2016Nov22 Sc16 nvidia

1. Green500 で Tesla P100 搭載システムが 1,2 位を独占
SC16でのGPU 関連発表のまとめ – 第5版
NEWS
NVIDIA DGX-1 の 124 ノードクラスタである「DGX SATURNV」が、 LINPACK 性能 3.3
PFLOPS を記録し TOP500 の28位にランクイン。エネルギー効率を競う Green500 では
9.46 GFLOPS/W で首位を獲得しました。
DGX SATURNV は NVIDIA 社内に設置され、各ノードに Tesla P100 (NVLink 版) を
8基搭載しています。ノード間は Mellanox の EDR InfiniBand で接続され、13ノードで
TOP500 にランクイン可能、 38 ノードで 1 PFLOPS を超える性能を発揮します。
https://www.top500.org/system/178928
Green500 で DGX SATURNV に次ぐ 2 位を獲得したのは、7.45 GFLOPS/W を
記録した、スイス国立スーパーコンピューティングセンター (CSCS) の Piz Daint です。
Cray XC50 で構築されたこのシステムも Tesla P100 を採用しており、 TOP500 では
9.78 PFLOPS の性能で理研の京コンピュータに次ぐ 8 位に入っています。
https://www.top500.org/system/177824
今回 TOP500 リストに入った Tesla P100 搭載システムは DGX SATURNV と Piz
Daint の 2 システムで、その 2 つが Green500 の 1,2 位を獲得したことになります。
Green500 リストはこちら: https://www.top500.org/green500/list/2016/11/
日本版
Google は 2017 年の早い段階で、 Tesla K80 および P100 を搭載す
る GPU インスタンスを、 Google Compute Engine と Google Cloud
Machine Learning で利用可能にすると発表しました。
http://bit.ly/gcpgpuj
また、 Microsoft は Tesla M60 および K80 を利用可能な Azure
「N シリーズ」 を、 12 月 1 日に正式リリースすることを発表しました。
http://bit.ly/azuregpuga
弊社 CEO ジェンスン・ファンは、米国エネルギー省、国立がん研究所等
と共に、がん研究を加速する “Cancer Moonshot” というイニシアティブ
を支援する声明を発表しました。これには研究の共通プラットフォームと
なる “CANDLE” という AI フレームワークの構築が含まれています。
「DGX SATURNV は Cancer Moonshot のためのロケットだ」
とジェンスン・ファンは述べました。http://bit.ly/nvcancermoonshot
“Cancer Moonshot” を支援
NVIDIA と Microsoft は、 ディープラーニングフレームワーク “Microsoft
Cognitive Toolkit” (旧称: CNTK)が NVIDIA DGX-1 等のオンプレミス
環境と、クラウドの Microsoft Azure 「Nシリーズ」インスタンスの双方に
おいて最適な状態で稼働するように協力することを発表しました。
http://bit.ly/nvmsai
Microsoft と AI 領域での協業を発表
NVIDA と IBM は、エンタープライズ領域でのディープラーニング活用を
推進するため、IBM の OpenPOWER アーキテクチャ向けディープラーニン
グツールキット “PowerAI” 開発での協業を発表しました。
これにより、 POWER8 と 4 基の Tesla P100 が NVLink で相互に接続
された Power System S822LC といった強力なサーバーによる GPU
ディープラーニングを促進します。 http://bit.ly/nvibmai
ディープラーニングで IBM と協業
クラウド各社の GPU サービスが充実
“PGI Community Edition” が登場 – OpenACC の普及を加速
SHARE YOUR SCIENCE
東京工業大学 青木先生 JAXA 宮島様
“Share Your Science” は、 GPU を活用されている研究者の方々にインタビューを行い、
その内容をご紹介いただく活動です。NVIDIA ブース特設スタジオでの収録に、日本からは
次の皆様のご協力をいただきました。厚くお礼申し上げます。
• 東京工業大学 青木先生
• JAXA 宮島様
