図1　東�B工業�j学学術国際情報センター教�bの松�K聡��

AIでは、ニューラルネットワークの学�{の���Qと、推�bするための演�Qが��要となるが、これらの���Qでは積和演�Qが�Hい。しかも同じような繰り返すイタレーションが��要なためGPU（グラフィックスプロセッサ）が使われることが�Hく、この分野ではNvidiaのGPUがよく使われている。ニューラルネットワークでの���Qでは��来のDSPなどで��いられてきた倍�@度（64ビット）や単�@度（32ビット）の積和演�Qではなく、半�@度（16ビット）の演�Qも�H��される、と同�j学学術国際情報センター教�bの松�K聡��は述べている。実際、Googleが開発したAI専��のマイクロプロセッサであるTPU（Tensor Processing Unit）では16ビット演�Qに加えて8ビット演�Qも使われていると言われている。

TSUBAME3.0の性�Δ蓮Å�来の倍�@度演�Qで12.12PFlopsと理化学研�|所の「�B」をわずか���vる��度だが、単�@度では65.8PFlopsと6倍��度�]い（図2）。消�J電��は1��のラック当たり50~60kWで、電��効率は�k般のデータセンターの10〜20倍も良いとしている。今�vのシステムでは15��のラックを並べた構成になっており、�o�C積も10倍��度小さくて済むとしている。

図2　機械学�{や人工���Δ�32ビットや16ビットの�@度で�科�

ラック1��には36��のブレードが収容され、1��のブレード(ノードともいう)には4個のGPU (NvidiaのTesla P100「Pascal」)と2個のIntel のXeon CPUで構成されている。GPUは並�`演�Qに�~効なプロセサであり、パターン認識などニューラルネットワークの入��値と�_みとの�Xけ�Qを並�`に行う処理に向いている。NvidiaのPascalは1��のブレードに4個搭載されているため、GPUの総数は2160個になる。

TSUBAME3.0は、ハードウエアを担当した、Hewlett-Packard Enterprise（旧SGI：Silicon Graphics Inc.を昨�Q�A収）、GPUを提供するNvidia、CPUを提供するIntel、ストレージを担当したData Direct Networksなどからなる共同開発の�T果である。����設��を、松�K��をリーダーとする東工�jが担当した。

消�J電��を下げるとともに、冷却を工夫している。水冷では冷やし�圓�ると水分が����し、マシンが水浸しになってしまうため、冷却水を32℃とし、GPUとCPUを冷却した後の�Xいお湯の�a度を40℃に保っている。40℃のお湯を外�陲��O���j気で冷やし32℃にする循環システムである。冷却水が32℃だと真��でも水�rがつかないことを確認している。ただし、これ以�嵶箋冪a度を�屬欧襪函�CMOSチップの性�Δ�落ちるため、その最適�a度として32℃を��んだとしている。

その�T果、コンピュータの消�J電��+冷却設�△両嫡J電��の合��を、コンピュータの消�J電��で割った冷却効率PUEは1.0に�Zいほど良いが、TSUBAME3.0では1�Q間の�W�tデータを元に���Qしたところ、平均1.033という値を�uた。�k般のデータセンターはPUEが2~3と冷却�_の�気����Q機よりも電��を消�Jしているという。

TSUBAMEの基本コンセプトは、消�J電��当たりの性�Δ旅發ぅ泪轡鵑鯆礇灰好箸悩遒襪海函△任△襦�つまり国際��争��を高める�\術の育成である。これまでのTSUBAME2.0（2010�Q）と2.5（2013�Q）で6�Q間の電気代を含むコストは、わずか50億��であり、電気代を含めた「�B」のコストは1500億��くらいかかっているのではないかとみている。TSUBAME2.0/2.5は倍�@度が5.76PFlopsと「�B」の11.4PFlopsよりも��いが、単�@度では17.1PFlopsと「�B」の11.4PFlopsよりも優れていることになる。

さらに、今�vのコラボレーションでもわかるように、外国の企業とも�k緒に組み、消�J電��を抑えながら性�Δ��屬押△靴�も低コストでシステムを設��している。この�}法こそ、国際��争��をつけるうえで��要なテクノロジーではないだろうか。