新型M1 Mac miniに期待

【what is this】これまでのIntelプロセッサに替わり、Apple独自のM1(arm64)プロセッサ搭載のMacが発売になっています。Appleシリコン搭載とも呼ばれています。何といっても、「8コアCPU+ 8コアGPU+16コアNeural Engine」と言われると、長年のMacファンとして買わざるを得ませんでした。基本的なソフトウェアのネイティブ本格対応はこれからのようですが、現時点でも、手元の例題で、Intel版に対して、Javaアプリで3.2倍、Pythonアプリで2.5倍高速となりました。今後の、M1向けTensorflow(アルファ版はすでに公開)などが楽しみです。

雑然とした「研究室」に置かれた新型M1 Mac mini

（別のMacからリモートで利用のためモニターに接続されていません）

■Javaアプリで試す
　小生の使う開発言語は、Java、Python、NetLogo、MIT App Inventorなどです。まず、Javaのアプリで確認します。Androidアプリで扱ったHamilton閉路問題のうち、サイズを少し大きくした、Groetzschグラフ（11ノード）を例題とします。最も原始的な解法なのですが、10ノード（出発は第0番ノードに固定するので）の順列（約360万個）を全て調べるものです。もちろん、可能な限り早期に適合しないパスは棄却します。図１に示すような、Hamilton閉路20個を全て答えます。

　このJavaプログラムの主要部（というよりも全体制御部）は、図２のとおりです。並列ストリームを使っています。実行の結果、M1 MacはIntel Macよりも、約3.2倍高速でした。素晴らしい！PC買い換えで３倍超の性能アップは、なかなかないです。

■Pythonアプリで試す
　次にPythonアプリです。例題としては、すでに報告しました、ショットガン法によるDNAの復元問題（トイプログラム）です。Deep Learningでのprediction部分です。ここでは、上記Javaのようなparallel機能は特に意識せず、GPUの使用もありません。ですが、CPUのコア数の違いが、図３のとおり、実行性能に現れています。この例でも、M1 MacはIntel Macよりも2.5倍高速でした。

　このグラフ、緑はユーザプロセス、赤はシステムプロセスのはずです。M1 Macでは、８コアの利用率が、計算時に100%近くに達しています。それは良いのですが、システムの割合が大きいことがちょと気になります。Interl MacはPython3.8で、M1 Macは（最適化された）Python3.9です。もしかすると、ユーザプログラムの実行時にPython3.9のある部分がシステムプロセス扱いになっているのかも知れない。

■今後の期待：M1用に最適化されたTensorflow等
　以上、現時点で試せるJavaとPythonの例題をM1 Mac miniで実行してみました。従来よりも2.5倍〜3.2倍の高速化となったことは素晴らしいと思います。現時点ですでに、GPUやNeural Engineを駆使するであろうTensorflowのアルファ版は公開されています。今後、それも利用していけば、Deep Learningを手元のマシンで実現できる場面が広がりそうです。