NVIDIA、マルチGPUによる大規模UMAPの高速化に対応—870GBのデータを8分で処理

要点

• 米NVIDIAは、データサイエンス向けライブラリ「cuML」および「cuVS 25.06」において、次元削減手法UMAPの学習処理を複数GPUへ分散する新機能を発表した。

• データをクラスタに分割して独立処理することでGPU間の全対全通信を回避し、埋め込み品質を損なわずに高いスケーラビリティを実現した。

• 8台のNVIDIA H100 GPUを用いた検証では、870GBのベクトルデータを8分で処理し、CPU実行時（予測値）と比較して最大74倍の高速化を達成したとしている。

• 米NVIDIAは現地時間2026年8月18日、同社のデータ分析・機械学習ライブラリ「cuML」およびベクトル検索ライブラリ「cuVS」のバージョン25.06において、高次元データの次元削減アルゴリズム「UMAP」を複数GPU環境で高速処理する新機能を公開した。これまで単一GPUに制約されていた学習フェーズのグラフ構築処理をマルチGPUへ分散可能にしたことで、数百ギガバイト規模の大規模データセットを数分で次元削減できるようになったという。同社の公式技術ブログにて、詳細な仕組みとベンチマーク結果が公表された。

大規模データにおけるUMAPの課題と従来の制約

UMAP（Uniform Manifold Approximation and Projection）は、高次元のベクトルデータをデータの持つ局所的・大域的な構造を保ったまま低次元空間に圧縮・投影する手法であり、探索的データ分析やトピックモデリング、単一細胞（シングルセル）解析など幅広い分野で利用されている。分析作業ではパラメータを変更しながら試行錯誤を繰り返すことが一般的だが、データセットの大規模化に伴い処理時間が長大化し、対話的・反復的な分析が困難になるという課題が存在していた。

このボトルネックとなっていたのが、アルゴリズムの主要ステップである「全近傍kNNグラフ（all-neighbors k-nearest neighbors graph）」の構築処理だ。これはデータセット内の全ベクトルに対して最も類似するk個の近傍点を探索する計算であり、データ規模が数千万から数億ベクトルに達すると計算量が爆発的に増大する。

NVIDIAは以前のアップデートにおいて、GPUのメモリ容量を超えるデータを効率的に扱う「Out-of-Core（メモリ外処理）」アプローチを導入していた。しかし、この段階では複数GPUを活用できる処理が学習後のデータ変換を行う「transform()」ステップに限られており、計算負荷が最も集中する学習（training）段階のグラフ構築は単一GPUでしか実行できないという制約が残されていた。

クラスタ分割と独立計算によりGPU間通信のボトルネックを解消

今回のcuMLおよびcuVS 25.06のアップデートでは、学習段階における全近傍kNNグラフの構築を複数GPUへ分散処理する機能が追加され、この制限が撤廃された。

本機能の基盤となるのは、データセット全体をバランスの取れた複数のクラスタに分割する手法だ。境界付近の近傍関係が損なわれないよう、近接するクラスタ間でベクトルを一部重複（オーバーラップ）させて保持する。そして、各クラスタ内でローカルなkNNグラフを独立して計算し、最終的にそれらを結合して全体の全近傍グラフを生成する。

このクラスタごとの処理は完全に独立した計算単位となるため、他のクラスタとの同期やデータ共有を必要としない。各GPUはCPUメモリから自身に割り当てられたクラスタのデータを個別に取得し、ローカルグラフの計算とグローバルグラフへの統合を行う。これにより、分散並列処理で深刻な遅延の原因となりやすいGPU間の全対全（all-to-all）通信を完全に回避し、大幅なスケーラビリティとパフォーマンス向上を実現したと説明している。

8台のH100で最大74倍の高速化、870GBを8分で処理

技術ブログ内で紹介された実証結果によると、公開データセット「MIRACL」および「Wiki」を用いた検証において、8台のNVIDIA H100 GPUを使用することで、CPU環境での予測実行時間と比較して最大74倍の高速化を記録したという。

また、合計870GBにおよぶ大規模ベクトルデータセットに対するUMAPの処理も、わずか8分で完了したことが報告されている。従来は数時間から数日を要していた数百ギガバイト級のワークロードが数分レベルに短縮されることで、大規模データを対象とした探索的データ分析の実用性が大幅に向上するとしている。

さらに同社は、計算を分割・分散させながらも、次元削減後の幾何学的構造の保持精度を示す「信頼性スコア（trustworthiness score）」が高い水準に維持されていることを強調している。

なお、マルチGPU版のcuML UMAPは従来の単一GPU版と同様の手順で実行可能であり、空間効率・計算時間・品質のトレードオフを制御するためのハイパーパラメータとして、データを分割するクラスタ数を指定する「knn_n_clusters」などが提供されている。