Morpho, Inc. heeft deep learning inferentie engine SoftNeuro geleverd aan een project van de Universiteit van Tokyo, Tohoku University en Kobe University om hoge-resolutie simulaties van melkwegvorming te versnellen met behulp van deep learning op de supercomputer Fugaku. Het resultaat is een ca. 19,2 keer snellere inferentietijd en ca.

93% minder energieverbruik. Over voorwaarden en gemeten waarden: SoftNeuro wordt gebruikt voor 3D-Unet-inferentie op Fugaku. Vergelijking van de inferentiesnelheid met TensorFlow (standaard beschikbaar op Fugaku) en met SoftNeuro geoptimaliseerd voor Fugaku.

Elke Fugaku gebruikt 1 node (48 cores). Morpho zal verdere versnelling van 3D simulaties (galaxy formation simulations) met behulp van deep learning op Fugaku ondersteunen via het project en de samenwerking. Daarnaast zal Morpho het gebruiksgemak en de technische mogelijkheden van oSoftNeuroo verder verbeteren en technologie ontwikkelen op mondiaal niveau om een vruchtbare cultuur te realiseren door het leveren van diverse diensten en oplossingen.