面向能效 FPGA 设备的精确最近邻搜索
信息检索
2025-10-21 v1 分布式、并行与集群计算
摘要
本文研究了利用 FPGA 设备在高维潜空间中实现能效的精确 kNN 搜索。本文顺应了一项重要趋势,即通过使基于神经编码器模型的学习表示的大规模应用更加绿色与包容。本文提出了两种采用相同 FPGA 底层配置的能效解决方案。第一种方案通过在不适合放入 FPGA 内存的流式数据集上并行处理一批查询来最大化系统吞吐量。第二种方案通过在内存中的数据集上并行处理每个 kNN 传入查询来最小化延迟。在公开的图像和文本数据集上的可复现实验表明,我们的方案在吞吐量、延迟和能耗方面优于当前最先进的基于 CPU 的竞争方案。具体而言,实验表明所提出的 FPGA 方案在每秒查询数方面实现了最佳吞吐量,并以高达 16.6 倍的加速比实现了最佳观测延迟。在能效方面也可得出类似结论,结果表明我们的方案相对于强大的基于 CPU 的竞争方案可实现高达 11.9 倍的节能。
引用
@article{arxiv.2510.16736,
title = {Exact Nearest-Neighbor Search on Energy-Efficient FPGA Devices},
author = {Patrizio Dazzi and William Guglielmo and Franco Maria Nardini and Raffaele Perego and Salvatore Trani},
journal= {arXiv preprint arXiv:2510.16736},
year = {2025}
}