Skip to main content

2. Reconfigurable PE Array

B. Reconfigurable PE Array 详细介绍​

这一节介绍了 Locus 的核心计算单元：可重构 PE 阵列。它的设计目标是让线性链接（LC）、图链接（GC）和比对（AL）三个阶段能够在同一套硬件上执行，从而避免中间数据在专用计算单元之间搬运，保留片上复用机会。整个 PE 阵列采用 基于模式的重配置（mode-based reconfiguration）：每个 PE 内部包含共享的算术单元（加法器、比较器、最大值选择器），这些单元在三种工作模式之间动态复用；未使用的模式数据通路会被电源门控（power-gated）以节省功耗。

下面分别介绍三种模式以及本地 scratchpad。

1. 总体思想：为什么需要可重构 PE 阵列​

跨阶段融合要求 LC、GC、AL 在统一硬件上执行。如果每个阶段都使用专用计算单元，那么中间数据就必须经过不同的缓冲区，导致片上复用丢失，数据重新回到 DRAM。Locus 的 PE 阵列通过模式切换解决这个问题：

  • 每个 PE 的算术单元是共享的，可在三种模式间重新利用；
  • 模式特定的数据通路在不用时被电源门控；
  • 这样既保持了融合执行的连续性，又避免了为每个阶段单独设计硬件的面积开销。

2. Mode 1：Chaining（链接模式）​

用途：

  • 主要用于线性链接（LC），把同一图 segment 内的 seed anchors 连接成共线链；
  • 在图链接（GC）阶段，当 GPF 引擎提供图路径距离后，也复用该模式来计算跨 segment 转换的分数。

输入：

  • 一对 anchors (aj,ai)(a_{j}, a_{i})，来自 GLB 的 Anchor Bank。
  • 其中 aia_{i} 被广播到所有 PE，它编码了查询位置、参考位置和 segment ID。
  • 每个 PE 持有一个不同的前驱 anchor 候选 aja_{j}。

计算：

  • PE 数据通路根据论文 Equation 1 计算链接分数： s(j→i)=min⁡(qspan,min⁡(Δr,Δq))−γd−12log⁡2(d+1)s(j\rightarrow i) = \min (q_{\mathrm{span}},\min (\Delta r,\Delta q)) - \gamma d - \frac{1}{2}\log_2(d + 1)
  • 它计算坐标差，通过 log⁡2\log_2 查找表评估 gap penalty，最终输出一个标量分数。

候选筛选与并行性：

  • 链接递推需要从所有合法候选中选出得分最高的前驱。为了减少计算量，RMQ 引擎先用线段树在 O(log⁡n)O(\log n) 时间内缩小候选集。
  • PE 阵列只评估存活的配对，因此不需要 inter-PE reduction。
  • 每个 PE 独立运行，没有 PE 间数据交换。
  • PE 阵列每个周期处理一个 anchor aia_{i}，所有候选并行评估。

输出：

  • 获胜分数和前驱索引写入 GLB 的 IR Bank。

3. Mode 2：Wavefront alignment (affine gaps)（仿射 gap 的波前比对）​

用途：

  • 用于比对阶段（AL）的碱基级序列比较，采用仿射 gap penalty（区分 gap-open 和 gap-extend）。
  • 这是最终比对模式，精度要求高。

并行方式：

  • 每个 PE 处理波前比对矩阵的一条对角线。

输入：

  • 一对序列：来自 Sequence Bank 的查询子序列，以及来自 IR Bank 的参考路径。

每个 PE 的操作：

  • 从本地 scratchpad 读取五个波前分量：匹配状态，以及每个方向的两个仿射 gap 状态。
  • 从相邻 PE 接收边界分数。
  • 计算下一个分数的 furthest-reaching offsets。
  • 将结果写回 scratchpad。

PE 间数据流：

  • 插入分数（insertion scores）从左到右在水平相邻 PE 之间流动；
  • 删除分数（deletion scores）从右到左流动；
  • 匹配分数（match scores）沿对角线流动。

每周期工作量：

  • 每个 PE 执行 9 次 scratchpad 读 和一次 5 路最大值选择。

输出：

  • 完整的比对分数和一组回溯指针，存储在 scratchpad 中。
  • 之后由 Traceback Engine 压缩成 CIGAR 字符串。

4. Mode 3：Wavefront alignment (edit distance)（编辑距离的波前比对）​

用途：

  • 是 Mode 2 的简化版本，用于图链接（GC）阶段验证通过 bubble 区域的候选路径。
  • 它只计算编辑距离，不区分 gap-open 和 gap-extend。

并行方式：

  • 每个 PE 处理编辑距离波前的一条对角线。

输入与数据流：

  • 输入和 PE-to-PE 数据流与 Mode 2 完全相同。

评分简化：

  • 所有编辑操作使用统一成本 +1+1，而不是分开的 gap-open 和 gap-extend penalty。
  • 这使计算从五个 DP 矩阵减少到三个，每周期 scratchpad 读从 9 次减少到 3 次。

输出：

  • 编辑距离分数，用于评估通过 bubble 的候选路径是否有效。

实现：

  • Mode 3 与 Mode 2 共享相同的物理互连。
  • PE 通过一个由模式寄存器控制的多路复用器，在仿射评分和编辑距离评分之间选择。

5. 本地 Scratchpad（Local Scratchpad）​

作用：

  • PE 阵列连接到一个本地 scratchpad，用于在比对期间存储波前 DP 矩阵。

与 GLB 的区别：

  • GLB 数据跨 tile 持续存在；
  • scratchpad 内容在单个比对任务内是瞬态的。

组织方式：

  • scratchpad 被组织成五个逻辑区域，分别对应 WFA 矩阵类型。

延迟优势：

  • 将 DP 矩阵放在本地 scratchpad 而不是 GLB，可以把访问延迟从 3 个周期降低到 1 个周期。
  • 这对于在内存密集型的波前计算中维持 PE 吞吐量至关重要。

6. 小结​

Locus 的可重构 PE 阵列通过模式切换，在统一硬件上支持三种计算模式：

模式用途关键特征
Mode 1: Chaining线性链接、图链接评分广播 aia_i，每个 PE 持有不同 aja_j；RMQ 预筛选；无 inter-PE 通信
Mode 2: WFA affine最终碱基级比对每个 PE 一条对角线；9 次 scratchpad 读 + 5 路最大值；区分 gap-open/extend
Mode 3: WFA edit图链接中验证 bubble 路径Mode 2 的简化；3 次 scratchpad 读；统一编辑成本 +1+1

配合本地 scratchpad 的低延迟访问，这种设计既实现了跨阶段融合，又保持了高吞吐和低功耗，是 Locus 架构的关键组成部分。