JP7382538B2 - 情報処理装置、情報処理方法、プログラムおよび情報処理システム - Google Patents
情報処理装置、情報処理方法、プログラムおよび情報処理システム Download PDFInfo
- Publication number
- JP7382538B2 JP7382538B2 JP2023527948A JP2023527948A JP7382538B2 JP 7382538 B2 JP7382538 B2 JP 7382538B2 JP 2023527948 A JP2023527948 A JP 2023527948A JP 2023527948 A JP2023527948 A JP 2023527948A JP 7382538 B2 JP7382538 B2 JP 7382538B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- information processing
- processing device
- neural network
- atomic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 119
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000012545 processing Methods 0.000 claims description 142
- 230000015654 memory Effects 0.000 claims description 48
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000000704 physical effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 48
- 238000000034 method Methods 0.000 description 23
- 230000014509 gene expression Effects 0.000 description 15
- 238000003062 neural network model Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000329 molecular dynamics simulation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000003970 interatomic potential Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100162703 Caenorhabditis elegans ani-1 gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Neurology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computer And Data Communications (AREA)
Description
図1は、本実施形態に係る情報処理システムの一例を示すブロック図である。本実施形態に関する情報処理システムは、サーバ1(第1情報処理装置の一例)と、クライアント2(第2情報処理装置の一例)と、を備える。サーバ1は、処理部11と、メモリ12と、通信部13と、を備える。クライアント2は、処理部21と、メモリ22と、通信部23と、を備える。なお、サーバの処理部によって行われる処理と、クライアントの処理部によって行われる処理は異なる。
以降では、クライアント2が送信する、サーバ1の処理に用いられる情報を入力情報と記載する。サーバ1の処理に基づく情報は、出力情報とも記載する。出力情報は、処理の結果を示すものでもよいし、処理の途中の計算結果を示すものでもよい。
本実施形態では、サーバ1に複数台のクライアント2が接続されてもよい。このとき、複数台のクライアント2のうち、ニューラルネットワークを用いた原子情報に対するエネルギーの算出等の処理を、サーバ1より高速に実行できないクライアントが少なくとも1台含まれていればよい。複数台のサーバ1に複数台のクライアント2が接続される場合も同様である。
本実施形態では、複数のクライアントプロセスを、複数のGPUを搭載したサーバ1に集約して処理することにより、サーバ1におけるGPUリソースの利用効率を高めることができる。また、これにより各クライアント2における処理負荷を下げることができる。
なお、本実施形態のNNPモデルを用いた処理においては、クライアント2からサーバ1に対して送信する原子情報(原子の種類、原子の位置など)やサーバ1からクライアント2に送信する処理結果(力、原子毎のCharge、原子毎のVirialなど)は、それぞれ原子数分の情報が含まれるため容量が大きい。例えば、原子情報の一例である原子の座標は、x、y、zの3方向の値を原子数分保有してもよい。また、処理結果の一例である力は、x、y、zの3つの成分の値を原子数分保有してもよい。したがって、本実施形態のbyte列を用いた情報のやり取りを、NNPモデルを用いた処理に適用することで、処理時間を短縮することができる。
本実施形態においては、主にNNPモデルを用いた処理結果の算出について説明したが、本実施形態と同様な構成を、原子情報とニューラルネットワークを用いた他の原子シミュレーションに適用してもよい。また、本実施形態においては、ニューラルネットワークを用いた処理結果の算出について説明したが、ニューラルネットワーク以外のモデルを用いて処理結果を算出してもよい。
11 サーバの処理部
12 サーバのメモリ
13 サーバの通信部
2 クライアント(第2情報処理装置)
21 クライアントの処理部
22 クライアントのメモリ
23 クライアントの通信部
7 コンピュータ
71 プロセッサ
72 主記憶装置
73 補助記憶装置
74 ネットワークインタフェース
75 デバイスインタフェース
76 バス
8 通信ネットワーク
9Aおよび9B 外部装置
Claims (27)
- 少なくとも第1情報処理装置および第2情報処理装置によって実現される情報処理システムであって、
前記第2情報処理装置は、原子情報を前記第1情報処理装置に送信し、
前記第1情報処理装置は、
前記原子情報を複数の前記第2情報処理装置それぞれから受信し、
ニューラルネットワークに前記原子情報を入力することで、前記原子情報に対する処理結果を算出し、
前記処理結果を、対応する前記第2情報処理装置に送信し、
