面向蛋白分子三维结构重构算法的FPGA加速方法与技术研究

In recent years, with the rapid development of cryo-electron microscope(CryoEM) technology,more and more complex protein molecular 3D structure with high solution got resolved. However ,compared with the traditional analytical method such as X-Ray method, the calculation cost by CryoEM-based method is 100 times more than traditional method, which is a great challenge to the current fixed architecture computing platform. On the other hand, FPGA is a flexible architecture that can be used to customize the hardware architecture for a specific application and to improve the computation performance.Therefore, based on the FPGA acceleration platform, we try to make a co-design from the side of the software algorithm and the hardware architecture for constructing high resolution protein molecular 3D structure: (1) On the software algorithm side, we study and design appropriate computing precision and different searching operator for optimal position parameter estimation, which is the most time consuming kernel in constructing 3D structure, to fit to the underlying FPGA architecture. (2) On the hardware architecture side, in order to eliminate the memory bandwidth bottleneck, we design effective parallel data processing pipelines and customized specific buffer architectures. (3) We study the precision optimization method by applying different precision to different computation part inside algorithm so as to further improve the computation performance and data throughput.

近年来，冷冻电镜技术飞速发展，越来越多蛋白分子结构在冷冻电镜关键技术的突破下得到解析，然而相对于传统的诸如X射线晶体学的解析方法，基于冷冻电镜技术的解析方法其计算量要高出100倍以上，对现有计算平台的处理能力提出了巨大挑战。相对于传统固定架构的处理器，如GPU，CPU等，基于FPGA的可重构计算平台，可以针对目标应用的特点定制专门的硬件结构，因而存在更广阔的优化空间。本项目将以FPGA计算平台为基础，针对分子三维重构算法，进行软硬件方面的协同设计：(1)在软件算法上，结合FPGA架构的特点，研究和探索不同格式的位置参数搜索算子；(2)在硬件架构上，研究和设计高度并行的数据处理流水线和高效存储结构，以解除内存带宽对于算法计算性能的限制；(3) 研究计算精度优化技术，通过调整算法不同部分的计算精度来进一步提升算法性能。本项目将为FPGA在其它科学计算领域开展应用加速提供良好的参考和借鉴。

在本项目研究中，我们针对分子三维结构重构应用对于计算性能的迫切需求，使用基于FPGA的可重构硬件加速计算平台，对分子三维结构重构系统THUNDER的多个设计环节，如最优位置参数空间搜索算子、缓存结构，并行化方法，计算精度等等进行了深入的研究和优化，通过软件和硬件协同设计的方法，获得了良好的性能提升，相比传统的基于CPU架构的THUNDER算法，基于可重构硬件计算加速平台的THUNDER算法获得了10倍以上的性能提升。.我们根据可重构计算的特点，设计和实现了两种FPGA架构下不同格式的参数空间搜索算子，在保证计算结果正确的前提下，这两种格式的空间搜索算子，相比CPU架构下的空间搜索算子，性能提升了5倍以上，同时，为了进一步提升性能，我们对这两种搜索算子在FPGA芯片内部进行了深度和广度上的扩展，即在单个芯片内部放置多个相同的搜索算子来提升算法的并行性能。另一方面，为了消除内存读写带宽对算法性能的限制，我们将THUNDER算法设计成为了一个高效的数据处理流水线，待处理的数据以多条数据流的方式进入FPGA内部的流水线，THUNDER位置参数空间搜索算子访问的不同数据点对应到数据流中的不同位置，搜索算子所对应的算数运算操作映射为流水线中的不同器件，从而实现高效的实现了数据并行和计算并行，最后，为了进一步增加数据并行的宽度，我们通过计算精度优化技术来进一步提升计算的性能，比在算法的精度不敏感部分，我们使用精度较低的12位的定点数来存储中间计算的结果，而对于精度敏感的部分，我们则使用精度超高的64位的定点数来存储中间计算结果，通过使用这种混合精度的数据表示，我们可以在一个FPGA芯片内部放置更多相同的计算模块，从而进一步提升THUNDER的整体计算性能，通过应用上述优化措施，相比CPU架构下的THUNDER原始算法，我们设计的FPGA架构下的THUNDE算法获得了1个数量级以上的性能提升。.可重构架构下的THUNDER算法将为生物蛋白分子三维结构重构这一应用领域提供更高性能的计算解决方案，从而为更大数据规模和更复杂的三维重构应用提供坚实的计算技术支持。