Wikipedia

Graph500

Graph500は、グラフ（ネットワーク構造）探査性能ベースのベンチマークに基づく高性能計算コンピュータのランキングである。

概要

編集

高性能計算コンピュータのベンチマークとしてHPLやHPCG（Conjugate Gradient、共役勾配法）がよく用いられている。HPLとHPCGは、密行列もしくは疎行列を要素とする大規模な連立一次方程式を解くというベンチマークである。しかし、近年では高性能計算コンピュータを用いて大量のデータ処理を行う需要が高まってきている。そのような処理の性能の特性や必要とされるアーキテクチャの要件は、HPLやHPCGとは根本的に異なるため、新たな性能指標が必要になった[1]。

このような背景から、グラフ探査性能ベースのベンチマークに基づく性能ランキングであるGraph500が誕生した。Graph500では性能指標として、TEPS（Traversed Edges Per Second 1秒間にたどるグラフのエッジ数）を用いる。また、Graph500のベンチマークに対する電力効率を測るため、TEPSを消費電力で割った値（TEPS/W）を性能指標としたランキングGreen Graph500もある。Graph500およびGreen Graph500は、毎年6月ごろにドイツで開催される国際会議International Supercomputing Conference (ISC）と毎年11月ごろに米国で開催される国際会議Supercomputing Conference (SC)の時期に発表される。

Graph500で採用されているベンチマークは、次の3つのカーネルから構成される[2]。

  1. グラフ構築
  2. 幅優先探索
  3. 単一始点最短経路

グラフ構築は性能ランキングには関係なく、幅優先探索と単一始点最短経路についてのみ個別にランキングが行われる。単一始点最短経路は2017年11月に新しく追加されたカーネルである。性能評価では、ランダムに64個の頂点が始点として選ばれ，順番に各カーネルが実行される。そして，64試行の調和平均が性能値に用いられる。

幅優先探索のランキング

編集

2025年11月[3]

編集

前回（2025年6月）は2位であったeos-dfwが1位にランクインした[4]。前回と比較して、ノード数とプログラムスケールは2倍になったのに対し、性能は3.2倍も向上した。3位のFrontierは、前回は6位であり、性能は5.5倍に向上した。この性能向上の理由は、前回は「富岳」で使用されているBFS（Fugaku Derivative）[5]を用いてCPUのみで計測していたのに対し、今回はGPUによる計測が可能なBFS（XBFS ORNL variant）[3]を使用したからと考えられる。5位に新しいシステムであるLyrisがランクインした。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 CoreWeave datacentre in Dallas Texas（米国） eos-dfw 1024 41 410267
2 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 43 204068
3 Oak Ridge National Laboratory（米国） Frontier 9728 42 161908
4 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 41 115358
5 NVIDIA Corporation（米国） Lyris 256 38 91930

2025年6月[5]

編集

新しいシステムであるeos-dfwが2位にランクインした。4位のAuroraは前回（2024年11月）は6位だったが、利用ノード数が2倍、プログラムスケールが2つ（4倍）増えており、性能が大幅に向上している。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 43 204068
2 CoreWeave datacentre in Dallas Texas（米国） eos-dfw 512 40 126815
3 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 41 115358
4 DOE/SC/Argonne National Laboratory（米国） Aurora 8192 42 69373
5 NVIDIA Corporation（米国） EOS NVIDIA DGX SUPERPOD 416 38 39085

2024年11月[6]

編集

1位の富岳の性能が約22.9%向上した。プログラムスケールも1つ大きくなり、過去のGraph500の中で最大のグラフを利用している。また、3位に新しいシステムであるEOS NVIDIA DGX SUPERPODがランクインした。BFSの実装にはRAPIDS cuGraphが利用されている。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 43 204068
2 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 41 115358
3 NVIDIA Corporation（米国） EOS NVIDIA DGX SUPERPOD 416 38 39085
4 Oak Ridge National Laboratory（米国） Frontier 9248 40 29655
5 Pengcheng Lab（中国） Pengcheng Cloudbrain-II 448 40 28463

