Morpho, Inc. ha proporcionado el motor de inferencia de aprendizaje profundo SoftNeuro a un proyecto promovido por la Universidad de Tokio, la Universidad de Tohoku y la Universidad de Kobe para acelerar las simulaciones de formación de galaxias de alta resolución utilizando el aprendizaje profundo en el superordenador Fugaku. El resultado es un tiempo de inferencia aprox. 19,2 veces más rápido y aprox.

93% de reducción en el consumo de energía. Sobre las condiciones y los valores medidos: SoftNeuro se utiliza para la inferencia 3D-Unet en Fugaku. Comparación de la velocidad de inferencia utilizando TensorFlow (disponible de serie en Fugaku) y utilizando SoftNeuro optimizado para Fugaku.

Cada Fugaku utiliza 1 nodo (48 núcleos). Morpho apoyará una mayor aceleración de las simulaciones 3D (simulaciones de formación de galaxias) utilizando el aprendizaje profundo en Fugaku a través del proyecto y la colaboración. Además, Morpho seguirá mejorando la comodidad y las capacidades técnicas de oSoftNeuroo y desarrollando la tecnología a nivel mundial para hacer realidad una cultura fructífera a través de la prestación de diversos servicios y soluciones.