【デジタルツイン入門第4回】画像処理技術とAIでデジタルツインを支えるNVIDIA GPU

NVIDIA社について

NVIDIA社とは、アメリカ カリフォルニア州に本社を置く半導体メーカーで、1993年に現CEOのJensen Huangらによって設立されました。1999年に「世界初のGPU」として「GeForce 256」を発表して以来、現在も世界のGPU市場で圧倒的なシェアを誇っていることで知られています。

（出典）人工知能コンピューティングで世界をリードする - NVIDIA

GPUはGraphics Processing Unitの略で、その名の通り画像描写に特化した半導体として、当時は主にゲームやメディア市場における高度な3D描画向けに使用されていました。そんな中、2006年にNVIDIA社が「CUDA（Compute Unified Device Architecture：クーダ）」と呼ばれるGPGPU（General Purpose GPU：汎用GPU）を開発したことにより、画像描画以外の、いわゆるAIなどの用途でもGPUの効果が出せるようになり、今やNVIDIA社のGPUは高度な画像処理とAI開発において欠かせないものとなっています。

その後もNVIDIA社は、GPUを搭載したAIサーバやvGPU（仮想GPU）などのソリューションをはじめ、近年バズワードとなり注目が集まるメタバースに関連して、メタバースを構築するプラットフォーム「NVIDIA Omniverse（※）」など、GPUをベースにしたさまざまな新技術を開発しています。まさに、GPUやAI分野のリーディングカンパニーと言えるでしょう。

※Omniverseについてはこちらの製品ページもご覧ください。

GPUとは

先述の通りGPUとは、もとは画像処理に特化したプロセッサーで、大規模な並列計算処理を得意としています。GPUが開発される以前はCPUが全ての計算処理を担っていましたが、映像技術の発展により画像処理の負荷が増したため、画像処理を専門で担うGPUも併用されるようになりました。CPUとGPUの大きな違いはコア数です。コアとは計算機能を担う中核部分を指し、通常CPUには数個、GPUには数千個のコアが備わっています。GPUはこの圧倒的なコア数を武器に、人海戦術的に並列計算処理を高速で行うことができます。

この違いを分かりやすく説明するためによく例えられるのが、百マス計算です。CPUは一人の天才、GPUは100人の小学生がチームとなり、1つの百マス計算をよーいどんで解いてもらいます。GPUは1人1マスのみ解けばよいので、小学生とはいえ1つ1つが簡単な計算であれば、CPUよりも圧倒的に早く計算を終えることができます。

百マス計算を解くCPUとGPU

​画像は膨大なポリゴンの集まりで、どの座標に何色を表示するべきかを同時に処理する必要があり、動画となるとその同時計算が瞬時に繰り返されなければいけません。先の例では、ポリゴンの数が百マス計算の1マスにあたり、そして1人対100人という人数がコア数の差を指します。GPUは膨大なポリゴンを同じく膨大なコアで同時に処理することで、リアルタイムかつ高度な画像描画を可能にしています。

GPUのメリットとAIおよびデジタルツインとの関係

続いては、なぜGPUがAI開発にも活用されているのかについてお話しします。それは、画像処理に特化していたGPUを汎用化したGPGPUという技術が関係しています。

GPGPUはGPUの特性を利用し、画像処理に似たような、膨大なデータの並列計算を高速化することができます。具体的には、科学技術分野の数値計算やシミュレーション、仮想通貨のマイニング、そして機械学習やディープラーニングといったAI分野が挙げられます。

ディープラーニングのモデル構築イメージ

例えばディープラーニングで猫の判別モデルを作るとします。そのためにまずは膨大な猫の画像を学習し、そこから猫ならではのポイント（特徴量）を自動で導出し、正誤判定をもとにモデルを修正して、回答率を上げていきます。私達の目にはもちろん猫に見える画像も、コンピューターは全て数値に変換して処理しています。その数値の中でどこが猫の判断ポイントになるのかという重みづけももちろん数値で行うため、データがどんどん膨れ上がっていきます。

