NVIDIAは2026年11月16日、cuPhoton、cuPotential、cuSpaを含むCUDA-Xライブラリ群の拡張を発表した。同社は発表ブログで、ブラックホール観測データの解析時間を「1か月以上から8分」に短縮したと主張している。ただし、この数字にはデータサイズやハードウェア構成が明記されておらず、別途公開されたNVIDIAの技術ブログでは、より限定された処理を対象とする実測結果が示されている。今回の発表を評価するには、どの工程がどのような条件で高速化されたのかを区別するとともに、創薬や空間オミクスを含む各ライブラリの検証状況を確認する必要がある。
電波干渉計の相関計算とxBeamが担う処理
2026年11月13日付のNVIDIA技術ブログには、cuPhotonに含まれるモジュール「xBeam」の具体的なベンチマーク結果が掲載されている。64基のGPUを搭載し、GPUDirect Storageを互換モードで有効にしたVera Rubin NVL72システム上で、10 TBのデータセットの読み込み、準備、相関計算を含む一連の処理を70秒で完了したという。同じ処理をx86 CPUで実行した場合は31,992秒(8.89時間)を要しており、約460倍の高速化に相当する。
NVIDIAによると、cuPhotonチームはハーバード・スミソニアン天体物理学センターおよびMITヘイスタック観測所と協力し、xBeamによるデータ取り込みと相関計算の高速化を進めている。ただし、現時点でcuPhotonやxBeamのベンチマークについて、査読付き論文や独立した第三者による再現実験は確認されていない。公表された性能値はNVIDIAによるエンジニアリング測定の結果である。
ブラックホールの輪郭を観測するには、地球規模の仮想的な望遠鏡が必要となる。Event Horizon Telescope(EHT)は、ハワイ、チリ、スペイン、メキシコ、南極などにある13の電波天文台を超長基線電波干渉計(VLBI)として連携させている。各望遠鏡では2つの偏波を最大64 Gbpsで記録しており、観測データはペタバイト級に達する。
xBeamが高速化する「相関計算(correlation)」は、望遠鏡のペア、周波数チャンネル、短い時間間隔の組み合わせごとに、複素ビジビリティ(visibility)を算出する処理である。ビジビリティとは、空の輝度分布をフーリエ変換した成分を、限られた観測点でサンプリングしたデータを指す。この疎なデータからブラックホールの画像を再構成するには、相関計算とは別に逆問題を解く必要がある。
GitHubでオープンソース公開されているcuPhoton v0.1.3の一部であるxBeamは、GPU上でFX方式の相関処理を実行する。遅延やフリンジの補正、高速フーリエ変換(FFT)による周波数チャンネルへの分割、相互乗算、累積といった演算を行い、結果をDiFXのSWIN形式または独自のxbeam-v1形式で出力する。
VLBIでは、2005年から開発が進められ、2007年に一般公開されたCPUベースのオープンソースFXソフトウェア相関器「DiFX」が、世界各地の観測施設で標準的に使われてきた(Deller et al. 2011, PASP 123 275, DOI: 10.1086/658907)。NVIDIAの技術ブログでも、xBeamの計算結果を検証するためのCPU参照相関器としてDiFXが使われている。相関計算後のデータ較正や画像化は、HOPS、rPICARD、eht-imagingなどの専門ツールが担う。
つまり、xBeamが担当するのは、ジョブファイルで指定された遅延値を適用し、ビジビリティを生成するまでの処理である。観測局の位置から遅延を計算したり、ブラックホール周辺の光の軌跡を追跡したりする機能は持たない。また、技術ブログで紹介されているガウシアン・スプラッティングによる3次元ガスモデルの再構成も独立した後段処理であり、現在のcuPhotonには組み込まれていない。NVIDIAが発表ブログで言及した「J1924と3C279のブラックホールジェットの観測データの相関計算に成功した」という成果も、この相関処理に関するものである。
これまでの相関器の研究と今回のxBeamを比較すると、ハードウェア構成だけでなく、性能評価の対象や根拠にも違いがある。