前記ニューラルネットワークは、NNP(Neural Network Potential)モデルであり、
前記原子情報は、原子の種類及び位置に関する情報を含み、
前記処理結果は、少なくとも前記ニューラルネットワークのBackward処理によって取得した力に関する情報を含み、
前記第1情報処理装置は、前記NNPモデルを用いた前記処理結果の算出を、前記第2情報処理装置より高速に実行可能である、
情報処理システム。 - 前記処理結果は、更に、前記力を用いた動力学計算の結果と、物性値の計算結果と、の少なくとも一方を含む、
請求項1に記載の情報処理システム。 - 前記処理結果は、更に、前記NNPモデルを複数回用いて算出した結果を含む、
請求項1に記載の情報処理システム。 - 前記処理結果は、更に、前記ニューラルネットワークを用いて算出したエネルギーに関する情報を含む、
請求項1に記載の情報処理システム。 - 前記処理結果は、更に、前記ニューラルネットワークの中間層からの出力を含む、
請求項1に記載の情報処理システム。 - 前記第2情報処理装置は、前記第2情報処理装置のメモリに記憶した前記原子情報のバイト列を、データ形式の変換を行わずに前記第1情報処理装置に送信する、
請求項1乃至請求項5のいずれか1項に記載の情報処理システム。 - 前記第2情報処理装置は、前記原子情報のバイト列を、シリアライズせずに前記第1情報処理装置に送信する、
請求項1乃至請求項5のいずれか1項に記載の情報処理システム。 - 前記第1情報処理装置は、前記第1情報処理装置のメモリに記憶した前記力に関する情報のバイト列を、データ形式の変換を行わずに前記第2情報処理装置に送信する、
請求項1乃至請求項5のいずれか1項に記載の情報処理システム。 - 前記第1情報処理装置は、前記力に関する情報のバイト列を、シリアライズせずに前記第2情報処理装置に送信する、
請求項1乃至請求項5のいずれか1項に記載の情報処理システム。 - 前記第2情報処理装置は、前記原子情報の他に、少なくとも、前記ニューラルネットワークを指定する情報、前記第2情報処理装置に関するメタデータ、又は、前記第1情報処理装置へのリクエストに関するメタデータのいずれかを、前記第1情報処理装置に送信する、
請求項1乃至請求項5のいずれか1項に記載の情報処理システム。 - 少なくとも1つのメモリと、
少なくとも1つのプロセッサと、を備える情報処理装置であって、
前記少なくとも1つのプロセッサは、
原子情報を複数の他の情報処理装置それぞれから受信し、
ニューラルネットワークに前記原子情報を入力することで、前記原子情報に対する処理結果を算出し、
前記処理結果を、対応する前記他の情報処理装置に送信し、
前記ニューラルネットワークは、NNP(Neural Network Potential)モデルであり、
前記原子情報は、原子の種類及び位置に関する情報を含み、
前記処理結果は、少なくとも前記ニューラルネットワークのBackward処理によって取得した力に関する情報を含み、
前記情報処理装置は、前記NNPモデルを用いた前記処理結果の算出を、前記他の情報処理装置より高速に実行可能である、
情報処理装置。 - 前記処理結果は、更に、前記力を用いた動力学計算の結果と、物性値の計算結果と、の少なくとも一方を含む、
請求項11に記載の情報処理装置。 - 前記処理結果は、更に、前記NNPモデルを複数回用いて算出した結果を含む、
請求項11に記載の情報処理装置。 - 前記処理結果は、更に、前記ニューラルネットワークを用いて算出したエネルギーに関する情報を含む、
請求項11に記載の情報処理装置。 - 前記処理結果は、更に、前記ニューラルネットワークの中間層からの出力を含む、
請求項11に記載の情報処理装置。 - 前記少なくとも1つのプロセッサは、前記他の情報処理装置から受信した前記原子情報を、デシリアライズせずに参照する、
請求項11乃至請求項15のいずれか1項に記載の情報処理装置。 - 前記少なくとも1つのプロセッサは、前記少なくとも1つのメモリに記憶した前記力に関する情報のバイト列を、データ形式の変換を行わずに前記他の情報処理装置に送信する、
請求項11乃至請求項15のいずれか1項に記載の情報処理装置。 - 前記少なくとも1つのプロセッサは、前記力に関する情報のバイト列を、シリアライズせずに前記他の情報処理装置に送信する、
請求項11乃至請求項15のいずれか1項に記載の情報処理装置。 - 少なくとも1つのメモリと、
少なくとも1つのプロセッサと、を備える情報処理装置であって、
前記少なくとも1つのプロセッサは、
原子情報を他の情報処理装置に送信し、
前記原子情報をニューラルネットワークに入力することによって算出される処理結果を前記他の情報処理装置から受信し、
前記ニューラルネットワークは、NNP(Neural Network Potential)モデルであり、
前記原子情報は、原子の種類及び位置に関する情報を含み、
前記処理結果は、少なくとも前記ニューラルネットワークのBackward処理によって取得した力に関する情報を含み、
前記他の情報処理装置は、前記NNPモデルを用いた前記処理結果の算出を、前記情報処理装置より高速に実行可能であり、
前記他の情報処理装置は、前記情報処理装置を含む複数の情報処理装置それぞれから前記原子情報を受信し、受信した前記原子情報を前記ニューラルネットワークに入力することで前記処理結果を算出する、
情報処理装置。 - 前記処理結果は、更に、前記力を用いた動力学計算の結果と、物性値の計算結果と、の少なくとも一方を含む、
請求項19に記載の情報処理装置。 - 前記処理結果は、更に、前記NNPモデルを複数回用いて算出した結果を含む、
請求項19に記載の情報処理装置。 - 前記処理結果は、更に、前記ニューラルネットワークを用いて算出したエネルギーに関する情報を含む、
請求項19に記載の情報処理装置。 - 前記処理結果は、更に、前記ニューラルネットワークの中間層からの出力を含む、
請求項19に記載の情報処理装置。 - 前記少なくとも1つのプロセッサは、前記少なくとも1つのメモリに記憶した前記原子情報のバイト列を、データ形式の変換を行わずに前記他の情報処理装置に送信する、
請求項19乃至請求項23のいずれか1項に記載の情報処理装置。 - 前記少なくとも1つのプロセッサは、前記原子情報のバイト列を、シリアライズせずに前記他の情報処理装置に送信する、
請求項19乃至23のいずれか1項に記載の情報処理装置。 - 少なくとも1つのメモリと、少なくとも1つのプロセッサと、を備えた情報処理装置によって実行される情報処理方法であって、
原子情報を複数の他の情報処理装置それぞれから受信するステップと、
ニューラルネットワークに前記原子情報を入力することで、前記原子情報に対する処理結果を算出するステップと、
前記処理結果を、対応する前記他の情報処理装置に送信するステップと、を備え、
