PFN、深層学習用プロセッサ「MN-Core」用コンパイラを開発

Preferred Networks(PFN)6月14日、神戸大学と共同開発した深層学習用プロセッサ「MN-Core」の専用ソフトウェア(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倍以上高速化することに成功したと発表した。

同成果の詳細については、半導体技術に関する国際会議「2021 Symposia on VLSI Technology and Circuits」にて6月15日に発表される予定だという。

MN-Coreは、PFNの深層学習専用プロセッサとして開発され、2020年6月にスーパーコンピュータ(スパコン)の省電力性能を示すGreen500ランキングで1位を獲得したPFNのプライベートスパコン「MN-3」に搭載されていることで知られるアクセラレータ。今回、深層学習のフレームワークとしてPFNで広く活用される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、深層学習のさまざま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という。

• MN-Coreのチップ外観

同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のスパコン「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という。

• 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

なおPFNでは、今後もプロセッサをはじめとする計算資源の拡充、ハードウェアの性能を最大限引き出すソフトウェア群の開発を通じて、深層学習技術の研究開発を積極的に行っていく予定としている。