GDR-HGNN: グラフデカップリングおよびリカップリングを備えたヘテロジニアスグラフニューラルネットワークアクセラレータフロントエンド

ヘテロジニアスグラフニューラルネットワーク（HGNN）は、ヘテロジニアスグラフに対するグラフ表現学習の適用を広げました。しかし、HGNNの不均一なメモリアクセスパターンは、HGNNアクセラレータにおけるバッファスラッシング問題を引き起こします。この研究では、ヘテロジニアスグラフのトポロジーの分析を通じて、HGNN加速におけるバッファスラッシングを解決する機会を特定しました。この機会を活かすために、我々はグラフ再構成手法を提案し、それをGDR-HGNNというハードウェアフロントエンドにマッピングします。GDR-HGNNは、HGNNアクセラレータのデータローカリティを向上させるために、動的にグラフを再構成します。実験結果は、GDR-HGNNの助けを借りて、最先端のソフトウェアフレームワークでA100 GPU上で実行した場合と比較して、HGNNアクセラレータが平均14.6倍、1.78倍の速度向上を達成することを示しています。