2024年6月[7]

編集

1位の富岳の性能が約19.6%向上した。また、5位に新しいシステムであるAuroraがランクインした。3位のFrontierと同様に、Auroraも理化学研究所が開発した幅優先探索アルゴリズムを利用している。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 42 166029
2 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 41 115358
3 Oak Ridge National Laboratory（米国） Frontier 9248 40 29655
4 Pengcheng Lab（中国） Pengcheng Cloudbrain-II 448 40 28463
5 Argonne National Laboratory（米国） Aurora 4096 40 24250

2023年11月[8]

編集

順位は変化なしだが、1位と4位のシステムは性能が上がっている。逆に、2位のシステムはプログラムスケールは1つ上がったものの、性能は下がっている。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 42 138867
2 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 41 115358
3 Oak Ridge National Laboratory（米国） Frontier 9248 40 29655
4 Pengcheng Lab（中国） Pengcheng Cloudbrain-II 448 40 28463
5 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756

2023年6月[9]

編集

富岳は1位を維持。ただし、ノード数は4.3%減ったにもかかわらず、性能は33.2%向上した[10]。2位と3位に新しいシステムがランクインした。3位のFrontierは理化学研究所が開発した幅優先探索アルゴリズムを利用している。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 152064 42 137096
2 Wuhan Supercomputing Center（中国） Wuhan Supercomputer 252 40 121804
3 Oak Ridge National Laboratory（米国） Frontier 9248 40 29655
4 Pengcheng Lab（中国） Pengcheng Cloudbrain-II 448 40 25243
5 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756

2022年11月[11]

編集

2位にPengcheng Labのシステムがランクインした。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 158976 41 102955
2 Pengcheng Lab（中国） Pengcheng Cloudbrain-II 448 40 25243
3 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
4 東京大学情報基盤センター（日本） Wisteria/BDEC-01 (Odyssey)（富士通） 7680 37 16118
5 JAXA（日本） TOKI-SORA（富士通） 5760 36 10813

2021年11月〜2022年6月[12][13]

編集

5位にEuroHPC/CSCのシステムがランクインした。2期連続同じランキングであった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 158976 41 102955
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 東京大学情報基盤センター（日本） Wisteria/BDEC-01 (Odyssey)（富士通） 7680 37 16118
4 JAXA（日本） TOKI-SORA（富士通） 5760 36 10813
5 EuroHPC/CSC（フィンランド） LUMI-C（HPE） 1492 38 8468

2021年6月[14]

編集

3位に東京大学情報基盤センターのシステムがランクインした。なお、3位と4位のシステムはPRIMEHPC FX1000であり[14][15]、そのアーキテクチャは1位の「富岳」とほぼ同じである。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 158976 41 102955
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 東京大学情報基盤センター（日本） Wisteria/BDEC-01 (Odyssey)（富士通） 7680 37 16118
4 JAXA（日本） TOKI-SORA（富士通） 5760 36 10813
5 オークリッジ国立研究所（米国） Summit（IBM） 2048 40 7666

2020年11月[16]

編集

前回は「富岳」が利用したノード数は92,160であるが、今回のノード数は「富岳」のフルノードである158,976である。また、3位にJAXAのシステムが新たにランクインした。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 158976 41 102955
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 JAXA（日本） TOKI-SORA（富士通） 5760 36 10813
4 オークリッジ国立研究所（米国） Summit（IBM） 2048 40 7666
5 ライプニッツ・スーパーコンピューティング・センター（ドイツ） SuperMUC-NG（ドイツ語版）（レノボ） 4096 39 6279

2020年6月[17]

