分布式内存数据库的GPU加速对质谱数据的类搜索
Muhammad Haseeb1, Fahad Saeed2,3,4
1Knight Foundation School of Computing and Information Sciences, Florida International University (FIU), Miami, FL, USA.
Scientific reports
|November 1, 2023
概括
我们开发了GiCOPS,这是一个新的CPU-GPU框架,可以显著加速从质谱数据中的识别. 这种高性能计算解决方案提高了硬件利用率,以实现更快,更高效的分析.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 高性能计算 高性能计算
背景情况:
- 数据库类搜索对于使用质谱 (MS) 数据识别类至关重要.
- 当前的GPU加速方法通常由于低于最佳的算法而遭受低效的硬件利用.
- 在数据库类搜索中GPU计算的有限应用阻碍了性能.
研究的目的:
- 设计和实施一个新的CPU-GPU高性能计算 (HPC) 框架,GiCOPS.
- 为了在超级计算机上实现现代数据库类搜索算法的高效和完整的GPU加速.
- 为了提高从MS数据中的类鉴定的速度和效率.
主要方法:
- 开发了GiCOPS CPU-GPU HPC 框架. 开发了GiCOPS CPU-GPU HPC 框架.
- 实现了现代的数据库类搜索算法与GPU加速.
- 利用屋顶线模型进行性能评估和优化.
- 评估性能指标,包括每秒计算,占用率和内存工作负载.
主要成果:
- 吉科普斯实现了1.2x到5x的速度改进,其仅CPU的前身,HiCOPS.
- 与现有的基于GPU的数据库搜索算法相比,对大型数据集的数据库搜索算法进行了超过10倍的改进.
- 在每秒计算和占用率等关键指标上报告了接近最佳的性能.
- 优化复杂的整数和内存限制的算法管道.
结论:
- 在超级计算机上,GiCOPS为数据库类搜索提供了显著的加快速度.
- 该框架展示了高效的硬件利用和近乎最佳的性能.
- 拟议的CPU-GPU方法和优化可扩展到未来的酸标识算法.
- GiCOPS 集成到 HiCOPS HPC 框架中,并公开提供.
