公開：2026年10月8日, 最終更新：2026年10月8日
30秒サマリー
- NVIDIAがcuOptの新ソルバー「mPDLP」の技術詳細を公式ブログで解説。NVLink接続の複数GPUに線形計画問題を分散処理する。
- サプライチェーンのKinaxisが135M変数モデルで3.3倍、エネルギー会社PSRが185M変数モデルで5倍超の速度向上を実証。
- 単一GPU比で最大6倍のピークメモリ使用量削減を実現し、従来の分散手法D-PDLPに対しても1.2〜2.5倍の高速化を達成。
何が起きたか
NVIDIAは2026年10月7日付の公式テクニカルブログで、GPU加速型決定最適化ライブラリ「cuOpt」に搭載された「Multi-GPU Primal-Dual hybrid gradient for Linear Programming（mPDLP）」ソルバーの仕組みと実測結果を詳しく解説した。
mPDLPは線形計画（LP）問題をNVLink接続の複数GPU間に分散させることで、単一GPUでは処理時間やメモリ容量の面で現実的でなかった超大規模問題に対応する。公式ブログによれば、単一GPU版のPDLPと比較して1GPU当たりのピークメモリ使用量を最大6分の1に削減でき、LP問題の非ゼロ要素数の上限は21億（2.1B nonzeros）としている。
技術的な核心は「最小カット分割（min-cut partitioning）」手法にある。連続するスパース行列ベクトル積（SpMV）が共有する依存関係を活用し、二部グラフのエッジカットを最小化することでGPU間通信を削減する。従来のD-PDLP手法が2つのSpMVを独立して扱うのに対し、mPDLPは両演算を一体的に最適化する点が異なる。
NVIDIA DGX B200 GPUを用いた100件超のLPインスタンスでのベンチマークでは、非ゼロ要素数が10の7乗を超えると高速化が顕著となり、最大の問題ではPDLPステップ単体で最大11.4倍の速度向上を示した。パートナー企業の実績として、Kinaxisは135M変数超のCPG（消費財）サプライチェーンモデルでH100 GPU×8台構成により3.3倍の速度向上を達成。PSRは185M変数の確率的エネルギー拡張モデルでB200 GPU×8台構成により5倍超の速度向上を報告した。
原典ハイライト
公式ブログはmPDLPが「21億非ゼロ要素を上限に、単一GPU比で最大6倍のメモリ削減と最大11.4倍のPDLPステップ高速化を実現」と説明。Kinaxisの3.3倍・PSRの5倍超という実業務での速度向上事例も明記されている。また、2008年に提示されたベンチマーク問題「zib03」（非ゼロ要素1億超）をmPDLPが1年前比で約10倍高速に解いたとしており、アルゴリズム進化の指標としている。
出典: NVIDIA Technical Blog（公式ブログ）
So What?（なぜ重要か）
編集部の見方では、この技術が重要な理由は「計画問題のスケール上限が実質的に引き上げられた」点にある。これまで単一GPUのメモリや処理時間の制約から、SKU数・シナリオ数・制約条件数を間引いて解いていた大規模最適化問題が、複数GPUの協調処理により現実的な時間内で解けるようになる可能性がある。サプライチェーン計画やエネルギー網の設備拡張計画など、変数が億単位に達するユースケースが主な恩恵領域となるとみられる。
日本企業への示唆
日本の製造業・流通・エネルギー企業で大規模SCM最適化やエネルギー計画モデルを運用する担当者は、現在の最適化ソルバーがモデル簡略化を余儀なくされているか確認する価値がある。NVLink接続のマルチGPU環境（H100やB200の8台構成など）を自社クラウドまたはNVIDIAパートナーのインフラで利用できる場合、cuOpt mPDLPへの移行により計画精度と計算時間の両立が図れる可能性がある。ただし、高速化効果は問題の疎性構造やエッジカット比率によって変動すると原文は明記しており、自社問題での事前検証が不可欠。GitHubで公開されているソースコードとチュートリアルを活用した概念実証（PoC）から着手するのが現実的なアプローチと考えられる。
背景・経緯
NVIDIAのcuOptはGPU加速型の決定最適化ライブラリ。単一GPUでも大規模LP問題でCPUソルバー比10倍超の高速化を実現するとされているが、現代の最大規模の計画問題は単一GPUのメモリ容量を超えたり、収束に長時間を要するケースがあった。マルチGPU化の先行研究としてD-PDLP（2D分割方式）が存在し、mPDLPはその後継かつ改良版として位置付けられている。NVLink・NVSwitch・NCCLというNVIDIAのハードウェア・ソフトウェアスタックを活用している。