前記ニューラルネットワークは、NNP(Neural Network Potential)モデルであり、
前記原子情報は、原子の種類及び位置に関する情報を含み、
前記処理結果は、少なくとも前記ニューラルネットワークのBackward処理によって取得した力に関する情報を含み、
前記情報処理装置は、前記NNPモデルを用いた前記処理結果の算出を、前記他の情報処理装置より高速に実行可能である、
情報処理方法。 - 少なくとも1つのメモリと、少なくとも1つのプロセッサと、を備えた情報処理装置によって実行される情報処理方法であって、
原子情報を他の情報処理装置に送信するステップと、
前記原子情報をニューラルネットワークに入力することによって算出される処理結果を前記他の情報処理装置から受信するステップと、を備え、
前記ニューラルネットワークは、NNP(Neural Network Potential)モデルであり、
前記原子情報は、原子の種類及び位置に関する情報を含み、
前記処理結果は、前記ニューラルネットワークのBackward処理によって取得した力に関する情報を含み、
前記他の情報処理装置は、前記NNPモデルを用いた前記処理結果の算出を、前記情報処理装置より高速に実行可能であり、
前記他の情報処理装置は、前記情報処理装置を含む複数の情報処理装置それぞれから前記原子情報を受信し、受信した前記原子情報を前記ニューラルネットワークに入力することで前記処理結果を算出する、
情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023185975A JP2023181372A (ja) | 2021-06-11 | 2023-10-30 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163209420P | 2021-06-11 | 2021-06-11 | |
US63/209,420 | 2021-06-11 | ||
PCT/JP2022/023502 WO2022260173A1 (ja) | 2021-06-11 | 2022-06-10 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023185975A Division JP2023181372A (ja) | 2021-06-11 | 2023-10-30 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022260173A1 JPWO2022260173A1 (ja) | 2022-12-15 |
JPWO2022260173A5 JPWO2022260173A5 (ja) | 2023-10-03 |
JP7382538B2 true JP7382538B2 (ja) | 2023-11-16 |
Family
ID=84425263
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023527948A Active JP7382538B2 (ja) | 2021-06-11 | 2022-06-10 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
JP2023185975A Pending JP2023181372A (ja) | 2021-06-11 | 2023-10-30 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023185975A Pending JP2023181372A (ja) | 2021-06-11 | 2023-10-30 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240136028A1 (ja) |
JP (2) | JP7382538B2 (ja) |
DE (1) | DE112022002575T5 (ja) |
WO (1) | WO2022260173A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001167059A (ja) | 1999-12-09 | 2001-06-22 | Hitachi Ltd | サービス要求装置およびデータ変換方法およびクライアントオブジェクトを有する計算機 |
JP2003256668A (ja) | 2002-02-27 | 2003-09-12 | Hitoshi Goto | 分子構造情報提供システム |
JP2018045679A (ja) | 2016-09-08 | 2018-03-22 | 公立大学法人会津大学 | 携帯端末を用いた察知エージェントシステム、察知エージェントシステムにおける機械学習方法、及びこれを実施するためのプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005194254A (ja) * | 2004-01-09 | 2005-07-21 | Conflex Kk | 光学分割因子の探査方法、光学分割可能性の判定方法および光学分割方法 |
EP3759624A4 (en) * | 2018-03-02 | 2021-12-08 | The University of Chicago | ARCHITECTURE OF COVARIANT NEURONAL NETWORK FOR DETERMINING ATOMIC POTENTIALS |
JP7495124B2 (ja) * | 2018-03-05 | 2024-06-04 | ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー | 薬物発見および分子シミュレーションへの適用を伴う空間グラフ畳み込みのためのシステムおよび方法 |
-
2022
- 2022-06-10 JP JP2023527948A patent/JP7382538B2/ja active Active
- 2022-06-10 DE DE112022002575.1T patent/DE112022002575T5/de active Pending
- 2022-06-10 WO PCT/JP2022/023502 patent/WO2022260173A1/ja active Application Filing
-
2023
- 2023-10-30 JP JP2023185975A patent/JP2023181372A/ja active Pending
