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.
Preferred Networksは12月12日、深層学習（ディープラーニング）の学習フェーズに特化した専用チップ「MN-Core」（エムエヌ・コア）を発表した。東京ビッグサイトで開催中の「SEMICON Japan 2018」で展示している。 「MN-Core」。製造プロセスは12ナノメートル、消費電力は500ワット（予測値） 深層学習の特徴である行列演算に特化したチップ。ピーク性能は32.8T FLOPS（倍精度）、131T FLOPS（単精度）、524T FLOPS（半精度）。電力性能（消費電力あ
ソニーは11月13日、ディープラーニングの学習速度で世界最高速（同社調べ）を達成したと発表した。ディープラーニングの認識精度向上のため、学習データのサイズやモデルのパラメータ数が増え、一度の学習に数週間～数カ月かかるケースも出ている中で、学習時間を短縮できる可能性を示したとしている。 AI（人工知能）開発では、さまざまな試行錯誤をする必要があり、学習時間を短縮させることが重要になる。その手段として、複数のGPUを活用した分散学習が注目を集めていたが、GPU数が増えると「一度のデータ処理個数（バッチサイズ）
