Bewertung der FPGA-Beschleunigung mit dem Intel ® oneAPI Toolkit für die Hochgeschwindigkeitsdatenverarbeitung

Das LHCb-Experiment nutzt GPU-Karten in seinem Trigger-System der ersten Stufe, um die Recheneffizienz zu steigern und eine Datenrate von 32 Tb/s aus dem Detektor zu erreichen. GPUs wurden aufgrund ihrer Rechenleistung, parallelen Verarbeitungsmöglichkeiten und Anpassungsfähigkeit ausgewählt. Trigger-Aufgaben erfordern jedoch umfangreiche kombinatorische und bitweise Operationen, die ideal für die FPGA-Implementierung geeignet sind. Die Einführung von FPGAs zur Rechenbeschleunigung wird jedoch durch steile Lernkurven und sehr unterschiedliche Programmierparadigmen im Vergleich zu GPUs und CPUs behindert. In den letzten Jahren ist das Interesse an der Hochsprachen-Synthese gewachsen, da die Möglichkeit besteht, FPGA-Gateware in höherwertigen Sprachen zu entwickeln. Diese Studie bewertet das Intel® oneAPI FPGA Toolkit, das darauf abzielt, die Entwicklung von FPGA-beschleunigten Arbeitslasten zu vereinfachen, indem es ein GPU-ähnliches Programmierframework bietet. Wir erläutern die Integration eines Teils des aktuellen Pixel-Clustering-Algorithms in oneAPI, behandeln häufige Implementierungsherausforderungen und vergleichen es mit CPU-, GPU- und RTL-Implementierungen. Unsere Ergebnisse zeigen vielversprechende Ergebnisse für diese aufkommende Technologie, die potenziell die Umnutzung von FPGAs im Datenerfassungssystem als Rechenbeschleuniger während inaktiver Datenerfassungsphasen erleichtern könnte.