編集

「富岳」が1位を獲得。なお、「京」と「富岳」の所属組織は同じであるが、組織名称が計算科学研究機構から計算科学研究センターに変更された[18]。セコイアとMiraは運用終了のため、ランク外になった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究センター（日本） 富岳（富士通） 92160 40 70980
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 オークリッジ国立研究所（米国） Summit（IBM） 2048 40 7666
4 ライプニッツ・スーパーコンピューティング・センター（ドイツ） SuperMUC-NG（ドイツ語版）（レノボ） 4096 39 6279
5 ローレンス・バークレー国立研究所（米国） NERSC Cori - 1024 haswell partition（クレイ） 1024 37 2562

2019年11月[19]

編集

「京」は運用終了のため、ランク外になった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
2 ローレンス・リバモア国立研究所（米国） セコイア（IBM） 98304 41 23751
3 アルゴンヌ国立研究所（米国） Mira（IBM） 49152 40 14982
4 オークリッジ国立研究所（米国） Summit（IBM） 2048 40 7666
5 ライプニッツ・スーパーコンピューティング・センター（ドイツ） SuperMUC-NG（ドイツ語版）（レノボ） 4096 39 6279

2019年6月[20]

編集

前回までは64試行の中央値が性能値として用いられてきたが、今回から64試行の調和平均が性能値として用いられることになった。そのため、「京」の前回の結果は38,621GTEPS(中央値)に対し、今回の結果は31,302GTEPS(調和平均)となっている[21]。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究機構（日本） 京（富士通） 82944 40 31302
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 ローレンス・リバモア国立研究所（米国） セコイア（IBM） 98304 41 23751
4 アルゴンヌ国立研究所（米国） Mira（IBM） 49152 40 14982
5 ライプニッツ・スーパーコンピューティング・センター（ドイツ） SuperMUC-NG（ドイツ語版）（レノボ） 4096 39 6279

2018年11月[22]

編集
順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究機構（日本） 京（富士通） 82944 40 38621
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 ローレンス・リバモア国立研究所（米国） セコイア（IBM） 98304 41 23751
4 アルゴンヌ国立研究所（米国） Mira（IBM） 49152 40 14982
5 ライプニッツ・スーパーコンピューティング・センター（ドイツ） SuperMUC-NG（ドイツ語版）（レノボ） 4096 39 6279

2016年6月〜2018年6月 [23][24][25][26][27]

編集

5期連続同じランキングであった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1 理化学研究所計算科学研究機構（日本） 京（富士通） 82944 40 38621
2 国家スーパー計算無錫センター（中国） 神威・太湖之光（NRCPC） 40768 40 23756
3 ローレンス・リバモア国立研究所（米国） セコイア（IBM） 98304 41 23751
4 アルゴンヌ国立研究所（米国） Mira（IBM） 49152 40 14982
5 ユーリヒ総合研究機構（ドイツ語版）（ドイツ） JUQUEEN（IBM） 16384 38 5848

2015年6月〜2015年11月[28][29]

編集

2期連続同じランキングであった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1理化学研究所計算科学研究機構京 (富士通)829444038621
2ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)983044123751
3アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)491524014982
4ユーリヒ総合研究機構（ドイツ語版）JUQUEEN (Blue Gene/Q)16384385848
5CINECA（イタリア語版）Fermi (Blue Gene/Q)8192372567

2014年11月[30]

編集
順位 設置場所 システム ノード数 プログラムスケール GTEPS
1ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)983044123751
2理化学研究所計算科学研究機構京 (富士通)829444019585
3アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)491524014982
4ユーリヒ総合研究機構（ドイツ語版）JUQUEEN (Blue Gene/Q)16384385848
5CINECA（イタリア語版）Fermi (Blue Gene/Q)8192372567

2014年6月[31]

編集

理化学研究所、東京工業大学、九州大学、ユニバーシティ・カレッジ・ダブリン、科学技術振興機構の合同チームによるアルゴリズム最適化によって、同一ハードウェアで3倍以上の高速化が実現した[32][33]。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1理化学研究所計算科学研究機構京 (富士通)655364017977.1
2ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)655364016599
3アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)491524014328
4ユーリヒ総合研究機構（ドイツ語版）JUQUEEN (Blue Gene/Q)16384385848
5CINECA（イタリア語版）Fermi (Blue Gene/Q)8192372567

