Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIAは、大規模言語モデル（LLM）の学習効率を維持する新たな手法「Nonuniform Tensor Parallelism（NTP）」の研究成果を公表した。GPUの一時的な停止時でも学習を継続し、Goodputの維持を目指す技術という。

NTPは、GPU障害が発生した際にTensor Parallelismの構成を利用可能なGPU数へ動的に変更し、計算を継続する仕組みを採用した。データ再配置を計算処理と重ねて実行することで、性能低下を最小限に抑える設計とした。

さらに、利用可能GPUへ一時的に電力を追加供給することで性能低下を補う構想も示した。大規模クラスタ全体の同期遅延を抑制し、長時間に及ぶAI学習の効率向上につなげる考えという。

同社は、NTPをNVIDIA Megatron Coreの開発ブランチへ追加したほか、NVIDIA Resiliency Extension（NVRx）による耐障害機能も提供している。今後はMixture-of-Experts向けの「Nonuniform Expert Parallelism（NEP）」の研究も進めるとしている。