NMP-PaK：面向可扩展原核基因组装的近内存处理加速
硬件体系结构
2025-05-14 v1 分布式、并行与集群计算
基因组学
摘要
原核基因组装（de novo assembly）使人类得以探索未知基因组，为个性化医学和疾病管理铺平了道路。然而，该技术面临着数据量过大和算法复杂度带来的巨大计算挑战。虽然最新的原核组装工具利用分布式系统实现大规模基因组装，但它们需要大量的计算和内存资源，而且未能解决原核组装固有的挑战，包括大内存占用、内存受限的行为，以及源自复杂且相互关联数据结构的规则数据模式。鉴于这些挑战，原核组装亟需定制硬件解决方案，但现有方法未能完全解决局限性。我们提出了NMP-PaK（Near-Memory Processing for de novo assembly），一种通过近内存处理（NMP）实现可扩展原核基因组装加速的硬件-软件协同设计方案。我们的通道级NMP架构缓解了内存瓶颈，同时为处理单元提供足够的scratchpad存储空间。定制化的处理单元在最大化并行度的同时，高效处理大规模的动态且相互关联的数据结构。软件优化包括定制化的批量处理以降低内存占用，以及混合CPU-NMP处理以解决因规则数据模式导致的硬件利用率不足问题。NMP-PaK在完成相同基因组装的同时，仅需比最新原核组装工具小14倍的内存占用。此外，NMP-PaK相对于CPU基准实现16倍的性能提升，内存操作减少2.4倍。因此，在相同资源约束下，NMP-PaK实现了最新原核组装工具的8.3倍吞吐量，展现了其卓越的计算效率。
引用
@article{arxiv.2505.08071,
title = {NMP-PaK: Near-Memory Processing Acceleration of Scalable De Novo Genome Assembly},
author = {Heewoo Kim and Sanjay Sri Vallabh Singapuram and Haojie Ye and Joseph Izraelevitz and Trevor Mudge and Ronald Dreslinski and Nishil Talati},
journal= {arXiv preprint arXiv:2505.08071},
year = {2025}
}
备注
To be published in ISCA 2025