MANOJAVAM: 주성분 분석 (PCA) 의 행렬 곱셈 및 특이값 분해 (SVD) 를 위한 확장 가능한 통합 FPGA 가속기

주성분 분석 (Principal Component Analysis, PCA) 은 초분광 이미징, 유전체학, 신경과학 분야에서 차원 축소 (dimensionality reduction) 에 널리 사용된다. 그러나 행렬 곱셈 및 특이값 분해 (Singular Value Decomposition, SVD) 의 계산적 병목 현상 (computational bottlenecks) 을 겪는다. 기존 PCA 하드웨어 가속기는 이 중 하나의 단계를 대상으로 하거나, 마이크로 아키텍처 최적화를 제한하는 고수준 합성 (High Level Synthesis, HLS) 을 기반으로 하거나, 데이터셋 확장성을 제한한 고정점 데이터 패스 (fixed point datapaths) 를 사용한다. 임의 입력 차원의 데이터셋에 적합한 통합 PCA 가속기의 필요성이 있다. 따라서 제안된 작업은 행렬 곱셈 및 SVD 를 단일 아키텍처에서 통합하는 확장 가능한 PCA 가속기 파이프라인인 MANOJAVAM 을 제시한다. MANOJAVAM(T,S) 는 고대역 행렬 곱셈을 위해 블록 스트리밍 (block streaming) 을 사용하는 T x T TPU 스타일 사이클틱 배열 (systolic arrays) S 개를 포함한다. 또한, Jacobi 방법을 구현하는 Jacobian 단위를 파이프라인 CORDIC 기반 회전 (CORDIC based rotations) 과 통합한다. 공분산 행렬 및 회전 계산의 다른 메모리 접근 패턴에 적응하기 위해 2 단계 캐시 계층과 모드 인식 메모리 정책 (mode-aware memory policies) 을 적용한다. 데모를 위해 MANOJAVAM(4,8) 은 Xilinx Artix-7 FPGA 상에서 구현되어 1.271W 에서 200 MHz 의 주파수를 달성했다. MANOJAVAM(16,32) 은 Xilinx Virtex-Ultrascale+ FPGA 상에서 구현되어 16.957W 에서 434 MHz 의 주파수를 달성했다. 실제 데이터셋에 대한 벤치마킹은 MANOJAVAM(16,32) 이 고성능 NVIDIA A6000 GPU 와 비교하여 SVD 지연 (latency) 에 최대 22.75 배의 속도 향상 및 총 에너지 소비 감소에 42.14 배를 달성함을 보여준다. 이 아키텍처는 고성능 및 엣지 컴퓨팅 환경 모두에서 대규모 데이터 분석을 위한 통합, 확장 가능하고 에너지 효율적인 플랫폼을 제공한다.