2026/09/13 23:25

Windows 向け CUDA for AMD

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

現在、大きな進展があり、ZLUDA v6-preview.69 と AMD の HIP/ROCm SDK 6.4 を組み合わせることで、Windows ユーザーが AMD ハードウェア上で CUDA アプリケーションを実行できるようになりました。この構成は、LibTorch 2.3.0 (cu118) のような計算負荷の高いワークロードを特に対象としており、コアの CUDA ライブラリ（nvcuda、cuBLAS、cuSPARSE など）の検証に成功し、さらに複雑なニューラルネットワークの大規模なトレーニング回数を完了させました。その中には、AMD Radeon RX 9060 XT (gfx1200) で PPO ネットワークを 65,536 ステップまで訓練させた例も含まれます。パフォーマンスベンチマークでは、パブリックのアップストリームパスが約 13,278 サンプル/秒（SPS）の性能を示し、カスタムオーバーレイをわずかに上回っています。インストールは、ダウンロード（〜2.66 GB の LibTorch を含む）、SHA-256 ハッシュによる前提条件の確認、環境設定を自動スクリプトが処理する簡素化された手順で行われます。ただし、TensorRT や NCCL、大規模分散トレーニングなどの高度な機能は、cuDNN などのライブラリへの完全なサポートの欠如により制限されており、 convolution が中心のタスクでは新しいかナイトリー版のスタックが必要になる場合があります。この解決策は AMD カード上でプライベート DLL の必要性を排除しますが、現在では完全なグラフィックスレンダリングの代替ではなく、compute 特化型の専用ツールに過ぎず、将来の安定性は RX 9060 XT 以外のデバイスへの検証済みサポート拡大およびナイトリーソフトウェア版のバージョンアップに依存します。

本文

WORKING REPRODUCIBLE STACK：AMD GPU での Windows CUDA 実行環境

ZLUDA と ROCm/HIP を組み合わせて、AMD GPU 上で Windows 向けの CUDA 固有アプリケーションを実行する環境が公開されました。LibTorch の CUDA エンベローディングを含む、計算系アプリケーションへの適用を意図しています。

⚠️ 重要：検証済みのハードウェア

現時点で動作を確認済みなのは以下のモデルのみです。他の GPU も対応する可能性がありますが、保証されません。

対象機器: AMD Radeon RX 9060 XT (gfx1200)
対応の要請: 異なる GPU をお使いの場合は、動作の有無にかかわらずGPU 互換性レポートをご公開ください。

📅 今日検証済み環境

公式の上流パスのみを使用し、プライベート DLL や独自修復版 DLL は一切使用していません。

ZLUDA: v6-preview.69（公式リリース）
AMD HIP SDK: 6.4
LibTorch: 2.3.0 (cu118)
ハードウェア: AMD Radeon RX 9060 XT / gfx1200

検証結果

すべての CUDA チェックに合格し、以下のタスクを完了しました。

基本機能:
```
nvcuda
```
、
```
cuBLAS
```
、
```
cuBLASLt
```
、
```
cuSPARSE
```
、
```
cuFFT
```
の動作確認
機械学習: パラメータ数 2,216,347 の PPO ネットワークにおける順伝播/推論、PPO ラーニング、最適化器の動作
安定性: シングルクリーンな検証ループで 65,536 ステップを実行することに成功

注: 本プロジェクトの発端となった CUDA 系 LibTorch トレーニングワークロード（詳細は
docs/VALIDATION.md
）での検証のみです。すべての CUDA プログラムや AI モデルが動作するとは限りません。対応範囲はワークロードに依存します。

⚙️ 仕組み

CUDA 固有の Windows アプリケーション
            ↓
         ZLUDA
            ↓
cuBLAS / cuSPARSE / cuFFT の互換性層
            ↓
rocBLAS / hipBLASLt / rocSPARSE / HIP (AMD ライブラリ)
            ↓
           AMD GPU

