Overview 深層学習による問題解決能力を支える計算基盤 深層学習をはじめとするPreferred Networks(PFN)の中核技術は膨大な計算を要求します。 PFNでは、多量の計算を効率的に実行するために独自の計算機クラスターを複数運用しています。 これらの計算機クラスターはシリーズ毎にナンバリングされており、現在はMN-2、MN-3が稼働しています。 PFNにおける計算基盤の研究開発 PFNのビジネスや研究開発は膨大な計算能力に支えられており、常に多くの計算需要が存在しています。性能や効率が良い計算基盤を実現するための研究開発はPFNにとって欠かすことができないものです。 GPUやMN-Coreなどの演算アクセラレータを搭載したサーバー群とネットワークやストレージなどの周辺要素を組み合わせてPFNが必要とするワークロードに最適化されたシステム設計をおこない、常に最先端の計算基盤

このブラウザ バージョンのサポートは終了しました。サポートされているブラウザにアップグレードしてください。

Every year, 100s of the world’s leading vendors, universities, and research organizations come together at the annual Supercomputing conference Exhibits Hall. Over the years we’ve come accustomed to doing exhaustive visits to all the booths – especially the small ones with less-known names. While strolling through particularly small booths at one of the more remote corners of the show floor we cam

検査自動化を高精度に実現する AI 外観検査ソフトウェア Preferred NetworksVisual Inspection Preferred Networks Visual Inspection は独自の深層学習技術(ディープラーニング, AI)により、従来難しかった外観検査の自動化を高精度に実現するソフトウェアです。 少ない学習データでも簡易なアノテーションで高精度な検査を実現しているため、短期間・低コストで検査システム構築が可能です。 Preferred Networks の有するスーパーコンピュータで膨大な試行錯誤を経て改善を続けてきた本製品は、販売開始より200社以上のお客様に導入いただき、自動車、電子デバイス、鉄鋼、食品、半導体や建築など、様々な業界でその効果を発揮しています。 ユースケースを見る

2019夏のインターンのお申込みは〆切ました。 たくさんのご応募ありがとうございました。 For international students in Japan: This program is only for students who already have visa eligibility to work as an intern this summer in Japan. English version of the instruction is available here. Preferred Networks (PFN) は、今年の夏に PFN 東京オフィスで熱意をもって一緒に働いてくださるインターンを募集します。昨年までにご応募いただいた方の再エントリーも可能です（但し、既に過去のインターンシッププログラムに参加された方は除きます）。機械学習のみならず、コンピュータサイエ

AI分野をリードしているのは米中の巨大IT企業だが、レースの勝敗はまだ決まっていない。注目すべき国内AIスタートアップがある。ニッポンAIは捨てたもんじゃない。 Preferred Networks（PFN）は2019年2月現在、大手医薬品メーカーの中外製薬と2018年7月に締結した包括的パートナーシップ契約のもと、創薬の共同研究を進めている。中外製薬が手掛ける複数の創薬活動にPFNの深層学習技術を適用する。 PFNは事業の柱の1つとして、創薬を含む化学物質探索に対する投資を増やしている。「求める性能を持つ化学物質を見つける技術は当たれば数百億円、数兆円の市場が見込める。その分野には重点的に投資している」とPFNの比戸将平執行役員研究開発担当VPは説明する。 画像解析を得意とする深層学習と、創薬。一見すると関係なさそうな2つを結ぶ研究をPFNが始めるきっかけになったのが、2017年に開催さ

AI分野をリードしているのは米中の巨大IT企業だが、レースの勝敗はまだ決まっていない。注目すべき国内AIスタートアップがある。ニッポンAIは捨てたもんじゃない。 Learn or Die（死ぬ気で学べ）――。この行動指針に沿って、存在感を高めているAI（人工知能）ベンチャーがPreferred Networks（PFN）である。 PFNは、2019年2月時点で国内唯一のユニコーン企業（評価額10億ドル以上の非上場スタートアップ）。独自でAIチップを開発するなど、米グーグルや米マイクロソフトに真正面から挑んでいる。PFNはニッポンAIを代表する会社といっていい存在なのだ。 ニッポンAIの将来を占うためにも、PFNという企業の分析は外せない。PFNは「Learn or Die」という指針に沿って、どのようにAI技術の開発を進めているのだろうか。ロボットに組み込んで使うAI技術の開発プロジェクト

