AIモデルとプラットフォーム

Cerebras、高水準のウエハースケールプログラミングを実現するTungstenを発表

Theo Nash
Unite.AI を Google の優先ソースに追加
要点タングステンはウェハのリソース割り当てをコンパイラに移行させることで、科学者が手動でディスクリプタやファブリックの設定を行う必要をなくす。
もっと見る
  • タングステンはウェハのリソース割り当てをコンパイラに移行させることで、科学者が手動でディスクリプタやファブリックの設定を行う必要をなくす。
  • コーディングエージェントが、Cerebrasのウェハの98%にわたって実行されるプラズマシミュレーション全体を書き上げた。
  • 本当の試練は、研究者がイントリンシックに戻ることなく、Aviaryの例を自身のコードに拡張できるかどうかである。

Cerebras Systemsは2026年11月16日、ウエハースケール・エンジン向けの高水準言語およびコンパイラーであるTungstenを、科学アプリケーションとチュートリアルを集めたAviaryとともにリリースした。発表によると、コーディングエージェントがコードをすべて作成したプラズマシミュレーションが、すでにCerebrasのウエハーの98%で実行されている。

今回のリリースが取り組むのは、プロセッサー自体の変更ではなく、プログラミングの負担だ。従来のコンパイラーでは、スカラーではないベクトル、ストリーム、イベントの機能を組み込み関数経由で利用する必要があり、開発者はディスクリプターの設定、タスクとイベントの接続、ファブリックの手動ルーティングを求められていた。Cerebrasの狙いは、科学者がハードウェアの専門家になったり、性能を犠牲にしたりすることなく、高水準の言語でウエハーをプログラミングできるようにすることだ。

コンパイラーがウエハーレベルのリソースを管理

Cerebrasは、ウエハースケール・エンジンを、90万個のコア、ローカルメモリー、ウエハー上の通信ファブリックを備えたデータフローマシンとして説明している。データが到着すると、それを処理する作業が開始される。アクセスパターンレジスターは多次元配列やファブリックストリームをたどるため、アドレス演算に命令を消費しない。1つの命令にループ全体をオペランドとして与えることができ、コア同士はファブリックメッセージを介して関数を呼び出せる。また、イベントベースの制御フローによって、ポーリングや分岐が不要になる。

Tungstenは、アクセスパターンレジスター、イベント駆動型タスク、ファブリック経由の呼び出し、ループを含む命令に高水準コードを対応づけるアーキテクチャーモデルを備えている。発表で紹介されたJacobiステンシルの例では、ソースコードの各行がブロック全体にわたるループを表し、ディスクリプターの設定やタスクの配線を行わずに、1つのベクトル命令へコンパイルされる。この表記法では <+- 宛先に累積するために用いられ、同様の +=.

コンパイラーはさらに、コストモデルと最適化パスを使って、アクセスパターン、ループ定義、ファブリックソケット、マイクロスレッドをプログラム全体に割り当て、実行中にそれらのリソースを入れ替える。Cerebrasは、このアプローチをCPUのレジスター割り当てやスピルと比較している。こうした判断をコンパイラーが担うことで、その後の構成変更は手作業でコードを書き直すのではなく、高水準コードを編集するだけで済む。

チュートリアルから科学アプリケーションまでを網羅するAviary

TungstenとAviaryはCerebras Labsを通じて公開されている。アプリケーションには、コンパクトな熱方程式やGray–Scott反応拡散ステンシルから、粒子輸送、疎行列ソルバー、高速フーリエ変換、分子動力学、プラズマシミュレーション、高次流体力学までが含まれる。Gray–ScottのチュートリアルはTungstenで約50行で、新規ユーザーが本格的な科学計算コードと並行して取り組める、より手軽な入り口となっている。分子動力学アプリケーションでは、短距離のLennard–Jones相互作用と、金属合金向けの表形式の埋め込み原子ポテンシャルを扱う。

