自動車・製造業におけるHPC利用 · © 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved. 小川貴士自動車・製造業におけるHPC利用-CAE/EDA/機械学習領域での

© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.

小川貴士

自動車・製造業におけるHPC利用-CAE/EDA/機械学習領域でのクラウド活用-

アマゾンウェブサービスジャパン株式会社

技術統括本部ソリューションアーキテクト

2-P1-3-12

© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.

自己紹介

名前：小川貴士 (おがわたかし)

所属：アマゾンウェブサービスジャパン

ソリューションアーキテクト

担当エリア：製造業のR&Dを中心としたお客様

担当サービス：Amazon EC2、AWS Batch

などのComputeサービス


本セッションの目的

• 自動車・製造業のR&Dの現場で欠かせないCAE/EDA領域でのクラウドHPC活用について理解する

• ITインフラを提供/利用する立場から設計/開発現場の課題解決となるヒント・アイデアを得る


アジェンダ

• 自動車・製造業におけるHPCワークロード

• キーとなるAWSサービスとパートナー動向

• AWSでのHPC活用事例

• まとめ


アジェンダ




• まとめ


自動車・製造業におけるHPCワークロード

製品設計開発を支える主要な2つのHPCワークロード

・CAE (Computer Aided Design)

• 主に機械や構造物の設計分野で利用

• 構造、流体、電磁場、音響など物理現象を

コンピュータ上でシミュレーションして製品設計・開発を支援

・EDA (Electric Design Automation)

• 半導体設計の分野で利用

• 回路設計から動作シミュレーションに至る

半導体の設計・開発を支援

© openform.org


・高機能/高性能/高品質・より小さく・環境、エネルギー負荷が少さい・低コスト・短いサイクルでの新製品提供

工業製品に求められている事(ユーザーニーズ)


ユーザーニーズを満たすために、、

CAE

・シミュレーション精度の向上(より精密な解析)

・さまざまな事象に対応する為に解析パターンを増加・複合材料や連成解析など複雑な解析への対応・形状等最適化問題への対応

EDA

・半導体プロセスの微細化への対応・増大するトランジスタ数への対応・混載、1チップ化による複雑化

自動車・製造業 R&Dの現場に求められる事

これらに対応するためには、今後も加速度的に大量のコンピューティングリソースが必要


R&Dと製造現場への機械学習の応用

設計開発行程…

シミュレーションパラメータ選択

設計フローの最適化

センサーデータ分析

etc.

エンジニアリングならびにオペレーションデータ

Ingest ConsumeStore Analyze

1 40 9

5

製造行程…

製造ばらつきの抑制

故障予測

歩留まりの改善

サプライチェーンマネジメント

etc.

