[發(fā)明專(zhuān)利]一種針對(duì)成對(duì)隱馬爾可夫模型的加速方法、系統(tǒng)及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110635447.6
• 申請(qǐng)日: 2021-06-07
• 公開(kāi)（公告）號(hào): CN113268270B
• 公開(kāi)（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 譚光明;李葉文;高睿昊;臧大偉;劉萬(wàn)奇;康寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中科計(jì)算技術(shù)西部研究院
• 主分類(lèi)號(hào): G06F9/30
• 分類(lèi)號(hào): G06F9/30;G16B30/00
• 代理公司: 重慶強(qiáng)大凱創(chuàng)專(zhuān)利代理事務(wù)所(普通合伙) 50217
• 代理人: 黃書(shū)凱

本發(fā)明涉及基因分析技術(shù)領(lǐng)域，具體為一種針對(duì)成對(duì)隱馬爾可夫模型的加速方法、系統(tǒng)及裝置，裝置包括：通用計(jì)算模塊，用于拆分出成對(duì)隱馬爾可夫模型的指令集中的特定指令，將特定指令發(fā)送給交互接口，并執(zhí)行剩余內(nèi)容；交互接口，用于傳輸特定指令，并對(duì)特定指令進(jìn)行解碼，將其轉(zhuǎn)化為加速器陣列模塊所需的信息；加速器陣列模塊，用于指令并行接收，并根據(jù)所需的信息執(zhí)行對(duì)成對(duì)隱馬爾可夫模型的加速。本方案能計(jì)算匹配特征，降低交互損耗，提高計(jì)算效率。

技術(shù)領(lǐng)域

本發(fā)明涉及基因分析技術(shù)領(lǐng)域，具體為一種針對(duì)成對(duì)隱馬爾可夫模型的加速方法、系統(tǒng)及裝置。

背景技術(shù)

基因分析技術(shù)作為探索生命奧秘的重要手段，正成為生物信息學(xué)研究的重要分支，在物種鑒別、基因檢測(cè)、疾病診斷等方面都有著廣泛的應(yīng)用。基因分析技術(shù)的飛速發(fā)展為精準(zhǔn)醫(yī)療奠定了堅(jiān)實(shí)的基礎(chǔ)，也使得臨床診斷前景更加光明。近年來(lái)，隨著第二代測(cè)序技術(shù)的高速發(fā)展，測(cè)序成本的下降速率已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)摩爾定律的下降速率，因此基因數(shù)據(jù)量也呈爆炸式增長(zhǎng)，呈爆炸式增長(zhǎng)的基因數(shù)據(jù)量對(duì)現(xiàn)有處理器的處理能力提出了新的挑戰(zhàn)。成對(duì)隱馬爾可夫模型(Pair-Hidden Markov Model，Pair-HMM)作為基因分析流程中必不可少且相當(dāng)耗時(shí)的一個(gè)步驟，在基因分析的變異體檢測(cè)流程中占據(jù)了大約70％的執(zhí)行時(shí)間。成對(duì)隱馬爾可夫模型的執(zhí)行效率已經(jīng)成為目前基因分析流程一個(gè)重要的性能瓶頸，在基因分析加速研究中占據(jù)著十分重要的地位。

現(xiàn)有的成對(duì)隱馬爾可夫模型的實(shí)現(xiàn)和加速技術(shù)大致分為：面向CPU的并行加速、面向GPGPU(General-Purpose Computing on Graphics Processing Units，通用圖形處理器)的異構(gòu)加速、基于FPGA(Field Programmable Gate Array，現(xiàn)場(chǎng)可編程邏輯門(mén)陣列)的定制加速和基于ASIC(Application-Specific Integrated Circuit，專(zhuān)用集成電路)的定制加速四類(lèi)：

1)CPU并行加速作為最常見(jiàn)的加速方法，特點(diǎn)是有成熟的編程工具支持，能夠快速地實(shí)現(xiàn)。目前基因分析所使用的工具，如GATK、GKL均是這方面的成果。但是，基因數(shù)據(jù)分析的計(jì)算模式與傳統(tǒng)CPU計(jì)算架構(gòu)不匹配，在控制模式上，CPU依賴(lài)指令驅(qū)動(dòng)的細(xì)粒度控制模式，但是基因分析流程為數(shù)據(jù)驅(qū)動(dòng)的粗粒度控制模式；在數(shù)據(jù)模式上，CPU依賴(lài)數(shù)據(jù)的局部性來(lái)做分支預(yù)測(cè)等操作，這在隨機(jī)訪存的基因分析流程上并不適用；在并發(fā)模式上，CPU依賴(lài)多核提供了有限的并行度，但是在基因分析流程中常常需要提供和讀對(duì)數(shù)量相當(dāng)?shù)牟⑿卸取?/p>

2)相對(duì)于CPU并行加速，GPGPU異構(gòu)加速龐大的計(jì)算單元量解決了并行度的問(wèn)題，但是GPGPU仍存在依靠細(xì)粒度的指令控制和依賴(lài)數(shù)據(jù)的局部性等問(wèn)題。

3)FPGA定制加速通過(guò)定制相應(yīng)的計(jì)算和控制邏輯，來(lái)實(shí)現(xiàn)和基因分析流程計(jì)算結(jié)構(gòu)和計(jì)算特征上的匹配，但是基于LUT(Lookup Table，顯示查找表)實(shí)現(xiàn)的定制邏輯，存在主頻低和能效低等方面的問(wèn)題，其相對(duì)于高主頻的CPU并行加速和GPGPU異構(gòu)加速往往無(wú)法取得良好的加速效果。

4)相對(duì)于上述三種技術(shù)，ASIC定制加速雖然可以做到計(jì)算結(jié)構(gòu)和計(jì)算特征的匹配及高主頻，但是PCIe(Peripheral Component Interconnect Express，高速串行計(jì)算機(jī)擴(kuò)展總線標(biāo)準(zhǔn))和SerDes(SERializer/DESerializer，串行器/解串器)等總線帶寬遠(yuǎn)低于訪存設(shè)備的帶寬，使獨(dú)立加速器和通用處理器之間交互損耗較高。

綜上所述，ASIC定制加速相對(duì)于前三種加速技術(shù)優(yōu)點(diǎn)更多，但是其也存在交互損耗較高的問(wèn)題，因此現(xiàn)階段基因分析中的成對(duì)隱馬爾可夫模型急需一種能降低交互損耗的新型加速技術(shù)。

發(fā)明內(nèi)容

本發(fā)明意在提供一種針對(duì)成對(duì)隱馬爾可夫模型的加速方法、系統(tǒng)及裝置，能夠降低交互損耗。

本發(fā)明提供基礎(chǔ)方案一：針對(duì)成對(duì)隱馬爾可夫模型的加速裝置，包括：通用計(jì)算模塊、交互接口和加速器陣列模塊；