Preferred Networks、深層学習用プロセッサー「MN-Core」の専用ソフトウェアを開発

株式会社Preferred Networks(以下、PFN)は、神戸大学と共同開発した深層学習用プロセッサー「MN-Core」の専用ソフトウェア(以下、コンパイラ)を開発し、深層学習における複数の実用的なワークロードの計算速度を最大で従来の6倍以上の高速化を実現したと発表した。

MN-Coreは、PFNの深層学習専用プロセッサーとして開発され、2020年6月にスーパーコンピュータの省電力性能を示すGreen500ランキングで1位を獲得したPFNのプライベートスーパーコンピュータ「MN-3」に搭載されている。2020年5月にMN-3の試験稼働を開始して以来、PFNでは深層学習をより高速化するためのソフトウェア群の開発を続けてきた。

今回、深層学習のフレームワークとしてPFNで活用されているPyTorchからシームレスにMN-Coreを利用するための専用コンパイラを開発したことで、深層学習の様々な既存ワークロードに大きな変更をすることなく、MN-Coreによる計算速度の高速化を実現した。

このコンパイラを用いてMN-Coreの性能評価を行った結果、従来の汎用GPUを搭載したPFNのスーパーコンピュータMN-2と比較して、画像認識において6倍以上、グラフ処理において約3倍の高速化を達成した。

Preferred Networks、深層学習用プロセッサー「MN-Core」の専用ソフトウェアを開発
深層学習ワークロードにおけるMN-2とMN-3(MN-Core)の単位時間あたりの処理性能比較