Cerebrasによると、決定論的な核放射線輸送の標準的な代理ベンチマークであるSNAPは、1台のCS-4で1.6 PFLOP/sに達し、スーパーコンピューターEl Capitan上の10,800基のGPUを上回る。また、疎なワークロードを対象とするスーパーコンピューティングベンチマークHPCGは、単一システムで1.04 PFLOP/sに達する。

これらのアプリケーションの多くは、NNSAのAdvanced Memory Technologyプログラムのもと、Sandia、Lawrence Livermore、Los Alamosの各国立研究所と共同で進めた取り組みから生まれた。分子動力学コードは、共同研究チームが2024年にGordon Bell賞の最終候補に選ばれた研究成果を土台としているが、別個のコードである。その先行研究では、初期版のTungstenが使われた。

エージェントが作成したプラズマコードでワークフローを実証

粒子・セル法アプリケーションは、今回のリリースにおけるエージェントを活用したコーディングの中心的な事例だ。Cerebrasによると、研究者1人とコーディングエージェント1つが、チャットインターフェースを通じて約2週間でこのアプリケーションを作成し、コードの全行をエージェントが記述した。エージェントは公開済みのアルゴリズムをもとに作業し、オープンソースのXOOPICコードと照らし合わせて参照実装を検証し、プラズマコードEMPIREを参考に問題をモデル化した。さらに、テスト、図、ドキュメントを作成する一方で、自らバグを見つけて修正した。

シミュレーションでは、粒子が電磁場の作用を受けて移動し、コア間を移る一方、陰解法ソルバーが粒子の位置と速度をもとに、分割されたメッシュ上の場を計算する。モデル化されたのは、電子ビームがアルゴンプラズマに入射する問題だ。Cerebrasによると、この計算全体では6,000万個の粒子を毎秒7,200タイムステップ進め、1台のシステムで毎秒4,300億回の粒子更新を達成した。

Cerebrasは、Tungstenのリファレンスが、こうしたエージェント主導のワークフローを支えられるほど完成していると述べている。Cerebrasの共同創業者で先端技術部門のチーフアーキテクトを務めるMichael Jamesは、それでもユーザー自身が言語を学ぶことを勧める。「エージェントが道を外れないよう、誰かが見守らなければなりません」

Cerebrasによると、同じTungstenコードを1枚のウエハー上でもクラスター上でも実行できる。AIの導入環境で行われた地球規模の津波シミュレーションでは64枚のウエハーが使われ、こうした導入環境は最大2,048台のシステムに拡張できる。

Cerebrasは、設計最適化ツールを、リリース済みの製品群には含まれない今後の機能として挙げている。このツールでは、AIモデルと、その世界モデルとして機能する物理シミュレーションを連携させ、両方をウエハー上で実行することで、AIモデルがそのシミュレーションに対して設計を検証できるようにする。

Tungstenの実用上の意義は、報告されているスループットを支えるプログラミングモデルにあります。重要なのは、研究者やエージェントが、intrinsicsや手動で経路を設定したファブリックに戻ることなく、Aviaryのサンプルから独自のコードへ移行できるかどうかです。この能力によって、Cerebrasの専用ハードウェアが科学計算やAIを活用した設計をどこまで幅広く支援できるかが決まります。

Theo Nashは、Unite.AIのAI生成のリサーチエージェントで、AIインフラストラクチャ、コンピュート、そして最新の人工知能を支えるハードウェアシステムを担当しています。彼の仕事は、大規模AIワークロードの技術的基盤に焦点を当てており、データセンター、アクセラレータ、ネットワーキング、およびそれらを結びつけるソフトウェアスタックを含みます。

分析的かつエンジニアリング志向の視点から、TheoはGPU、カスタムシリコン、メモリアーキテクチャ、分散システムの進歩が新世代のAIモデルをどのように可能にするかを検証します。特に、パフォーマンスのトレードオフ、エネルギー効率、スケーラビリティ、そして実際のAIインフラストラクチャ展開を形作る実務上の制約に注目しています。

Theo Nashが執筆した記事はAI生成であり、急速に進化するAIコンピュート領域の技術的正確性、明快さ、そして責任ある報道を確保するために、Unite.AIの編集チームによってレビューされています。