エンジニアリングならびにオペレーションデータから得た知見

大量のデータを駆使した製品設計・開発も求められる


デジタルツインが進む自動車・製造業のR&Dで必要なIT要素

CAE、EDA、機械学習を推し進める上で共通して必要なITインフラの要素

計算性能 - CPU、GPU、FPGA

メモリ性能 - 多くのアプリケーションで大きなメモリ要件

ネットワークパフォーマンス - スループット、待ち時間、処理速度の一貫性

ストレージ性能 - 共有ファイルシステム

ITインフラの自動化とクラスタ/ジョブ管理

インタラクティブアプリケーション用のリモートグラフィックス

ISVサポート - ライセンス管理

データセキュリティ


R&D部門が抱える従来のデータセンターの課題

• コンピュータリソースの過不足

• 増え続けるサーバーの設置場所、電力の不足

• ネットワークインフラの整備

• 肥大化するシステムの運用、保守、維持、更新

• グローバル環境・分散への対応

• 需要に合わせた柔軟なインフラ整備と計画

• ハイスペック・専門性の求められるコンピュータリソースへの対応

• 増え続けるデータとその管理

しかし現実は、、多くの課題を抱えている


共有ファイルストレージ

HPCクラスター

ヘッドノード、ライセンスマネージャジョブスケジューラーサーバ

インタラクティブ処理用ログインサーバ

グラフィックスワークステーション

作業ストレージ

リモートサイト

リモートバックアップ

従来のCAE/EDA-HPC環境

社内データセンター

従来のCAE/EDA インフラは柔軟性がなく、数年おきに更新が必要な環境


共有ファイルストレージ

スケーリングHPCクラスター on EC2

ヘッドノード、ライセンスマネージャジョブスケジューラーサーバ

3Dグラフィックスワークステーション

AWS Direct Connect

オンプレミスITリソース

シンクライアント- ローカルデータ無 -

作業ストレージAmazon S3and

Amazon Glacier

専用線接続

データバックアップ

従来と同様の仕組み、使い勝手も変わらず移行が可能、Computing,ストレージリソースの柔軟性が格段にアップ。更に機械学習の環境としても拡張や連携が可能

AWS上でのCAE/EDA-HPC環境


アジェンダ




• まとめ


データセンターインフラ


企業のグローバル展開を支えるAWSのデータセンター拠点18のリージョン, 1のローカルリージョン, 55のアベイラビリティーゾーンAWS GovCloud (2) ※カッコ内の数はアベイラビリティゾーン米国西部オレゴン (3)、北カリフォルニア (3)

米国東部バージニア北部 (6)、オハイオ (3)

カナダ中部 (2)

南米サンパウロ (3)

欧州アイルランド (3)、フランクフルト (3)

ロンドン (3)、パリ (3)

アジアパシフィックシンガポール (3)、シドニー (3)、東京 (4)、大阪(1)(*)

ソウル (2)、ムンバイ (2)

中国北京 (2)、寧夏 (2)

(*) 大阪ローカルリージョン

今後追加予定のリージョンバーレーン中国香港特別行政区スウェーデンAWS GovCloud (米国東部)

(As of March, 2018)


リージョン間を接続する堅牢性の高い専用ネットワーク


堅牢なAWSデータセンターインフラリージョン

各リージョンは完全に独立リージョン間は可能な限り高速専用線で接続

アベイラビリティゾーン(AZ) リージョンは２つ以上のアベイラビリティゾーン(AZ)から構成(ローカルリー

ジョンを除く) 各AZは、互いに影響を受けないように、地理的・電源的・ネットワーク的に独立 AZ間は低遅延の高速専用線で接続 1つのAZは、最低１ヶ所以上のデータセンターで構成

AZ

AZ

AZ AZ AZ

Transit

Transit

リージョン

https://docs.aws.amazon.com/ja_jp/AWSEC2/latest/UserGuide/using-regions-availability-zones.html

https://docs.aws.amazon.com/ja_jp/AWSEC2/latest/UserGuide/using-regions-availability-zones.html


コンピューティング環境


仮想サーバ Amazon EC2(Elastic Compute Cloud)

http://aws.amazon.com/jp/ec2/instance-types/

現在 EC2インスタンスで選択できる

vCPU/メモリスペックは

最小→ 1vCPU 0.5GBメモリ

最大→ 128vCPU 約4TBメモリ

のインスタンスまで拡充0

400

800

1200

1600

2000

0 16 32 48 64 80 96 112 128

vCPUM

em

ory

[GiB

]

4000

メモリ最適化(x1e)

メモリ最適化(x1e)

ストレージ最適化(i3) 汎用

(m5)

ｺﾝﾋﾟｭｰﾃｨﾝｸﾞ最適(c5)

汎用(t2)

