さらに、基本的にはアプリケーションとアルゴリズムを決めると演算性能に対 してどれだけメモリバンド幅が必要か、またネットワークバンド幅やレイテン シに対する要求がどういうものかも決まります。従って、どういう計算機にす るべきかは自動的に決まるわけです。

もちろん、これは、専用化すれば性能があがる、というのとほぼ同じことです。 あるアプリケーションにかぎっても、開発費がでるならそれでいい わけですが、例えば天文シミュレーション用の GRAPE で問題になったのは LSI の開発費が大きくなりすぎたということでした。

ここで技術的に正しい解決策は LSI の開発費を下げるようなら研究開発をす ることですが、私がそんなことをいっても誰かが聞いてくれるわけではないの でもうちょっと汎用にする方向を考えてみましょう。

汎用といっても、本当に何に使われるのか全くわかりませんでは設計のしよ うがないので、なんか適当に考えるしかありません。一つの方法は、定量的ア プローチと称するものです。この考えは現在計算機アーキテクチャの標準的な 教科書であるいわゆるヘネパタ本、"Computer Architecture: A Quantitative Approach" のタイトルにもなっているわけですが、ここでの考え方は実際に使 われているアプリケーションを分析して、それが速く実行できるように計算機 を作る、というものです。そのために、命令セット、コンパイラを組にして開 発します。アプリケーションは C とかのコンパイル言語で書かれたものをそ のままもってきます。

この方法は、計算機設計に定量的な考え方を導入したものとして高く評価さ れているらしいです。つまりは、それ以前には定量的な考え方はあまりなかっ たということかもしれません。

さて、この方法がスーパーコンピューター開発に適当でしょうか？ここでは、 結局アプリケーションを選んだところでそれら専用の機械になりますし、さらに そのアプリケーションがあるアルゴリズムを実装したものであったとして、 さらにそのアルゴリズムを特定の言語で特定の誰かが実装したもので、変数の メモリ配置とかその他無限に細かいレベルで書かれかたが決まっています。

しかも、普通のプログラムは現在使っている計算機で速く動くように色々チュー ニングされていますから、このような「定量的」アプローチを無自覚に採用す ると現在の主流のアーキテクチャを自動的に継続することになり、計算機アー キテクチャは進化の袋小路に陥ることになります。まあ、現在の商用マイクロ プロセッサは基本的にそういう状態にあるわけです。この方向で性能を上げる には膨大な開発費を投入して半導体の性能やデコーダやスケジューラの機能を 増やすくらいしかありません。

「定量的」と称するアプローチはそういうわけで駄目だとすると、どう すればいいでしょうか？アーキテクチャ設計はアートであってエンジニアリン グではない、とか芸術家をきどる方法もありえますが、それで予算をとるのは 難しいしそれ以前にそんなので成功するかというと、そういう人が一杯いてい ろんなことをすれば誰かは成功するかもしれませんが、特定の一人を見た時に 成功する可能性は低いでしょう。そういうのに比べると定量的な方法のほうが ましに決まってます。

いうまでもありませんが、定量的に設計を最適化しようとすること自体が問題 なわけではありません。問題は、何を前提にするか、何を最適化するか、といっ た設定にあります。つまり、ヘネパタ本的な考え方では、結局、今あるプログ ラムに最適な設計を考えようとするので、それらのプログラムが今あるプロセッ サで効率的に実行されるように出来ていると、それらに対して最適なプロセッ サ設計は今あるプロセッサに近いものになるわけです。

自分の例をもってくるのは自慢話みたいでみっともないですが、例えば GRAPE の場合には、全体的なアーキテクチャは毎回くるくる変わっています。「粒子 の座標を受け取って相互作用を計算して返す」という概念は GRAPE-6まで変え ていませんが、逆にいえば変わってないのはそれくらいで、プロセッサのアー キテクチャは浮動小数点フォーマットといった低レベルのところから始まって ネットワーク構成にいたるまでなにもかもを変えています。変えることによっ て半導体技術の進歩を有効に使ってきたわけです。 GRAPE では、基本的には 独立時間刻み、直接計算のアルゴリズムに対してどういう並列化をし、どうい う実装をし、ハードウェアをどんなふうに作るか、というのを、設計者が考え つく範囲で色々な可能性を検討してきています。

これに似ていなくもないのはグラフィックカードで、OpenGL とか DirectX の ような API が規定されていて、それをどう実現するかは全く GPU メーカーま かせなわけです。このために、数年のタイムスケールで見るとハードウェアアー キテクチャは結構くるくる変わってきています。