🛠 インストール手順

1. AMD 前提条件のインストール

最新の AMD GPU ドライバーと、HIP ライブラリを含む Windows 向けの AMD HIP SDKをインストールしてください。

推奨バージョン: HIP SDK 6.4（検証済み基準構成）
より新しいバージョン: 動作する可能性はありますが、現状は非公式な扱いです。報告されるまで無断で利用しないでください。

参考リンク: AMD Windows HIP SDK ガイド

2. クローンおよびインストーラーの実行

git clone https://github.com/Speedstu/CUDA-for-AMD-Windows.git
cd CUDA-for-AMD-Windows
powershell -ExecutionPolicy Bypass -File .\scripts\install.ps1

install.ps1

スクリプトが自動で行う処理:

AMD GPU とネイティブな
```
gfxXXXX
```
ターゲットの検出
AMD ドライバー/HIP SDK および必要な数学ライブラリの確認
固定された公式 ZLUDA Windows ビルドのダウンロード
LibTorch 2.3.0+cu118（約 2.66 GB）のダウンロード
ダウンロードファイルの SHA-256 ハッシュ確認

.runtime\runtime-config.json

および

.runtime\gpu-report.json

の生成

ZLUDA の
```
cuda_check.exe
```
を既存の AMD スタック上で実行

LibTorch を不要とする場合:

.\scripts\install.ps1 -SkipLibTorch

🚀 CUDA 固有アプリケーションの実行

対象アプリケーションに必要な ZLUDA 互換 DLL を展開し、HIP/ROCm ランタイムパスを設定します。

アプリケーション実行

.\scripts\run-zluda.ps1 -Program C:\path\to\app.exe

ランチャーを使わずにのみ展開する場合

.\scripts\stage-runtime.ps1 -TargetDir C:\path\to\your-app

🏥 マシンの診断

環境の状態を確認します。ユーザー名やトークン、個人ファイルの収集は行いません。

.\scripts\doctor.ps1
.\scripts\gpu-scan.ps1
.\scripts\test-runtime.ps1

検証済みの例:

AMD Radeon RX 9060 XT

gfx1200

RDNA4

validated-reference

現在の GPU ステータス一覧

GPU	ターゲット (gfx)	プロジェクトステータス
Radeon RX 9060 XT	gfx1200	✅ 検証済み基準構成

スキャナーは他の Windows HIP アーキテクチャファミリーも検出しますが、それは「未検証の候補」です。検出＝動作保証ではありません。
AMD の現在の Windows ハードウェア一覧：システム要件

📊 検証済み構成におけるランタイムカバー範囲

公式ランタイムチェックの結果:

CUDA 系コンポーネント	結果	備考
CUDA ドライバー / nvcuda	✅
cuBLAS	✅	rocBLAS 経由
cuBLASLt	✅	hipBLASLt 経由
cuSPARSE	✅	rocSPARSE 経由
cuFFT	✅
cuDNN	⚠️ 利用不可	検証済み安定版 HIP SDK には完全な ROCm AI ライブラリスタック（MIOpen など）が含まれていないため

cuDNN について: 密度の高い GEMM 系処理を行う LibTorch トレーニングでは cuDNN が必須でないケースがあり、検証済みの PPO ワークロードもそれを無視して動作しています。cuDNN を必要とする場合、新しい HIP スタックの構築や追加の手間が必要です。

📈 パフォーマンス比較

2026-09-13 の A/B テスト結果 (RX 9060 XT PPO ワークロード):

試行: 各ランタイムで 10 ループ走行（最初のループをウォームアップ除外）
公式上流パス: 中央値全体 SPS 13,278
カスタムオーバーレイ: 中央値全体 SPS 12,876
差: カスタムオーバーレイが約 3.03% 遅い

