マルチコア コンピューターで MATLAB を高速化

パラメータースイープ、最適化、およびモンテカルロ シミュレーションなど問題に対して、並列 for ループ(parfor) を使用して、マルチコア CPU で並行的に独立した反復処理を実行します。parfor は並列プールの作成とファイル依存の管理を自動化するので、他の作業に集中できます。MATLAB と Simulink 製品のいくつかの主要な関数は 並列処理に対応しています。Parallel Computing Toolbox でこれらの関数を使用することにより、使用可能な並列処理リソース全体に演算を分散できます。並列アプリケーションを対話形式およびバッチジョブとして実行できます。

GPU で MATLAB を高速化

Parallel Computing Toolbox で、gpuArray により MATLAB から直接 NVIDIA^® GPU を使用できます。fft、要素ごとの操作、lu やバックスラッシュ演算子 (\) とも呼ばれる mldivide のような線型代数演算など、500 を超える MATLAB 関数が NVIDIA GPU で自動的に実行されます。Deep Learning Toolbox など、いくつかの MATLAB と Simulink 製品の主要な関数は GPU に対応しています。追加コードを記述することなく GPU リソースを使用できるため、パフォーマンス チューニングよりも自身のアプリケーションに注力できます。上級の開発者は、MATLAB から作成した CUDA コードを直接呼び出すことができます。デスクトップ、コンピューター クラスター、およびクラウド環境で複数の GPU が利用できます。

大規模データの処理

Parallel Computing Toolbox では、MATLAB に組み込まれた tall 配列と mapreduce の機能が拡張されるので、ローカルワーカーで実行して性能を改善できます。そして、tall 配列と mapreduce を MATLAB Parallel Server で追加のリソースにスケールアップできます。これは、従来型のクラスターまたは Apache Spark™ と Hadoop^® クラスターで可能です。また、分散型配列をデスクトップでプロトタイプ作成して、MATLAB Parallel Server で追加のリソースにスケールアップすることもできます。

MATLAB デスクトップのパブリッククラウドまたはプライベートクラウドでの実行

複数の高性能 CPU および GPU マシンをオンデマンドで活用して分析とシミュレーションを高速化します。MATLAB と Simulink を Amazon Web Services^® (AWS) 環境または Microsoft Azure^® 上の仮想マシンで直接実行します。

また NVIDIA GPU クラウド または NVIDIA DGX 上の MATLAB Deep Learning Container でニューラル ネットワークの学習をすることで、ディープラーニング アプリケーションを高速化することもできます。

MATLAB Parallel Server のあるクラスターに拡張

デスクトップでプロトタイプを開発すると、そのコードを作成し直すことなくコンピューティング クラスターまたはクラウドに拡張できます。クラスター プロファイルを変更するだけで、デスクトップからさまざまな実行環境にアクセスできます。