これはつまり、最適化を考えるにはレベルがある、ということです。天文シミュ レーションを例にするなら、例えば星団のシミュレーションでは

1. モデル化の方法。流体近似、フォッカープランク近似、それ以外の連続体近 似、多体計算
2. 多体計算を使うとしてその基本的計算スキーム。独立時間刻み、数値積分公式(古 典的線形多段階法、エルミート法、その他) 、直接計算、ネイバースキーム、 ツリー法、高速多重極法、それ以外の多重極展開法、
3. 例えば独立時間刻みとエルミート法の組み合わせにしたとしてその実装方法。 並列化の手法、並列計算機向けのアルゴリズム
4. 言語の選択
5. プロセッサアーキテクチャ向けの最適化。ベクトル化とか SIMD ユニットの 利用とか

1-5 を全部固定してしまうアプローチの良いところは、固定した中身はもう与 えられたものなのでそのよしあしについて考える必要がない、つまり思考停止 できることです。これを少し違う言い方をするとか、アプリケーションにしば られない一般化、抽象化した計算機アーキテクチャを純粋に研究できる、とい うことになります。実際、「計算機アーキテクチャの研究」というものをそれ 自体として、つまりアプリケーションに対する知識を前提としないで研究分野 として成立させるためにはそのような分離が必要になってきます。

そういう研究には意味がないかというと決してそんなことはなくて、そういっ た分離をすることで新しいアプローチが可能になるという良い面もあることは もちろんです。実際、 Intel や AMD の x86 系プロセッサは、このようなア プローチで色々な専用計算機を含めた他の様々な計算機アーキテクチャを蹴散 らしてきたわけです。

それはそれで悪いことではないのですが、同じことをやっていたのでは少なく とも同じだけ努力をしないと勝負にならないわけで、大変です。もうちょっと 楽になんかできる方法はないか？というと、結局上の 1-5 のなるべく上のほ うまで制約を外してしまって、設計の自由度を広くすることが重要になってき ます。

QCD 用計算機や GRAPE の場合には、アプリケーションを1つに絞り込むことで 1 はおいておいたとしてそれ以外の全てのレベルで最適化を考えることが少な くとも原理的には可能になりました。汎用計算機でもそういうことはできない ものでしょうか？原理的にはそういうことは考えられるはずで、ベンチマーク で使っているようなアプリケーションセットが実際の応用を代表しているなら、 それらを与えられたプログラムとしてみるのではなくなるべくアルゴリズム、 数値スキーム、モデル化の方法といったレベルで解析することでどのような ハードウェアを作ってどのような数値計算法を使いそれをどのように実装する のが最適かを決めることはできるはずです。

もっとも、原理的には可能であっても現実的に可能か、というと難しいところ かもしれません。 GRAPE の場合は、ハードウェア設計にかかわった人は基本 的に上の 1-5 の全部のレベルを一人でカバーするわけです。まあ、それぞれ のところで一流というところまではいかなくて三流かもしれませんが、しかし 一人でカバーする、というところが重要であるような気がします。というのは、 結局どこにどういう自由度があるかはそこで何がやられているかがわからない とわからないからです。その意味では、時々言われる計算機科学者と応用分野 の科学者の共同研究なんてものは殆ど意味がありません。

しかし、これを複数のアプリケーションでやろうとするなら、結局対象とする アプリケーション全部について一人の人がそこでのモデル化から具体的なプロ グラムの構造まで全部わかってないといけない、という話になり、レオナルド・ ダ・ビンチ的な超人が必要というような話でなかなか無理な話という気もしま す。もっとも、私の大学院の時の指導教官だった杉本によると、自然科学とい うのは1つの分野でちゃんとわかれば他の分野のことは全部わかるように出来 ていて、例えば流体力学、電磁気学、量子力学は全部同じである、とのことで した。私は不肖の弟子なのでそういう境地には達していないのですが、本来そ ういうものなのかもしれません。

しかし、落ち着いて考えてみると、アプリケーションに最適化というのは「汎 用計算機」というのとは原理的に矛盾しています。汎用というのは本来はどん なアプリケーションでも高い性能がでるということであると思われますが、 いくつかのアプリケーションを選んでそれに最適なアーキテクチャにしたとい うことは、結局それら専用に作っているわけです。

そういう作り方をするなら、それぞれのアプリケーション専用のハードウェア を作って高速化してはなぜいけないのか？という疑問がわいてきます。もちろ ん、これに対する教科書的な回答は、そういうのは全然見当違いの考え方であっ て、そもそも汎用でプログラム可能な計算機の総合的な性能を測るために複数 のアプリケーションという多次元的な尺度を構成した、その尺度は、それで性 能が出ればそれからある程度外れた中間的なアプリケーションでも性能がでる ように作った、ということになります。そういうわけなので、尺度毎に別の計 算機を作ったのでは全然意味がないということになります。

さて、そういう「万能な」計算機を1種類作る、という前提の上で、どう設計 するのが本当は良いのでしょうか？

Previous

ToC

Next