• 理化学研究所 藤田様、東京大学 山口様
(次ページの「WACCPD 2016 BEST PAPER AWARD」もご参照ください)
収録内容は後日、下記の Web ページで公開されます。お楽しみに！
https://news.developer.nvidia.com/tag/share-your-science/ 理化学研究所 藤田様 東京大学 山口様
TOP500 リストを見ても明らかなように、プロセッサの多様性が増しています。
異なるアーキテクチャ間でソースコードの移植性を高められる OpenACC は
今後より重要になっていくでしょう。この度、機能的には上位エディションと
同等で、商用を含めて無料でご利用いただける、“PGI Community
Edition” をリリースしました。既にダウンロード可能となっています。
http://www.pgroup.com/products/community.htm
NVIDIA ブース特設スタジオ

2. Facebook: https://www.facebook.com/NVIDIAGPUComputing/
GPU 関連ブース紹介
ブース紹介にご協力くださいました皆様、誠にありがとうございました。
Facebook の NVIDIAGPUComputing ページの他、こちらでも写真にて紹介させていただきます。
紙幅の都合等ですべてを網羅できておりませんこと、ご容赦ください。
東京工業大学大阪大学 CMC
富士通
東北大学
日立製作所 JAXA
Microsoft
AIST
Rescale (IBM CLOUD) AWS (Algorithmia)
KEK
ExaScaler
Twitter: @NVIDIAAIJP / @NVIDIAJapan
XTREME DESIGNGoogle
理研・東工大の共同研究チームが SC'16 BEST PAPER AWARD を受賞！
理研 AICS プログラム構成モデル研究チームの丸山直也チームリーダーとモハメド・ワヒブ特別
研究員、東京工業大学学術国際情報センターの青木尊之教授の共同研究チームが、
投稿された 442 報の中から SC’16 Best Paper Award を受賞されました。おめでとうございます！
テーマは適合格子細分化法 (AMR) の GPU による高速化を容易にするフレームワークです。
“Daino: A High-level AMR Framework on GPUs”
https://www.computer.org/csdl/proceedings/sc/2016/8815/00/8815a621.pdf
授賞式の様子 (理研 AICS Web サイトより)AMR はシミュレーションに必要な時間やメモリを大幅に削減でき高速化に
非常に有効ですが、大規模な GPU スパコンでの使用にはプログラミングが
複雑になるといった課題がありました。
Daino は LLVM を利用したコンパイラベースの高レベルフレームワークで、
CUDA コードを直接記述することなく、 GPU クラスタで並列実行される
AMR プログラムを生成することが可能です。 NVIDIA K20x を搭載した
TSUBAME 2.5 スーパーコンピュータにおける 1000 GPU 規模での実験で、
Daino が生成したコードは強スケーリング、弱スケーリング双方のケースに
おいて通常の手書きコードに匹敵する性能を示しました。
理研・東大の共同研究チームが WACCPD 2016 で BEST PAPER AWARD を受賞！
SC16 と併催された、ディレクティブによるアクセラレータプログラミングのワークショップである
WACCPD 2016 において、理化学研究所の藤田様、東京大学地震研究所の山口様、
市村先生らによる論文が Best Paper Award を受賞されました。おめでとうございます！
“Acceleration of Element-by-Element Kernel in Unstructured Implicit Low-
order Finite-element Earthquake Simulation using OpenACC on Pascal GPUs”
http://waccpd.org/wp-content/uploads/2016/04/SC16_WACCPD_fujita.pdf
本研究では、京コンピュータを利用して開発された、地震災害の全段階をカバーする包括的
シミュレーション用の非構造格子有限要素解析ソルバを、 OpenACC により低い開発コスト
で GPU に対応させられることを示しました。1 ノードの NVIDIA DGX-1 におけるテストでは、
8 ノードの京コンピューターと比較して約 20 倍高速であることが示されました。
藤田様、山口様、市村先生
この資料: https://doc.co/uDcniz