FPGA加速器襄助 生物醫療運算實現「快、準、全」

2021-07-02
作者 Anthea Chuang

具備自適應運算且功能強大的FPGA,能夠協助資料中心不斷的演進,促進生物醫療運算實現快速、準確與全面性的需求…

無論新冠肺炎疫情前還是疫情後,全球對於生物醫療的研究皆不遺餘力,也持續地進行中。而在新冠肺炎肆虐的期間,全球的科學家更是致力於生物醫療相關的研究,希望能從中找到一些「線索」,藉以對抗這個一變再變的難纏病毒。不過,生物醫療的研究,尤其在疫情期間,需要在越短時間之內,找出病毒的特性、基因序…等,以便快速的研發新藥,或是更準確的檢驗出人們是否染疫,隨即為資料中心也帶來新的要求,所幸,具備自適應運算且功能強大的FPGA,能夠協助資料中心不斷的演進。

賽靈思(Xilinx)大中華區資料中心業務(DCG)銷售資深總監鍾毅表示,從中國幾大Hyperscale業者紛紛跨足醫療產業可發現,生物運算正在成為科技產業的新熱點,且隨著人工智慧(AI)的大行其道,該技術也成為生物運算不可或缺的一環。不過,生物醫療運算需要快速且準確且全面性地分析所有的資料,運算量不僅龐大,還要不斷「提速」,因此資料中心已開始從CPU為中心轉向客製化的分散式運算;工作負載和演算法也快速演進;以及提升運算、儲存盒網路控制器的整合性,以便應對龐大的資料處理量,特別是大量的非結構化資料的產生和各種不同應用、不同工作負載的加速需求。

上述資料中心的演進中,分散式運算意味著資料中心要同時應付多種不同的應用與工作負載,再加上相應的演算法更新、演進的速度加快,整合度要提升,不僅現有的晶片架構也無法繼續滿足,這些快速的演化趨勢也遠超出目前CPU處理器的發展速度。鍾毅認為,此時,FPGA所具備的優勢,即可滿足資料中心新變革的需求。

FPGA可具備高效能、自適應運算與多功能特性,可透過最佳化的領域專用架構實現最大的資料傳輸量與低延遲,利用重新配置的硬體可更快的適應不斷變化的工作負載。FPGA具備的多功能還可加速運算、儲存和網路的使用案例,因此相當適合作為資料中心的靈活應變加速器。鍾毅強調,有鑑於賽靈思在2018年即看到數據爆炸與人工智慧對自適應運算力的需要,開始研發並打造資料中心加速卡Alveo系列,使其成為現今生物醫療及生命科學研究中的理想創新平台。

針對賽靈資料中心加速卡在生物醫療領域的應用,思資料中心加速系統架構師傅垚舉了四項——資料分析,影像資料庫、醫療影像與智慧醫院應用領域進一步說明。他提到,在常用的基因測序數據的分析流程中,透過FPGA加速器,在24小時內處理的全基因體定序(WGS)樣本數量,FPGA可達46.3個,勝過GPU的32個,而CPU甚至連一個樣本數都無法處理完畢。

 

FPGA、GPU與CPU在24小時內處理的全基因體定序樣本數量比較。

(來源:賽靈思)

 

傅垚指出,FPGA加速平台最大的特性就是運算的類型不受限制,雖然GPU在高密度浮點矩陣或是矢量運算方面較強,但在其他類型的運算上就會有所限制;不可否認,CPU的確較能「多勞」,也就是可以做的事比較多,不過,效能仍是有限。也因此可以加速各種類型運算,又擁有較加效能與效率的FPGA加速平台,才得以在基因組分析的整個流程中,比GPU或CPU有更好的表現。

此外,在影像資料庫與醫療影像分析方面,以診斷新冠肺炎病例為例,FPGA加速器已可做到大於90%的精確度;在低劑量電腦斷層造影(LDCT)上,可利用深度學習的方式產生相似貨更好的影像品質,進而減少病患輻射的曝露量,以及避免需重新預約檢查或掃描的可能性。在智慧醫院的應用中,透過機器學習/人工智慧與分析和FPGA加速卡的運算,即可打造虛擬病患觀察(VPO)監控系統,分析哪些病患需要立即的照護,不僅可省去許多看護的需求,還能在新冠肺炎肆虐期間,醫療資源不足的情況下,適切地調配醫護人力。

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

Anthea Chuang

能把愛貓養的如此肥美,是身為編輯專業之外的另一項技能...

發表評論

訂閱EETT電子報