面向基于SRAM计算的存储空间高效序列比对：Graphcore IPU上的X-Drop

专用加速硬件已成为处理基于AI工作负载的必需品，催生了新型加速器架构的兴起。此外，内存架构与并行性的根本差异使这些加速器成为科学计算的目标平台。序列比对问题是生物信息学中的基础问题；我们已在Graphcore智能处理器单元（IPU）加速器上实现了$X$-Drop算法，这是一种用于两两比对的启发式方法，可缩减搜索空间。该$X$-Drop算法具有不规则的计算模式，由于负载均衡问题而难以加速。在此，我们引入一种基于图的划分与基于队列的批处理系统以改善负载均衡。我们的实现相较最先进的GPU实现实现了$10\times$加速，相较CPU最高达$4.65\times$。此外，我们提出了一种内存受限的$X$-Drop算法，将内存占用降低$55\times$，并高效利用了IPU有限的低延迟SRAM。该优化进一步将强缩放性能提升了$3.6\times$。