Morpho, Inc. a fourni le moteur d'inférence d'apprentissage profond SoftNeuro à un projet promu par l'Université de Tokyo, l'Université de Tohoku et l'Université de Kobe pour accélérer les simulations de formation de galaxies à haute résolution en utilisant l'apprentissage profond sur le superordinateur Fugaku. Le résultat est un temps d'inférence environ 19,2 fois plus rapide et une réduction d'environ

93 % de réduction de la consommation d'énergie. À propos des conditions et des valeurs mesurées : SoftNeuro est utilisé pour l'inférence 3D-Unet sur Fugaku. Comparaison de la vitesse d'inférence en utilisant TensorFlow (disponible en standard sur Fugaku) et en utilisant SoftNeuro optimisé pour Fugaku.

Chaque Fugaku utilise 1 nœud (48 cœurs). Morpho soutiendra une accélération supplémentaire des simulations 3D (simulations de formation de galaxies) utilisant l'apprentissage profond sur Fugaku grâce au projet et à la collaboration. En outre, Morpho continuera à améliorer encore la commodité et les capacités techniques d'oSoftNeuroo et à développer la technologie au niveau mondial pour réaliser une culture fructueuse par la fourniture de divers services et solutions.