Cornell University)|Aug 8, 2018

Parallel Computing and Optimization Techniques被引用 8

一句话总结

本文通过对比真实世界基准测试中的FPGA和GPU系统，评估了FPGA在经典分子动力学（MD）模拟中的加速效果。研究发现，尽管FPGA在应用层面相比GPU最高可实现2倍的加速，但更高的成本和软件开销抵消了性能优势，使得纯FPGA解决方案在商业上不可行。然而，利用FPGA加速低延迟通信任务的混合系统在大规模MD工作负载中展现出潜力。

ABSTRACT

Classical molecular dynamics (MD) simulations are important tools in life and material sciences since they allow studying chemical and biological processes in detail. However, the inherent scalability problem of particle-particle interactions and the sequential dependency of subsequent time steps render MD computationally intensive and difficult to scale. To this end, specialized FPGA-based accelerators have been repeatedly proposed to ameliorate this problem. However, to date none of the leading MD simulation packages fully support FPGA acceleration and a direct comparison of GPU versus FPGA accelerated codes has remained elusive so far. With this report, we aim at clarifying this issue by comparing measured application performance on GPU-dense compute nodes with performance and cost estimates of a FPGA-based single- node system. Our results show that an FPGA-based system can indeed outperform a similarly configured GPU-based system, but the overall application-level speedup remains in the order of 2x due to software overheads on the host. Considering the price for GPU and FPGA solutions, we observe that GPU-based solutions provide the better cost/performance tradeoff, and hence pure FPGA-based solutions are likely not going to be commercially viable. However, we also note that scaled multi-node systems could potentially benefit from a hybrid composition, where GPUs are used for compute intensive parts and FPGAs for latency and communication sensitive tasks.

研究动机与目标

• 评估与基于GPU的解决方案相比，FPGA加速在经典分子动力学（MD）模拟中的可行性。
• 评估基于FPGA的系统在典型MD工作负载下，是否能在性能和成本效益方面超越基于GPU的系统。
• 研究在大规模、多节点MD模拟中，混合FPGA-GPU架构的潜力。
• 识别GPU加速MD中的系统级瓶颈，特别是通信和PME（粒子网格Ewald）阶段。
• 探索将FPGA用作近网络加速器的可行性，以提升分布式MD模拟中的可扩展性。

提出的方法

• 在GPU密集型计算节点上对两种广泛使用的GPU加速MD软件包——GROMACS和AMBER——进行基准测试，以建立基线性能。
• 基于当前FPGA技术，建立基于FPGA的加速器架构模型，重点聚焦于非键合相互作用计算和力场评估。
• 估算基于FPGA的单节点系统的应用级性能和成本，并与配置相似的GPU系统直接比较。
• 分析GPU加速MD中的通信瓶颈，特别是PME和全局归约阶段，作为FPGA卸载的关键目标。
• 探索采用FPGA网络卡的2D/3D环形或星型拓扑等架构替代方案，以加速多节点系统中的节点间通信。
• 评估利用FPGA对延迟敏感任务（如能量和体积张力量归约）进行网络内加速的潜力，灵感来自先前关于FPGA加速FFT和网络过滤的研究。

实验结果

研究问题

• RQ1 基于FPGA的加速能否在经典MD模拟中实现比基于GPU的加速更高的应用级性能？
• RQ2 在单节点系统中，FPGA与GPU解决方案在MD工作负载下的性能与成本权衡如何？
• RQ3 MD模拟中是否存在特定的通信密集型阶段（如PME或全局归约），FPGA加速可带来可测量的收益？
• RQ4 混合FPGA-GPU架构能否提升大规模、多节点MD模拟的可扩展性？
• RQ5 FPGA的软件开销和灵活性降低是否足以抵消其在MD工作负载中潜在的硬件优势？

主要发现

• 基于FPGA的系统在应用层面相比配置相似的GPU系统最高可实现2倍的加速，主要得益于力计算的硬件执行优化。
• 尽管存在性能提升，但整体加速受限于较高的软件和主机端开销，有效收益被削弱。
• GPU解决方案相比FPGA解决方案具有显著更优的性能-成本比，使得纯FPGA加速在大多数MD工作负载中商业上不可行。
• GPU加速MD模拟的主要瓶颈在于通信阶段，特别是PME和全局归约阶段，其在节点间扩展性较差。
• 混合架构——其中FPGA用于加速通信和延迟敏感任务——在大规模、多节点MD系统中展现出强大的可扩展性潜力。
• 基于FPGA的网络内加速（如将FPGA用作PME和全局归约的近网络协处理器）可缓解通信瓶颈，并提升大规模集群中的强可扩展性。