权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

GPU・FPGA複合型グラフ構造データ分析基盤の創出

GPU/FPGA复合图结构数据分析平台创建

基本信息

批准号：
22K17895
负责人：
小林諒平
金额：
$ 2.91万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17895/
关键词：
FPGA グラフ正規パス問合わせ OpenCL GPU グラフニューラルネットワーク

项目摘要

本研究では，グラフニューラルネットワーク (GNN) の学習精度の向上と学習時間の短縮を同時に実現する手法の確立を目指すため，GNNのグラフ特徴量抽出を正規パス問合わせ (RPQ:Regular Path Query) ベースの特徴量抽出機能で補完し，大規模並列処理を実行するハードウェアである Graphics Processing Unit (GPU) と再構成可能ハードウェアである Field Programmable Gate Array (FPGA) を適材適所的に活用するアプローチを推進している．GNN は大量の行列積和演算を内包しており，その演算に特化したハードウェアである GPU を GNN のための演算加速装置として用いるのは定石である.一方，RPQ評価はパスがクエリと一致しているか否かの条件分岐が大量に発生する演算処理であり，条件分岐や例外処理のない大量の単純並列性が演算対象に内在することが演算性能を最大限引き出すための前提条件となる GPU とは相性が極めて悪い.つまり，GPU に適した演算である GNN を GPU にオフロードし，GPU にとって不得手な演算であるRPQ評価をベースとしたグラフ特徴量抽出機能を FPGA にオフロードするという両デバイスの適材適所的な使い分けが有効であると睨んでいる．2022年度は， FPGA にオフロードする特徴量抽出機能に関する研究を主に実施した．具体的には，本機能の要素技術となるRPQ評価を FPGA で高速に実行するための OpenCL 実装を提案し，ベースライン手法と比較した結果，実行時間を最大3桁短縮することを確認した．また，入力となるグラフデータが大規模化した場合に備えるべく，提案した OpenCL 実装を複数の FPGA を用いて並列化する手法についても検討を行った．

This study was conducted on the basis of the results of previous studies.(GNN) learning accuracy, learning time shortening, simultaneous realization of the method of establishing, pointing out, GNN learning feature extraction, regular integration (RPQ:Regular Path Query) Feature Extraction Large scale parallel processing is implemented by Graphics Processing Unit (GPU) and Reconstructed Possible Field Programmable Gate Array (FPGA). A large number of row and column products and algorithms are included in the package. The algorithm is specialized. The GPU is a GNN algorithm accelerator. On the one hand, RPQ evaluates whether there is a large number of conditional differences, whether there is a large number of pure parallelism, whether there is a large number of conditional differences, whether there is a large number of pure parallelism, whether there is a large number of conditional differences, whether there is a large number of pure parallelism, whether there is a large number of conditional differences, whether there The GPU is suitable for computing, GNN is suitable for GPU, GPU is suitable for computing, RPQ evaluation is suitable for GPU, RPQ evaluation is suitable for Specific features of the technology and RPQ evaluation FPGA high-speed implementation of the OpenCL implementation proposal, the implementation of the method comparison results, the implementation of the time to a maximum of 3 times shorter. In addition, the introduction of force into the field of large-scale equipment, the proposal to open CL implementation of a plurality of FPGA applications in parallel, the method of testing.