NVIDIA、科学画像分析を数か月から数分へ短縮する「cuPhoton」を発表──観測から分類までGPU上で一貫処理

要点

• 米NVIDIAは2026年10月7日、天文学やX線科学などの科学画像解析を高速化するオープンソースのCUDA-Xツールキット「cuPhoton」を発表した。

• データの読み込みからアライメント、差分処理、天体分類までの全工程をGPUメモリ上で完結させ、ホスト・デバイス間の転送遅延を解消する。

• 複数GPU環境での検証では、従来のx86 CPU比で画像読み込みが最大14,900倍、信号処理が最大14,550倍の高速化を達成した。

• 1晩で最大20TBの画像が生じるベラ・C・ルービン天文台において、32億画素の画像から60〜120秒以内に突発天体を判定する即時処理を支援する。

• 米NVIDIAは2026年10月7日、天文学やX線科学などの大規模観測データを扱う研究向けに、画像分析パイプラインを高速化するオープンソースのCUDA-Xツールキット「NVIDIA cuPhoton」を発表した。観測機器から取得したデータをGPUメモリ上に保持したまま一連の処理を実行することで、従来は数時間から数か月を要していた解析を数分単位へ短縮できるという。同ツールキットはGitHub上で公開されている。

観測データの爆発とCPU処理パイプラインの限界

天体望遠鏡や放射光施設などの最先端観測設備では、1回の実験や探査でペタバイト規模の多次元データが日常的に生成されている。しかし、得られたデータから科学的に有用な成果を得るまでには、従来のCPU中心の処理系では数時間から数か月、時には1年以上を要することもあったという。

NVIDIAは、この遅延の原因が特定の単一計算にあるのではなく、生データの読み出し、検出器応答やボケの補正、差分処理、フィッティング、分類、通知に至る「センサーから判定までの経路全体」に存在していたと指摘する。観測機器が数秒で生成する膨大なデータに対し、CPU主体のパイプラインでは処理速度が追いつかず、研究の進展を阻んでいたと説明している。

センサーから分類までをGPU上で完結させるアーキテクチャ

cuPhotonは、データの読み込みから最終的な分類に至る全工程をGPU内で完結させるエンドツーエンドの処理経路を提供する。従来の処理で頻繁に発生していたホストCPUとGPU間のデータ転送を排し、画像配列をデバイスメモリ上に保持し続ける設計を採用した。

ツールキットには複数の高速化モジュールが含まれる。天文学の標準形式であるFITS（Flexible Image Transport System）ファイルをGPUへ直接読み込む「xDataReader」、画像の位置合わせを行う「xRep」、光学系のボケを表すPSF（Point Spread Function：点広がり関数）のマッチングと参照画像との差分処理を行う「xPois」、信号を解析するダイポールフィッティング用の「xFit」、検出候補を精査する「xScan」などで構成される。これらにより、差分画像の生成やAI学習向けデータセットの構築を一貫して処理できる。

最大1万倍超の高速化とルービン天文台での活用例

NVIDIAの検証によると、複数GPUを用いたワークロードにおいて、cuPhotonはx86 CPUのベースラインと比較して画像読み込みで最大14,900倍、信号処理で最大14,550倍の高速化を記録したという。

この性能が活きる代表例として、米エネルギー省（DOE）と全米科学財団（NSF）が支援する「ベラ・C・ルービン天文台」の観測計画が挙げられている。同天文台の大型カメラ「LSSTCam」は、39秒ごとに32億画素（3.2ギガピクセル）の画像を撮影し、1晩で最大20テラバイトのデータと約1000万個の天体候補を生成する。

天文台の即時処理システムでは、撮影画像を過去の参照画像と比較し、約60〜120秒の制限時間内に約1万件の検出対象を超新星などの突発天体か、宇宙線や衛星の航跡などのノイズかに判別しなければならない。cuPhotonの導入により、この厳しい時間制約の中でアラートを処理できる体制が整うとしている。

マルチノード環境への拡張と提供形態

cuPhotonは単一マシンにとどまらず、「NVIDIA Grace Blackwell」や「NVIDIA Vera Rubin」システムなどのマルチGPU・マルチノード構成へスケール可能だ。画像ペアや候補天体の座標情報を複数GPUに分散し、デバイス上で配列データを保持したまま並列処理を行える。

動作環境にはCUDA 13が必要とされており、FITS読み込み用拡張モジュールのビルド手順や分散実行ガイドを含め、GitHubの公式リポジトリで提供されている。