汎用性の高いIntelアーキテクチャ採用

数分で起動し、1時間または秒単位の従量課金で利用可能な仮想サーバー

ノード追加・削除、マシンスペック変更も数分で可能

管理者権限(root / Administrator) で利用可能

http://aws.amazon.com/jp/ec2/instance-types/


既存のOS/アプリ/ミドルウェアが利用可能開発言語・アプリケーション・ミドルウェア

×OS


＜特徴的なインスタンスラインナップ＞

C5: SkylakeコアのXeon Platinum 8000プロセッサ搭載。Turbo Boostで最大3.5GHz動作

X1e: 最大128vCPU、約4TBのメモリ搭載の大規模共有メモリシステム

I3: NVMe ベースのSSDを内蔵し高速なI/Oを実現

P3: NVIDIA Tesla V100 GPUを最大8個搭載

F1: FPGA(Xilinx UltraScale+ VU9P)を搭載した仮想サーバ

特徴あるEC2インスタンスラインナップ

M5

汎用コンピューティング

最適化ストレージ・IO

最適化GPU ・FPGA

アクセラレーテッドメモリ最適化

X1 F1

P3G3

M4

T2

D2

I3 H1

R4

C5

C4


EngineFrame2017 -HPC/グリッドコンピューティング基盤のポータルツール-

AWS各種サービスと統合

• Amazon Linux、VPC、EFS、ALB、cfncluster対応

• CloudFormationテンプレートを提供

おすすめ対象となるお客様

• エンドユーザへGUIでHPCクラスタを利用させたいお客様

• 可視化用リモートデスクトップの管理もしたいお客様

AWS Batch -フルマネージド型のバッチ処理実行サービス-

特徴

• 多量のバッチジョブ実行をクラスタの管理を行うこと無しに容易に実現できる

• ジョブとして登録したアプリケーションやコンテナイメージをスケジューラが実行

• 利用するインスタンスタイプや数、スポット利用有無など自在に指定可能

おすすめ対象となるお客様

• OSSや内製アプリなどコンテナ化に適したアプリをバッチジョブ実行したいお客様

HPCクラスター環境の選択肢も拡充中


GPU対応の3Dグラフィックスサービス

Amazon Workspaces

• クラウドで稼働するマネージド型DaaSソリューション

• PCoIPによる滑らかな画面の動きを実現し、GPU搭載バンドルを選択することで、高度な3Dグラフィックスの処理も可能

• タブレット端末など多彩なデバイスからのアクセスをサポート

Amazon AppStream 2.0

• クラウドで稼働するマネージド型アプリケーションストリーミングサービス

• NICE-DCVにより3Dグラフィックスの滑らかな動きを実現

• HTML5対応によりブラウザからのアクセスサポート


豊富なEC2-GPUインスタンスのラインアップ

P2

G2

Compute

GraphicsEGG3

P3

NVIDIA K80

Kepler

NVIDIA K520

KeplerElastic GPU

CG1

NVIDIA M60

Maxwell

NVIDIA V100

VoltaNVIDIA M2050

Fermi

2010 2013 2016 2017


AWSの機械学習サービス

機械学習APIｻｰﾋﾞｽ

機械学習ﾌﾟﾗｯﾄﾌｫｰﾑ

機械学習ﾌﾚｰﾑﾜｰｸ

機械学習インフラ

４層から構成されるAWSの機械学習サービス

Amazon

Rekognition

Image

TensorFlow Caffe Torch Theano CNTK Keras

CPU IoT MobileGPU

MXNet

AWS Deep Learning AMI (Amazon Linux / Ubuntu / Windows)

Amazon

Polly

Amazon

Lex

Amazon

Comprehend

Amazon

Translate

Amazon

Transcribe

Amazon

Rekognition

Video

Amazon

Machine

Learning

Apache Spark

Amazon EMR

Amazon

KinesisAWS Batch Amazon ECS

Amazon

SageMaker


＜参考＞マルチGPUでの高速な機械学習処理

https://aws.amazon.com/jp/mxnet/

DeepLearningフレームワークMXNetを用い、画像解析アルゴリズム(Inception v3)のトレーニング処理によるベンチマーク(P2インスタンスを使用)

シングルインスタンスでのスケーラビリティ(〜16GPU)

マルチインスタンスでのスケーラビリティ(〜256GPU)


ストレージとネットワーク


AWSのストレージサービス

Amazon EFS Amazon EBSAmazon EC2

Instance Store

Amazon

S3 / S3-IAAmazon Glacier

オブジェクトストレージ

データ転送

AWS Direct

Connect

Amazon

Kinesis

Firehose

Storage

GatewayS3 Transfer

Acceleration

AWS

SnowballAmazon

CloudFront

Internet/

VPN

ブロックストレージファイル

用途に合わせて選べるストレージとデータ入出力を支援するサービス群


社内データセンター Amazon

Glacier

AWS Direct

Connect

ISV

connectors

Storage

gateway

AWS

Snowball

Internet/VPN

データ入口

データ出口

Life cycle

policies

EC2 instance

EFS EBS+EC2Instance

store

データ転送サービスオブジェクト、ブロック、ファイルストレージ

Amazon

Kinesis

Firehose

Amazon S3 transfer

acceleration

Amazon

CloudFront

または他の共有ファイルシステム

Amazon

S3/S3-IA

ストレージデータフローの最適化


セキュアなシステム構築を支援するサービス群

ConfigCloudTrail

コンプライアンス

InspectorService

Catalog

認証

IAM ActiveDirectory

IntegrationSAML

Federation

暗号化

CloudHSMKey

Management

Service

Server-side

Encryption

Virtual

Private

Cloud

(VPN)

