FPGAを用いたアクセラレーションシステムにおけるデータパス分類用優良類似度の考察

摘要

Resource reduction design techniques also plays an important role to implement large-scale FPGA-based accelerator systems for floating point applications since available resources on FPGAs are limited. This paper shows the effect of parameters for datapath classification on the generated hardware modules. Aiming at investigating how effectively parameters work, the k-means based algrithm is used. The experimental results using an FPGA-based biochemical simulator reveal that the datapath clustering using the maximum common subgraphs as a parameter works fine in terms of the resource reduction and the latency degradation, while reduction effect of frequency degradation is limited.%浮動小数点を扱うアプリケーションの分野で用いられる，FPGAベースのアクセラレータシステムでは，アルゴリズムをハードウェア化する際に回路規模の削減する事が重要である．これまでより多くの規模を削減するために，演算器共有手法と，その前処理としてデータパスの分類手法を提案してきた．本稿では，分類および共有手法適用後の生成ハードウェアが，分類に用いる類似度から受ける影響について，考察を行った．分類手法には，文書検索等で用いられるグラフ分類用k-means法ベースの手法を適用した．FPGAベースの生化学シミュレータを用いて評価を行った結果，分類指標としての最大同型部分グラフは，動作周波数については改善の余地があるものの，使用資源削減，レイテンシ悪化軽減の観点からは優良である事が分かった．