2026年05月05日
## 要約：
本研究では、機械学習で利用されるSinkhornアルゴリズムを高速化するFastSinkhornという新しいCUDA実装を提案します。ログ領域演算とwarpレベルの削減技術を用いることで、数値的安定性を維持しつつ、既存のライブラリやPyTorchベースのGPU実装よりも大幅な高速化と低メモリ消費を実現しました。画像処理や点群マッチングなどの大規模な最適輸送計算への応用が期待されます。
---
## 翻訳：
arXiv:2605.00837v1発表タイプ：新規
抽象：Sinkhornアルゴリズムによるエントロピー正則化最適輸送（OT）は機械学習における基本的なツールとなっていますが、既存の実装は、小さな正則化パラメータに対して数値的不安定を抱えるか、深層学習フレームワークからの大きなオーバーヘッドを招きます。私たちは、warpレベルのシャッフル削減と共有メモリタイリングを組み合わせ、数値的安定性を犠牲にすることなく高いGPU利用率を達成する、軽量なネイティブCUDA実装のlog-domain SinkhornアルゴリズムであるFastSinkhornを紹介します。私たちのソルバーは完全にlog-domainで動作し、標準ドメイン法が失敗するような、ε = 10^{-4} などの小さな正則化パラメータに対して堅牢な計算を可能にします。n = m = 8192の密なOT問題において、私たちの実装は、広く使用されているPOTライブラリに対して12倍の高速化、GPUアクセラレーションPyTorchベースラインに対して5.9倍の高速化を達成し、わずか256 MBのGPUメモリしか消費しません。画像カラー変換、3D点群マッチング、収束解析で私たちのソルバーを検証し、慎重な数値的取り扱いを用いたネイティブCUDAカーネルが、大規模な最適輸送計算のための実用的で効率的な基盤を提供することを示しています。
[📰 原文はこちら](https://arxiv.org/abs/2605.00837)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