- 2023-12-08 US US18/533,469 patent/US20240136028A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001167059A (ja) | 1999-12-09 | 2001-06-22 | Hitachi Ltd | サービス要求装置およびデータ変換方法およびクライアントオブジェクトを有する計算機 |
JP2003256668A (ja) | 2002-02-27 | 2003-09-12 | Hitoshi Goto | 分子構造情報提供システム |
JP2018045679A (ja) | 2016-09-08 | 2018-03-22 | 公立大学法人会津大学 | 携帯端末を用いた察知エージェントシステム、察知エージェントシステムにおける機械学習方法、及びこれを実施するためのプログラム |
Non-Patent Citations (1)
Title |
---|
清水 康司, 渡邉 聡,ニューラルネットワークを用いた原子間ポテンシャルの材料科学における応用事例,日本神経回路学会誌 [online],2021年03月05日,28巻 1号,pp. 3-11,[検索日 2023.08.22], インターネット: <URL: https://www.jstage.jst.go.jp/article/jnns/28/1/28_3/_pdf/-char/ja>,<DOI: 10.3902/jnns.28.3> |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022260173A1 (ja) | 2022-12-15 |
US20240136028A1 (en) | 2024-04-25 |
JP2023181372A (ja) | 2023-12-21 |
WO2022260173A1 (ja) | 2022-12-15 |
DE112022002575T5 (de) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561078B (zh) | 分布式的模型训练方法及相关装置 | |
CN111464154B (zh) | 一种控制脉冲的计算方法及装置 | |
US10198349B2 (en) | Programming in-memory accelerators to improve the efficiency of datacenter operations | |
US20210320967A1 (en) | Edge Server with Deep Learning Accelerator and Random Access Memory | |
CN108139931A (zh) | 通过重映射同步来加速任务子图 | |
US10402235B2 (en) | Fine-grain synchronization in data-parallel jobs for distributed machine learning | |
US11355175B2 (en) | Deep learning accelerator and random access memory with a camera interface | |
JP7405933B2 (ja) | 量子チャンネルクラシック容量の推定方法及び装置、電子機器と媒体 | |
US11651221B2 (en) | Method, device, and computer program product for deep learning | |
CN109829546B (zh) | 平台即服务云端服务器及其机器学习数据处理方法 | |
JP7367287B2 (ja) | 変更タスクを実行する方法、装置、電子機器、及び読み取り可能な記憶媒体 | |
CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
JP7382538B2 (ja) | 情報処理装置、情報処理方法、プログラムおよび情報処理システム | |
CN114580645A (zh) | 随机量子测量的模拟方法、装置、设备及存储介质 | |
CN115953651B (zh) | 一种基于跨域设备的模型训练方法、装置、设备及介质 | |
US20230024977A1 (en) | Method of processing data, data processing device, data processing program, and method of generating neural network model | |
CN116911403A (zh) | 联邦学习的服务器和客户端的一体化训练方法及相关设备 | |
US20210174259A1 (en) | Deep learning numeric data and sparse matrix compression | |
CN114201746A (zh) | 低电路深度同态加密评估 | |
CN115759260B (zh) | 深度学习模型的推理方法、装置、电子设备和存储介质 | |
JP7349594B2 (ja) | 情報処理装置、情報処理システム及び情報処理方法 | |
CN115660034B (zh) | 分布式模型训练的方法、装置和系统 | |
US11537457B2 (en) | Low latency remoting to accelerators | |
Chen et al. | Approximate Network-on-Chips with Application to Image Classification | |
WO2022110160A1 (en) | Method of ring allreduce processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230807 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230807 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230807 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230825 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230921 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7382538 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |