かつては夢物語だった光コンピューターを実現したLightmatter AIプロセッサーの昨今 (1/3)
なかなか実用化されない 光コンピューター 昔から、計算性能を引き上げるためにどんな素子が利用できるかに関してはさまざまな研究がなされてきていた。大昔で言えばジョセフソン素子が一時期注目されたことがある。 これはジョセフソン効果(Josephson effect:英国のBrian David Josephson博士によって発見されたことでこの名前がある)を利用したもので、通常のCMOSなどに比べると数桁高速なスイッチング速度を実現できるということで、将来のコンピューターに採用されると一時期もてはやされたものだが、あいにくとジョセフソン効果は超電導環境下でないと発生せず、このため液体ヘリウムなどを利用した超低温環境を用意する必要があり、いまだに研究段階に留まっている。 今だと量子コンピューターがその最右翼に入るのだろうが、こちらもなかなか常温で動作するレベルではない(やはり液体ヘリウムでの冷却
人工知能が見ている世界
今の世の中、そこら中に人工知能(AI)と呼ばれるシステムがあふれている。特にディープラーニングによるニューラルネットワークモデルを使ったシステムは高度な処理が可能であると広く考えられているようだ。では、それを使ったAIはどのようにこの世界を見ているのだろうか。 ディープラーニングで得られる特徴を含んだ値(特徴マップ)がAIの視覚と呼べるだろう。AIについて扱った教材では、ディープラーニングにより学習されたニューラルネットワークモデルの特徴マップを例示していることがあるが、特定の画像に対する特定の特徴の一部を載せているだけなので、AIがどのように世界を見ているのか、それだけで判断するのは難しい。 そこで、任意の動画に対してニューラルネットワークモデルを使って特徴マップを映像化することにした。今回、対象とするネットワークアーキテクチャは、AlexNetとVGG19だ。それぞれ2012年と201
機械学習は次のステージへーーMIT研究者が発明、“No-Hardware AI”「Neural Magic」のインパクト - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Image Credit : Neural Magic HP ピックアップ：Neural Magic gets $15M seed to run machine learning models on commodity CPUs ニュースサマリ：“No-Hardware AI” 企業を謳う「Neural Magic」は、11月6日、シードラウンドにて1,500万ドルの資金調達を実施したと発表した。出資者にはComcast Ventures NEA、Andreessen Horowitz、Pillar VC、Amdocsが名を連ねる。 同社は、MITでマルチコア処理と機械学習を長年研究してきた2人の研究者によって2018年に設立された。ディープラーニングモデルを処理する高コストなGPUやTPUなどの専用AIハードウェアを使うことなく、汎用CPUでより大きなモデルをより速く、より高い精度で処理
クアルコム、「Snapdragon 855 Plus」を発表--5G、ゲーム、AI、XR体験を向上
Qualcommは米国時間7月15日、同社のこれまでで最も高性能なモバイルプラットフォームとなる「Snapdragon 855 Plus」を発表した。同製品は、2018年12月に発表され、サムスンの「Galaxy S10 5G」などの端末に搭載されている「Snapdragon 855」を強化したものだ。CPUとGPUの性能が向上し、特にゲーム愛好者に歓迎されるものとなっている。 Snapdragon 855 Plusに搭載される「Qualcomm Kryo 485」CPUのプライムコアのクロックスピードは最大2.96GHzとなり、また「Qualcomm Adreno 640」GPUはSnapdragon 855と比較して性能が15％向上している。 「Snapdragon 855 Plusは、コアゲーマーが求める水準を引き上げるものになるだろう。CPUとGPUの性能を高め、5G、ゲーム、AI
NVIDIA、CUDAのArm対応を発表
NVIDIAは6月17日(独時間)、 NVIDIA CUDA-X AIやHPCライブラリ、GPUアクセラレーテッドAIフレームワーク、ならびにOpenACC対応のPGIコンパイラおよびプロファイラといった、ソフトウェア開発ツールを含む600以上のNVIDIAのAIおよびHPCソフトウェアのフルスタックを、2019年末までにArmのエコシステムで利用できるようにすることを発表した。 NVIDIAによる、ArmをベースとしたHPCシステムへの対応は、10年以上にわたる両社の連携を通じて実現されたもので、これらのスタックの最適化が完了すると、NVIDIAのGPUはx86、POWER、Armといったすべての主要CPUアーキテクチャのアクセラレーションが可能になるとNVIDIAでは説明している。
CPUのみで高速学習、組み込みAIを低コストで実現
左＝グラフの上2段が振動波形で、一番下は、異常度を表す波形。直線の波形は「正常」で、大きく振れた状態は「異常」を示している。歯車の回転を邪魔すると、振動波形が乱れ、「異常」と判断される／右＝乱れた波形が続くと、それを正常だと学習するので、一番下のグラフが直線に戻っている（クリックで拡大） 同技術は、ロボットや産業機器、IoT（モノのインターネット）ゲートウェイなどに搭載することを想定している。久保田氏は、製造現場の装置、つまりエッジデバイスで学習できるようにしたいというニーズは高まっていると話す。「製造現場は、1つ1つの工場や製造ラインによって、環境がかなり異なる場合がある。異常な波形などを事前に学習し、それを現場で実装すると、推論の精度にブレが生じる可能性が高い。1つ1つの現場で、リアルタイムに学習すれば、精度のブレが少ない推論ができるようになると考えている」（久保田氏） KAIBERの
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
NVIDIA、CUDAやAIフレームワークなどをArm CPUに対応