Morpho, Inc. ha fornito il motore di inferenza di apprendimento profondo SoftNeuro a un progetto promosso dall'Università di Tokyo, dall'Università Tohoku e dall'Università di Kobe per accelerare le simulazioni di formazione di galassie ad alta risoluzione utilizzando l'apprendimento profondo sul supercomputer Fugaku. Il risultato è un tempo di inferenza circa 19,2 volte più veloce e una riduzione di circa il 93% del consumo energetico.

93% di riduzione del consumo energetico. Condizioni e valori misurati: SoftNeuro viene utilizzato per l'inferenza 3D-Unet su Fugaku. Confronto della velocità di inferenza utilizzando TensorFlow (disponibile come standard su Fugaku) e utilizzando SoftNeuro ottimizzato per Fugaku.

Ogni Fugaku utilizza 1 nodo (48 core). Morpho sosterrà un'ulteriore accelerazione delle simulazioni 3D (simulazioni di formazione di galassie) utilizzando l'apprendimento profondo su Fugaku grazie al progetto e alla collaborazione. Inoltre, Morpho continuerà a migliorare ulteriormente la convenienza e le capacità tecniche di oSoftNeuroo e a sviluppare la tecnologia a livello globale per realizzare una cultura fruttuosa attraverso la fornitura di vari servizi e soluzioni.