| アプローチ | ハードウェア構成 | 報告された性能と適用範囲 | 根拠の性質と時期 |
|---|---|---|---|
| DiFX-2(CPU相関器) | 汎用CPUクラスタ | 世界各地のVLBI観測で運用実績があるFX相関計算(ビジビリティ生成) | 査読付き論文(PASP、2011年) |
| Tensor-Core GPU X-engine(先行プロトタイプ) | 2サーバー、4 GPU | マイクロベンチマーク段階。完全な相関・ビームフォーミングシステムは未構築 | 査読付き設計研究(Galaxies、2023年) |
| cuPhoton.xBeam(NVIDIA GPU相関器) | Vera Rubin NVL72(64 GPU) | 10 TBのデータ読み込みから相関計算まで70秒。x86 CPUの31,992秒に対して約460倍 | NVIDIA技術ブログ(2026年11月) |
DiFXには長年の運用実績があり、Tensor-Core GPU X-engineは学術研究段階のプロトタイプである。一方、xBeamの約460倍という性能値は、特定のGPUシステムとデータセットを使ったNVIDIAの測定結果であり、これらを同一条件での性能比較として扱うことはできない。
観測データの急増と高速化倍率の評価
EHTが相関計算の高速化を求める背景には、観測データの急増がある。2017年に実施されたブレーザーJ1924-2914の観測を扱った論文(Issaoun et al. 2022, ApJ 934:145, DOI: 10.3847/1538-4357/ac7a40)によると、従来のワークフローでは、各観測局で記録したデータを物理的な記録媒体でMITヘイスタック観測所や、ドイツ・ボンのマックス・プランク電波天文学研究所へ輸送し、相関処理を行っていた。
次世代の拡張計画であるngEHTの設計研究(Galaxies 2023, 11(1):13, DOI: 10.3390/galaxies11010013、2023年1月11日公開)では、側波帯の帯域幅が4 GHzから8 GHzに拡大することに伴い、約21の観測局がそれぞれ256 Gbpsでデータを記録するようになると予測している。年間の観測日数も従来の7日から60日へ増加する見通しで、生成されるデータは年間数十ペタバイト規模に達する。このため、高い処理能力を備えた専用の相関器が求められている。同論文では、2サーバーと4基のGPUを使ったTensor-Core GPU X-engineのプロトタイプが試作されたものの、相関計算とビームフォーミングを含むシステム全体の構築には至っていなかった。
xBeamは、スキャンデータを時間方向に分割し、複数のGPUに処理を振り分けることで性能を拡張する。NVIDIAの技術ブログによると、GPUDirect Storageを利用した10 TBのデータ読み込み帯域幅は、4 GPU構成で20 GB/s、64 GPU構成で170 GB/sに達した。測定された範囲では、GPU数を増やすほど処理性能が向上している。
一方、高速化倍率を評価する際には、個々の演算とパイプライン全体の性能を区別する必要がある。NVIDIAが2026年10月7日に公開した別のcuPhoton技術ブログでは、画像読み込みや信号処理などの高速化が紹介されているが、これらは個別演算を対象とした数値である。比較元と比較先の具体的な処理時間は確認できた公表資料には示されておらず、性能はワークロード、データセット、実装、ハードウェアによって変動すると明記されている。
xBeamの70秒という測定値についても、比較対象は「x86 CPU」と記されているだけで、31,992秒を要したCPU側のコア数、ソフトウェア構成、コードパスなどの詳細は公開されていない。そのため、約460倍という数字は今回の測定条件における性能差として捉えるべきであり、一般的なCPU環境に対して同じ倍率の高速化が得られると解釈する根拠はない。
分子動力学ライブラリcuPotentialの性能と精度
創薬や材料設計向けに発表された「cuPotential」は、分子動力学(MD)シミュレーションにおける長距離非結合相互作用の計算を高速化するCUDA-Xライブラリである。周期境界条件を用いる古典的力場のシミュレーションでは、静電相互作用や分散力などの計算が主要なボトルネックとなる。2026年11月16日のNVIDIA技術ブログによると、今回のリリースにはOpenMM向けのプラグインも含まれている。