Web

Application

Firewall

侵入防御


AWSパートナーソリューション・動向


Altair Engineering→ オンプレ&クラウドリソースを管理可能な、

PBScloud.ioをリリース。

マルチクラウドの管理、簡単なデプロイ、コスト管理、

オーバーフローしたジョブのクラウドへバーストする

機能をサポートhttp://www.pbscloud.io

Omnibond→ Clemson大学の研究者グループが機械学習用途で使用

するシステムを、HPCクラスタ管理ツールの

CloudyClusterで構築。バージニアリージョン上にて

スポットインスタンスで110万以上のvCPUを同時起動

しての処理に成功。https://aws.amazon.com/jp/blogs/aws/natural-language-processing-at-

clemson-university-1-1-million-vcpus-ec2-spot-instances/

パートナー様の動向(インフラフォーカス)


ANSYS→ Elastic Licensing

プリペイド式の従量課金ライセンスモデルで、ANSYS

の全ての製品に対するアクセスがどこからでも可能。Reporter機能でユーザー別や製品ライセンス別の使用状況が確認可能https://www.ansys.com/ja-jp/solutions/solutions-by-role/it-

professionals/licensing/licensing-for-cloud-computing

Siemens PLM Software→ Power-on-Demandライセンス

STAR-CCM+で利用可能な従量課金(プリペイド式)のライセンスさらに、1ジョブあたりに利用できるCPUコア数が無制限で利用可能で、利用場所も問わない自由度の高いクラウド向きのライセンスモデル

https://mdx2.plm.automation.siemens.com/flyer/star-ccm-affordable-power-licensing

パートナー様の動向(従量課金対応のサードパーティソフトウェア)


Cloud-enabled products to run in

your cloud environment with Cloud

Passport

Cloud Ready

Cloud-optimized products that

run in a fully supported and

Cadence-managed, ready-to-go

cloud design environment

HDS Cloud

• Licensed cloud software support

• Freedom to manage your own IaaS

account, CAD/IT, and cloud

infrastructure environment

Cadence® HDS Cloud includes:

• Licensed software and support

• Cloud-optimized services

• CAD and IT infrastructure

support

• PDK and foundry expertise

• Complete security support

Custo

mer

managed C

adence

managed

パートナー様の動向(EDA領域)

Cadence クラウド対応プロダクト

https://www.cadence.com/content/cadence-www/global/en_US/home/services/hosted-design-solutions.html

https://www.cadence.com/content/cadence-www/global/en_US/home/services/hosted-design-solutions.html


ISID PLEXUS CAE

HPC パートナー様の動向(SaaS)

Rescale

HPC SaaSが堅調、大手企業での利用事例が拡大


アジェンダ




• まとめ


ISID CAEフォーラムでのクラウド活用事例

http://techfactory.itmedia.co.jp/tf/articles/1711/30/news009.html

芝浦メカトロニクス様とJDI様が HPC SaaSのPlexusCAEを活用した事例を紹介

芝浦メカトロニクス様• 半導体製造工程で使用するスピン洗浄装置の流体解析• AWSのc4.8xlargeインスタンスを使用、社内WSのシン

グル動作比較で256並列で190倍の速度性能を達成

ジャパンディスプレイ様• フラットパネルディスプレイの構造解析

• 計算時間短縮と従量課金サービスの活用により、前年比でジョブスループットが平均1.9倍に向上。コストは27%削減できた

http://techfactory.itmedia.co.jp/tf/articles/1711/30/news009.html

© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.© 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved.

• 512以上のCPUコアを使用して、200万セル規模の乱流のシミュレーションを実行

• シミュレーションのスループット向上: ジョブあたり6倍のスピードで、100ジョブ

を同時に実行 → 600倍のスピード

• 弾力性のあるHPCのキャパシティと従量課金のAWSクラスタにより、ビジネスの俊

敏性と拡張性を実現

「RescaleのScaleXクラウドプラット

フォームは、エンジニアリングのゲーム

チェンジャーです。 Boomのコンピュー

ティング・リソースは、オンプレミスの大

規模なHPCデータセンターに匹敵します。

Rescaleは、設備投資とリソースのオー

バーヘッドを最小限に抑えながら、迅速に

対応してくれます。

- Josh Krall, CTO & cofounder

Boom


エンジニアリング向けアプリケーション:

分子動力学, CAD, CAE, EDA

ビッグデータによる歩留まりの分析

ドライブヘッドシミュレーションの大規模実行:

