通过采用数据流技术优化 FPGA 信用违约互换引擎
分布式、并行与集群计算
2021-08-10 v1 数学软件
摘要
量化金融是利用数学模型分析金融市场与证券。由于通常需要大量计算，一个重要问题是新颖架构在未来 HPC 机器上加速这些模型所能发挥的作用。本文中，我们探索使用高层次综合（HLS）优化现有的、开源的、基于 FPGA 的信用违约互换（CDS）引擎。该引擎由 Xilinx 开发，并作为其开源 Vitis 库的一部分，目前实现侧重于灵活性与易集成性而非性能。我们探索重新设计该引擎以充分采用数据流方法，最终在 Alveo U280 FPGA 上获得比原始 Xilinx 库版本快约八倍的引擎。随后，我们将 U280 上五个该引擎与 24 核 Xeon Platinum Cascade Lake CPU 对比，性能超出 CPU 约 1.55 倍，且 FPGA 功耗降低 4.7 倍，功耗效率约为 CPU 的七倍。
引用
@article{arxiv.2108.03982,
title = {Optimisation of an FPGA Credit Default Swap engine by embracing dataflow techniques},
author = {Nick Brown and Mark Klaisoongnoen and Oliver Thomson Brown},
journal= {arXiv preprint arXiv:2108.03982},
year = {2021}
}
备注
Preprint of article in the IEEE Cluster FPGA for HPC Workshop 2021 (HPC FPGA 2021)