2013年6月〜11月[34][35]

編集

2期連続同じランキングであった。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)655364015363
2アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)491524014328
3ユーリヒ総合研究機構（ドイツ語版）JUQUEEN (Blue Gene/Q)16384385848
4理化学研究所計算科学研究機構京 (富士通)65536405524
5CINECA（イタリア語版）Fermi (Blue Gene/Q)8192372567

2012年11月[36]

編集
順位 設置場所 システム ノード数 プログラムスケール GTEPS
1ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)655364015363
2アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)327683910461
3ユーリヒ総合研究機構（ドイツ語版）JUQUEEN (Blue Gene/Q)16384385848
4理化学研究所計算科学研究機構京 (富士通)65536405524
5CINECA（イタリア語版）Fermi (Blue Gene/Q)8192372567

2012年6月[37]

編集

Miraとセコイアは同率1位である。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1アルゴンヌ国立研究所IBM Mira（英語版） (Blue Gene/Q)32768383541
1ローレンス・リバモア国立研究所セコイア (Blue Gene/Q)32768383541
3DARPAPower 775 (IBM)102435508.05
4東京大学情報基盤センターOakleaf-FX (富士通)480038358
5東京工業大学学術国際情報センターHP Cluster Platform (NEC/HP)136635317

2011年11月[38]

編集

前回まではプログラムスケールとTEPS値でランキングを決めていたが、今回からはTEPS値のみでランキングを決めるようになった[39]。

順位 設置場所 システム ノード数 プログラムスケール GTEPS
1NNSA and IBM ResearchNNSA/SC (IBM)409632253.403
2LBLHopper (Cray)180037112.743
3Moscow State UniversityLomonosov (MPP)409637103.079
4東京工業大学学術国際情報センターTSUBAME (NEC/HP)13663699.858
5ユーリヒ総合研究機構（ドイツ語版）Jugene (IBM)640003792.3418

2011年6月[40]

編集
順位 設置場所 システム ノード数 プログラムスケール GTEPS
1Argonne National LaboratoryIntrepid (IBM)327683818.4684
2ユーリヒ総合研究機構（ドイツ語版）Jugene (IBM)327683818.361
3Moscow State UniversityLomonosov (MPP)40963743.3792
4LBLHopper (Cray)18003725.0182
5LBLFranklin (Cray)40003619.8642

2010年11月[41]

編集
順位 設置場所 システム ノード数 プログラムスケール GTEPS
1Argonne National LaboratoryIntrepid (IBM)8192367.0867
2NERSCFranklin (Cray)9544325.60493
3Pacific Northwest National Laboratorycougarxmt (Cray)128291.30997
4Sandia National Laboratoriesgraphstorm (Cray)128291.25628
5Intel CorporationEndeavor (Westmere)256290.572304