プリファード・ネットワークス（PFN）は、深層学習（ディープラーニング）向けのAI（人工知能）チップ「MN-Core」とそれを実装したアクセラレーターボードを開発し、半導体関連の展示会「SEMICON Japan 2018」（2018年12月12～14日）、東京ビッグサイト）に参考出展した。2020年春ごろの実用化を想定する。 同社の狙いは深層学習の研究開発における競争力の強化にある。 日進月歩で進むこの分野で先頭を走り続けるには、ディープラーニングが要求する膨大な計算処理を短時間で済ませ、次々に新しい試みを実行できる環境が不可欠だ。そのために同社は他社製をしのぐ性能の半導体の開発を決意した。以前から同社は業界標準といえる米NVIDIAのGPUを利用しており、今後も使い続ける計画だが、それだけでは不十分だと判断したという。 性能はGoogle開発品の約1.5倍 MN-Coreの構成は次の通

Preferred Networks（PFN）は2018年12月12日、ディープラーニングに特化したプロセッサ「MN-Core（エムエヌ・コア）」を発表した。同プロセッサは学習の高速化を目的とし、行列の積和演算に最適化されたものとなる。FP16演算実行時の電力性能は世界最高クラス（同社調べ）の1TFLOPS/Wを達成した。 Preferred Networks（PFN）は2018年12月12日、ディープラーニング（深層学習）に特化したプロセッサ「MN-Core（エムエヌ・コア）」を発表した。同プロセッサは学習の高速化を目的とし、行列の積和演算に最適化されたものとなる。 同チップの製造を担当するファウンドリはTSMCで、12nmプロセスによって開発された。ピーク性能はFP64（倍精度）で32.8TFLOPS、FP32（単精度）で131TFLOPS、FP16で524TFLOPSとなる。消費電力

Python以外も使いたくないですか？  特にDeepLearning界隈で． Menoh開発者の岡田です．この記事ではMenohの紹介と開発に至った動機について説明します． Menohのレポジトリ： https://github.com/pfnet-research/menoh Menoh（メノウ）は学習済みのDNNモデルをONNX形式から読み込んで動作させる推論専用のライブラリです．実装はC++で書きましたが，C言語のインターフェースを持たせて，他の言語用からもその機能を呼び出しやすくしてあります．リリース時点でC++版ラッパーとC#版ラッパー，Haskell版ラッパーがあり，Ruby版ラッパーとNodeJS版ラッパー，Java（JVM）版ラッパーが開発中です．バックエンドにはIntelの開発しているMKL-DNNを採用し，GPUが無くてもIntel CPUが使える環境で高速にモデルの

7月29日開催 July Tech Festa 2018基調講演スライドです。 大村伸吾「Preferred Networksの機械学習クラスタを支える技術」 https://2018.techfesta.jp/ Slides of Keynote in July Tech Festa 2018.

こんにちは、新しく執行役員兼 Chief Research Strategist に就任した秋葉です。就任の挨拶を兼ねて、PFN における研究活動に関する考えを共有したいと思います。 PFN における研究とは何か？ 何が研究であり何が研究でないかという境界を引くのは非常に難しく、またそれを積極的に行う意味もありません。研究とは「研ぎ澄まし究めること」を語義とし、一般に、物事について深く調査・考察を行い事実を解明したり発明を行ったりすることを指します。 PFN では挑戦的であり不確実性の高いプロジェクトが大部分を占めており、ほぼ全てのプロジェクトが少なからず研究的側面を伴います。深層学習関連のコア技術の研究開発は勿論、その応用に関してもデータやタスクに応じた適切な手法の選択や非自明な工夫がなければ上手くいかないことが殆どです。また、ロボティクス、コンピュータビジョン、自然言語処理等のような多