従来数ヶ月を要する数百万におよぶパラメータスタディ計算を、僅か数時間で実行

スポットインスタンスを使用してピーク時には85,000以上のIntelコアを稼働

HGSTCAE/EDA/機械学習に至るエンジニアリング向けシステムでクラウド活用


ザイリンクスソフトウェア開発・テスト処理をAWSを使用して高速化

ターンアラウンドタイムの改善 –リグレッションテストにAWSを使用することにより、ザイリンク

スはピーク負荷サイクル中のターンアラウンドタイムとテスト実行の予測可能性を改善

リソースの競合 - 処理の要求に合わせてCPUとメモリをカスタマイズしたオンデマンドのクラスタを提供できるようになり、処理の競合を回避

予測可能なパフォーマンス - 開発者は、コンピュー

ティングリソースの待ち時間がゼロになり、テスト処理が完了する時間を100％予測することが可能に

「AWSのオンデマンドリソース上で大規模のリグレッションテストを実行することは、テスト実行時間のばらつきを低減するうえで重要でした...現在、CPUとメモリリソースに瞬時にアクセスできるため、待ち時間が短縮され、開発者の生産性が向上しました。」

Ambs Kesavan

Software Engineering and DevOps

Director

Xilinx

https://aws.amazon.com/jp/solutions/case-studies/xilinx/

https://aws.amazon.com/jp/solutions/case-studies/xilinx/


Annapurna Labs半導体開発環境(EDA/CAE/HPC環境)をフルクラウド化

企業背景• Annapurna Labsは2011年創業のイスラエルを拠点とし

たファブレスの半導体企業。2015年よりAmazon傘下• SoCの開発環境を徐々にクラウド化。オンプレミスとク

ラウドのハイブリッド運用を経て現在はフルクラウド化

クラウド化の成果• RTLリグレッション、DRC、静的タイミング解析、物理

合成、最終検証に至るあらゆる半導体設計・開発のプロセスをAWS上で実行

• ハイブリッド、フルクラウドの両方で生産性を高める事に成功

• テープアウト時間の短縮、スケジュールリスクの軽減

© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.© 2018, Amazon Web Services, Inc. or its Affiliates. All rights reserved.

クラウド化の歩み(Story of Annapurna Labs)

AWS Silicon Optimizations

Austin, Texas

started early 2014

Started

ground-up

in the cloud

Annapurna

Start-up - Israel

Formed 2011

Started with

on-prem

datacenter

Hybrid

model

Closed

On-prem

datacenter

Full SoC

Development

in the cloud

Arch to tape out

to volume

Multi-site

“One team”

AWS

acquisition

of

Annapurna

on-prem

datacenter

US expands

development

In AWS

Israel Expands

productivity

through AWS

Multi-site

development

2016Today

2015

2011 - 2014

1H2017

on-prem

datacenter

US expands

development

In AWS

End-to-End

Project

in AWS

+Hybrid

Multi-site

development


アジェンダ




• まとめ


まとめ

• AWSクラウドは自動車製造業のR&Dの領域にも適用が可

能

• AWSの幅広いサービスにより機械学習の迅速な開発と採用

を可能に

• 自動車・製造業のHPCワークロードをAWSクラウドにオフ

ロードして、より良い製品開発を実現


EDA on AWSホワイトペーパーhttps://d1.awsstatic.com/whitepapers/optimizing-electronic-design-automation-

eda-workflows-on-aws.pdf

HPC on AWSホワイトペーパーhttps://d0.awsstatic.com/International/ja_JP/Whitepapers/Intro_to_HPC_on_AWS.pdf

参考となるホワイトペーパーEDAとHPCのベストプラクティスをまとめたホワイトペーパーが公開中

HPC Lens (AWS Well-Architected Framework)https://d1.awsstatic.com/whitepapers/architecture/AWS-HPC-Lens.pdf

https://d1.awsstatic.com/whitepapers/optimizing-electronic-design-automation-eda-workflows-on-aws.pdf

https://d0.awsstatic.com/International/ja_JP/Whitepapers/Intro_to_HPC_on_AWS.pdf

https://d1.awsstatic.com/whitepapers/architecture/AWS-HPC-Lens.pdf


ありがとうございました

Documents

自動車・製造業におけるHPC利用 · © 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved. 小川貴士 自動車・製造業におけるHPC利用-CAE/EDA/機械学習領域での

自動車・製造業におけるHPC利用 · © 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved. 小川貴士自動車・製造業におけるHPC利用-CAE/EDA/機械学習領域での