Cross Architecture Edit Similarity Join for DNA Data Storage Using oneAPI

La quantità di dati prodotti è destinato ad aumentare in modo significativo nei prossimi anni. Il problema principale legato alla crescita dei dati è rappresentato dal costo di archiviazione di tali dati. Ciò è dovuto alla limitazione fisica rappresentata dai supporti magnetici attualmente utilizzati per l'archiviazione. Un'alternativa ai supporti magnetici contemporanei è rappresentata dal DNA sintetico, ancora poco studiato, ma che presenta alcune proprietà interessanti - in termini di durata e alta densità - che lo rendono molto promettente. Tuttavia, il processo di recupero dei dati dal DNA è limitato da una procedura chiamata "consenso". L'obiettivo di questa procedura è identificare milioni di stringhe univoche tra centinaia di milioni di copie contenenti errori. Ciò coinvolge algoritmi di "similarity join" che tuttavia non sono in grado di scalare su tali dataset a causa sia della complessità della metrica utilizzata - edit distance - sia per il loro design single-thread. In questa tesi, viene presentato OneJoin, un algoritmo di similarity join che può sfruttare CPU multicore, GPU integrate e GPU discrete utilizzando la stessa base di codice. OneJoin è implementato con oneAPI, un modello di programmazione progettato per aumentare la portabilità del codice su diverse architetture. In questo lavoro presentiamo gli aspetti principali di oneAPI e descriviamo le scelte progettuali del nostro algoritmo. Inoltre, presentiamo una pipeline di decodifica dei dati del DNA end-to-end basata su OneJoin e la valutazione sperimentale del nostro algoritmo rispetto alle soluzioni esistenti. Mostreremo che OneJoin può raggiungere una velocità fino a 21 volte superiore rispetto allo state-of-the-art, riducendo il tempo di decodifica dei dati dal DNA da diverse ore a pochi minuti.