分子動力学では、約30年にわたって粒子メッシュエバルト法(PME)が事実上の標準手法として使われてきた。u-series、midtown splines、prolatesなどの代替手法も提案されているが、実装や運用の複雑さから広く普及するには至っていない。NVIDIAはD. E. Shaw ResearchおよびFlatiron Instituteの計算数学センターと協力し、cuPotentialの基盤となる新しい 連続な分割関数と拡散関数を開発した。
OpenMMによる定温定圧(NPT)アンサンブルのベンチマークでは、24,000〜400,000原子からなる系を対象に性能が測定された。評価対象にはDHFR、TYK2、BACE、ApoA1、10万原子の水、セルロースが含まれる。500ステップのウォームアップ後に3,000ステップを計測し、cuPotential独自の力計算、積分器、バロスタットを使用した条件で、最大3倍のエンドツーエンド高速化が報告された。ただし、比較元と比較先の処理時間の絶対値は、確認できた公表資料には示されていない。
NVIDIAは計算速度に加え、数値精度についても検証している。カットオフ距離9 Å、時間刻み2 fs、温度300 Kという条件で10 nsの剛体水シミュレーションを行い、倍精度の参照値と比較した結果、cuPotentialはデフォルト設定のPMEよりもエネルギードリフトを抑えたという。ただし、比較対象となる具体的な数値は確認できた公表資料には示されていない。
また、現在のOpenMMプラグインには機能上の制約があり、LJPME、三斜晶系のシミュレーションボックス(triclinic boxes)、OpenMMにおける粒子パラメータや例外パラメータのオフセットには対応していない。これらの性能評価はシミュレーションの処理速度と数値誤差を対象としたもので、候補薬の実験的検証や臨床的な有効性を評価したものではない。複数の製薬関連企業による採用も発表されているが、現時点で示されているのはツールの導入に関する表明である。
空間オミクス・核融合への展開とAIエージェントの役割
今回のCUDA-X拡張は、単一細胞生物学や核融合研究にも及んでいる。空間オミクス解析向けの「cuSpa」はApache-2.0ライセンスでオープンソース公開されており、GPUカーネルによる点内包判定(point-in-polygon)を利用して、転写産物の座標を細胞のポリゴンに割り当てる。これにより、疎な「細胞×遺伝子」のカウント行列を構築する仕組みだ。
NVIDIAの発表ブログによると、Memorial Sloan Kettering Cancer Centerでは、患者モデルやがんモデル向けの空間グラフ生成において、cuSpaがCPU比900倍の高速化を達成したという。ただし、比較元と比較先の具体的な処理時間は、確認できた公表資料には示されていない。また、scverseと共同開発した単一細胞解析フレームワーク「rapids-singlecell」は、AIエージェントに対応した単一のコンテナとして提供されるようになった。
核融合分野では、Pacific Fusionの研究者がcuPhoton.xLensを利用し、プラズマシミュレーションの実行中にリアルタイムで情報を抽出する事例が紹介された。必要に応じて、同じシステム上でローカルに動作するNVIDIA NemotronベースのAIエージェントと連携させる構成も示されている。
NVIDIAは今回の発表を、AIエージェントによる科学的発見の加速を支える取り組みとして位置付けている。ただし、xBeamの技術ブログで報告されているベンチマークはGPUによる計算処理の高速化を対象としており、AIエージェントによるパイプライン全体の自律制御やオーケストレーションを測定したものではない。こうした機能は、今後の応用例として提案されている段階にある。
cuPhoton、cuPotential、cuSpaはいずれもソースコードがGitHub上で公開されており、第三者が実装や性能を検証できる。今回示された高速化倍率が異なる研究環境やデータセットでも再現されるかに加え、AIエージェントとの連携が実際の研究ワークフローでどの程度の効果をもたらすかが、今後の評価対象となる。