新しいソフトウエア技術は米国企業が考案して、日本企業は輸入するだけ――。そんな長年の構図を覆す動きが出てきた。Preferred Networks（PFN）のディープラーニング（深層学習）フレームワーク「Chainer」の仕組みを、米フェイスブック（Facebook）や米グーグル（Google）が取り入れたのだ。 フェイスブックやグーグルが取り入れたのは、PFNが2015年6月からオープンソースソフトウエア（OSS）として公開しているChainerが備える「Define-by-Run」という仕組みだ。 Chainerは深層学習に使用するニューラルネットワークの構造や学習（トレーニング）の方法をPythonのプログラムとして記述する。ニューラルネットワークの計算を表現した計算グラフは、学習などデータを入力した際にPythonプログラムに基づいて動的に構築される。計算の実行時に計算グラフが定義

[DL輪読会]マルチエージェント強化学習と⼼の理論 〜Hanabiゲームにおけるベイズ推論を⽤いたマルチエージェント 強化学習⼿法〜

Preferred Networks is making changes in Japan. Over the past few years, this AI startup has raised more than $130M in venture funding and grown to more than 130 people. If you live outside of Japan, you might not have heard of this team, but they are working with Toyota to create the next generation of driverless cars. They are working with Japan’s most advanced industrial robot manufacturers to i

コンピューターサイエンス全般をきちんと理解していることはもちろん、新たな専門知識を素早くかつ貪欲に吸収できる能力が必要――国内切っての人工知能（AI）ベンチャーPreferred Networks（PFN）が求める人材の第一の条件がこれだ。 PFNは2018年4月4日に、同社への就職やアルバイト、インターンを希望・検討する人材に向けた説明会「PFNオープンハウス」を開催した。西川徹社長、岡野原大輔副社長の2トップをはじめとするPFN社員の講演からは、同社が目指す将来像と、その実現に必要な人材や組織の在り方が浮かび上がった。 今回の説明会は、夏季インターンの募集を3月末に始めたことを受けたもの。3月19日に開いた会で参加希望者を収容し切れず、今期2回目の開催になった。PFN本社に設けた会場は、事前に予約した100名を超える参加者で溢れかえった。無料のイベントにも関わらず、欠席者は予想以上に少

Preferred Networks was founded in 2008 and has developed technologies such as Chainer and CuPy. It focuses on neural networks, natural language processing, computer vision, and GPU computing. The company aims to build general-purpose AI through machine learning and has over 500 employees located in Tokyo and San Francisco.

8/3から9/30までの2ヶ月間、株式会社Preferred Infrastructureでのインターンシップに参加してきました。 今後、PFI & PFNのインターンに興味を持つ方の役に立つかもしれないので、一応記録に残すことにします。ほとんどは選考の個人的な話です。 エントリーと選考 はじめは、PFIもインターンも知っていましたが、エントリーする気は全然なく呑気に暮らしていました。とはいえ、インターンのテーマのひとつでもあった自然言語処理のDeep Learningには少なからず興味がありました。このブログを書き始めたのも、今年の5月頭からです。 そうしていると、ある日とある研究員さんに勧められました。そんなそんな受かるはずもないと渋っていると「ああいう選考は、受かったら本人が大変な思いをする人を帰すためにあるだけだからとりあえず受けといたらいいんだよ」と言われ、なるほどいい言葉だと思

ChainerMNによる機械学習の高速化勉強会での講演資料です。 PFN鈴木脩司「分散深層学習とChainerMNについて」

※PFNの募集要項は、本ブログの内容をふまえ、適切に意図が伝わるよう一部更新しました PFN代表の西川です。 今回は、SNS上でもたびたび話題（炎上？）になっているPFNの応募資格について、改めてご紹介したいと思います。 PFNの採用募集ページに書かれたリサーチャーの条件には、「コンピュータサイエンスのすべての分野に精通していること」という一文があります。この条件は、PFIの時から、リサーチャーの応募資格として常に掲げてきました。 その背景にある想いは、コンピュータサイエンスの研究をする上では、一つの分野だけでなく、幅広い分野について深い知見を有することが極めて重要である、ということです。たとえば、データベースの研究をする上では、トランザクション処理の理論や関係代数について詳しく知っているだけではなく、データベースを動かすコンピュータアーキテクチャ、ストレージ、また、今では分散データベース