ディープラーニングにおいてGPGPUはその特徴を生かし、CPUと比較して数倍～場合によっては数百倍もの速度で計算することができます。また、それだけ多くの計算が可能になるため精度も向上し、先の例でいうと、より正答率の高い猫の判別モデルを作ることができるのです。

前回のコラムで述べた通り、デジタルツインにはAIが欠かせません。現実世界から取得したデータを適切に処理し、デジタルツインに反映し、さらに予測を繰り返す、この一連のAI処理を高精度かつ高速に行うためには、GPUが必要不可欠と言えます。また、AIという文脈以外でも、GPU本来の特徴である高度な画像処理能力がデジタルツインには求められます。というのも、デジタルツインでさまざまなシミュレーションを行うには、現実世界をいかに高精度に再現するかがポイントだからです。例えば、せっかく工場のデジタルツインを作成しても画像が荒かったり表示速度が遅くて動きがカクカクしていたりすると、全く参考になりませんよね。現実と見分けがつかないほどリアルなデジタルツインをリアルタイムに表現するためにもGPUは非常に重要なのです。

このようにAIおよびデジタルツインの質はGPUの性能が大きく影響するため、GPUを活用することはもちろん、どんなGPU（およびGPU搭載サーバ）を導入するかをしっかりと検討することをおすすめします。

​＜参考＞
解析シミュレーションでもGPUが大活躍！

様々な物理現象をデジタルで再現する解析シミュレーション。その中でも気体や液体の挙動を対象にした流体解析は非常に計算負荷が高く、場合によっては数週間もの計算時間がかかります。Ansys社の汎用熱流体解析ソフトウェア「Ansys Fluent」では、CPUに加えGPUも併用し、またそのコア数を増やすことによって、解析時間を短縮できます。下記の図の例では、CPUのみ（青色）とCPU+GPU（緑色）とを比較すると、GPUを併用したほうが、最大約4倍も計算時間を高速化できていることが分かります。

（出典）GPUで進化する！CAEの最新情報ーNVIDIA GPUを活用したシミュレーションの高速化ー｜SCSK IT Platform Navigator

NVIDIA社のGPUソリューション

これまで、GPU（GPGPU）の概要とデジタルツインにおける重要性をお伝えしてきました。この章ではより具体的に、NVIDIA社が提供するGPUソリューションについてご紹介します。

NVIDIA H200 Tensor コア GPU

NVIDIA H200 Tensor コア GPUとは、2024年11月から日本でも販売が開始された、AIおよびHPC（ハイパフォーマンスコンピューティング）向けに開発された超高性能GPUです。毎秒4.8テラバイト (TB/s) で、141ギガバイト(GB)の「HBM3e」メモリを搭載した初のGPUとして、生成AIや大規模言語モデル（LLM）の開発を加速します。

前世代のH100と比較して、AIの推論速度は最大2倍に向上します。

（出典）H200 Tensor コア GPU - NVIDIA

NVIDIA DGX H200

NVIDIA DGXシリーズは、AIおよびHPCに特化したアプライアンスサーバです。中でもNVIDIA DGX H100は、先述のNVIDIA H200 Tensor コア GPUを8基搭載しているほか、NVIDIA AI Enterprise（「TensorFlow」や「PyTorch」などの機械学習フレームワークを盛り込んだソフトウェア）も組み込まれています。必要なハードウェアおよびソフトウェアの両方を1つのプラットフォームとして導入できるため、効率よくAI開発を進めることが可能です。

詳しいスペック情報はDL資料をご確認ください

• 

  製品資料をダウンロード

  

​＜参考＞
NVIDIA DGX Sparkは、手のひらサイズのスーパーコンピュータ？！

DGXシリーズに、デスクトップサイズの新モデルが登場しました。それが「NVIDIA DGX Spark」です。パーソナルAIスーパーコンピュータと位置付けられた本製品は、1ペタFLOPのAI性能と、128GBの大規模メモリを備え、デジタルツインのような複雑なシミュレーションも効率的に処理できます。

スーパーコンピュータは巨大でうるさくサーバールームに置くもの、という従来の概念を覆すNVIDIA DGX Sparkに、世界中の技術者が注目しています。