CPU-FPGA 이기종 시스템에서의 머신 러닝 기반 인덱스 학습 가속에 관한 연구

Abstract

머신 러닝 기반 인덱스는 B-트리와 같은 기존 인덱스보다 더 빠른 검색 속도를 보인다. CPU는 머신 러닝 기반 인덱스의 모델 훈련을 위해 QR 분해와 같은 선형 대수 연산을 수행한다. 또한 키의 삽입과 제거가 가능한 머신 러닝 기반 인덱스에서는 새로 삽입된 키를 처리하기 위해 주기적으로 모델을 다시 학습되어야 한다. 하지만, CPU 기반의 머신 러닝 기반 인덱스에서는 CPU 자원의 분배, 학습의 비효율성 등의 문제로 병목이 발생한다. 본 논문에서는 이 문제를 해결하기 위해 행렬의 메모이제이션을 기반으로 한 행렬 분해와 이를 활용한 새로운 모델 학습 알고리즘을 제안한다. 또한 CPU-FPGA 이기종 시스템을 기반으로 하는 모델 학습 하드웨어 가속기와 디자인 공간 탐색을 활용한 템플릿 아키텍처를 제안하여 머신 러닝 기반 인덱스를 가속하였다.