脚注・出典

編集
  1. ↑ Richard C. Murphy, Kyle B. Wheeler, Brian W. Barrett, James A. Ang. Introducing the Graph 500, 2010
  2. ↑ “Benchmark Specification”. Graph 500. 2020年6月30日閲覧。
  3. 1 2 “November 2025 BFS - Graph 500” (英語) (2025年11月18日). 2025年11月19日閲覧。
  4. ↑ Goel, Prachi (2025年12月10日). “How NVIDIA H100 GPUs on CoreWeave's AI Cloud Platform Delivered a Record-Breaking Graph500 Run” (英語). NVIDIA Blog. 2025年12月13日閲覧。
  5. 1 2 “November 2025 BFS - Graph 500” (英語) (2025年6月11日). 2025年6月11日閲覧。
  6. ↑ “November 2024 BFS - Graph 500” (英語) (2024年11月17日). 2024年11月18日閲覧。
  7. ↑ “June 2024 BFS - Graph 500” (英語) (2024年5月16日). 2024年5月17日閲覧。
  8. ↑ “November 2023 BFS - Graph 500” (英語) (2023年11月17日). 2023年11月17日閲覧。
  9. ↑ “June 2023 BFS - Graph 500” (英語) (2023年5月23日). 2023年5月23日閲覧。
  10. ↑ https://www.riken.jp/pr/news/2023/20230522_4/index.html
  11. ↑ “November 2022 BFS - Graph 500” (英語) (2022年11月17日). 2022年11月17日閲覧。
  12. ↑ “November 2021 BFS | Graph 500” (英語). 2021年11月18日閲覧。
  13. ↑ “June 2022 BFS - Graph 500” (英語) (2022年5月30日). 2022年5月31日閲覧。
  14. 1 2 “June 2021 BFS | Graph 500” (英語). 2021年7月2日閲覧。
  15. ↑ “FUJITSU Supercomputer PRIMEHPCシリーズ : 富士通”. www.fujitsu.com. 2021年7月2日閲覧。
  16. ↑ “November 2020 BFS, Graph 500”. 2020年11月17日閲覧。
  17. ↑ “June 2020 BFS, Graph 500”. 2020年6月30日閲覧。
  18. ↑ “組織名称変更のお知らせ”. 理化学研究所. 2020年6月30日閲覧。
  19. ↑ “November 2019 BFS”. Graph500. 2020年6月30日閲覧。
  20. ↑ “June 2019 BFS”. Graph500. 2020年6月30日閲覧。
  21. ↑ “スーパーコンピュータ「京」がGraph500において9期連続で世界第１位を獲得”. 株式会社フィックスターズ. 2020年6月30日閲覧。
  22. ↑ “November 2018 BFS”. Graph500. 2020年6月30日閲覧。
  23. ↑ “June 2018 BFS”. Graph500. 2020年6月30日閲覧。
  24. ↑ “November 2017 BFS”. Graph500. 2020年6月30日閲覧。
  25. ↑ “June 2017 BFS”. Graph500. 2020年6月30日閲覧。
  26. ↑ “November 2016 BFS”. Graph500. 2020年6月30日閲覧。
  27. ↑ “June 2016 BFS”. Graph500. 2020年6月30日閲覧。
  28. ↑ “November 2015 BFS”. Graph500. 2020年6月30日閲覧。
  29. ↑ “July 2015 BFS”. Graph500. 2020年6月30日閲覧。
  30. ↑ “November 2014 BFS”. Graph500. 2020年6月30日閲覧。
  31. ↑ “June 2014 BFS”. Graph500. 2020年6月30日閲覧。
  32. ↑ “ビッグデータ解析性能を競う「Graph 500」で「京」が初の首位”. ITPro. 2020年6月30日閲覧。
  33. ↑ “スーパーコンピュータ「京」がGraph500で世界第1位を獲得”. 理化学研究所. 2020年6月30日閲覧。
  34. ↑ “November 2013 BFS”. Graph500. 2020年6月30日閲覧。
  35. ↑ “June 2013 BFS”. Graph500. 2020年6月30日閲覧。
  36. ↑ “November 2012 BFS”. Graph500. 2020年6月30日閲覧。
  37. ↑ “June 2012 BFS”. Graph500. 2020年6月30日閲覧。
  38. ↑ “November 2011 BFS”. Graph500. 2020年6月30日閲覧。
  39. ↑ 上野晃司，鈴村豊大郎．大規模グラフ処理ベンチマークGraph500への2次元分割の適用と性能評価．情報処理学会研究報告．Vol.2011-HPC-132 No.20
  40. ↑ “June 2011 BFS”. Graph500. 2020年6月30日閲覧。
  41. ↑ “November 2010 BFS”. Graph500. 2020年6月30日閲覧。

外部リンク

編集
「https://ja.wikipedia.org/w/index.php?title=Graph500&oldid=107577492」から取得