結論: 公式上流パスがデフォルトとして推奨されます。過去の調整済み実行では異なるトレーニング構成で全体ステップ/秒（SPS）で約 70k〜109k を記録しています。詳細は

docs/BENCHMARKS.md

をご参照ください。

歴史的なカスタムオーバーレイについて

当初の開発環境では、独自のカスタム cuBLAS/cuBLASLt/HIP オーバーレイ実験が行われましたが、検証済みの公式パスでは必須ではなく、現在の A/B テスト結果からパフォーマンス向上には寄与していません。

回復された DLL はマニフェストや

recovered-artifacts.sha256

にフィンガープリントを残していますが、ソースコード情報が不完全であり、サードパーティ製の AMD バイナリが含まれているため公開は行われていません（詳細：

docs/CUSTOM_OVERLAY.md

）。

🐛 バグ報告と GPU テスト

失敗したテストやバグ発見時は Issue をご公開ください。貴重な情報となります。

.\scripts\gpu-scan.ps1 -OutputPath .\gpu-report.json
.\scripts\test-runtime.ps1

報告のお願い:

GPU 互換性レポート (
```
gpu-report.json
```
) の開示
アプリケーション名、結果、最初の有用なエラー/出力

📂 リポジトリの構造

```
scripts/
```
: インストール、診断、スキャナー、ステージング、ランチャー
```
manifests/
```
: 固定バージョン、ハッシュ、GPU アーキテクチャメタデータ
```
docs/
```
: 検証、アーキテクチャ、ベンチマーク、トラブルシューティング
```
examples/
```
: 統合/リファレンススニペット
```
.runtime/
```
: 生成された依存関係およびレポート (Git に無視)
```
local-artifacts/
```
: ローカルアーカイブファイル (Git に無視)

⛔ 制限事項

検証範囲: 現在検証されているのは RX 9060 XT / gfx1200 のみです。
ZLUDA の性質: 完全な CUDA インプリメンテーションではありません。
Windows ROCm: Windows は ROCm エコシステムのサブセットのみを公開しています。
公式 HIP SDK の制限: 安定版パスには cuDNN や MIOpen が利用できません。
非対応機能: NCCL, TensorRT、サポートされていない PTX 動作、一部のカスタム CUDA 拡張は失敗する可能性があります。
環境変数:
```
ZLUDA_CC=8.6
```
は AMD GPU のアーキテクチャではなく、CUDA 互換値です。

📜 ライセンスとサードパーティ製ソフトウェア

プロジェクト固有: スクリプトとドキュメントは MIT ライセンス です。
サードパーティ: ZLUDA, AMD ROCm/HIP, NVIDIA CUDA コンポーネント, PyTorch/LibTorch はそれぞれの元リポジトリのライセンスを維持しています。

詳細：

THIRD_PARTY_NOTICES.md

同じ日のほかのニュース

一覧に戻る →

2026/09/14 6:06

Claude Fable 5.1 が、370年もの間解読されてこなかったシフラル・ディスティッヒを解読しました

## Japanese Translation: Claude AI が、ロイヤリストのトマス・アークハート（*Logopandecteision* および *The Jewel* の作品）から提示された 2 つの歴史的に未解決のカギ合を成功裏に解読し、ブルートフォース計算や人類による事前の解読なしに、王チャールズ 2 世への隠された祈りを明らかにしました。これらのカギ合は、既知の解法が存在せず、CIA などの組織によってこれまで追求されたことがなかったため、特に選ばれました。大規模なデータ処理ではなく、モデルは単純で埋め込まれた構造的ロジックを認識しました：一方のカギ合は、各数字をアークハートの 32 の「Proquiritations」内の単語インデックスにマッピングし、他方は *The Jewel* のページインデックスに数字をマッピングし、それらのページの最初の一語の頭文字を採用します。これにより、「O GOD UPHOLD KING CHARLS THE SECOND / MAKE HIM THE SUPREME RULER OF THIS LAND」という 2 つのロイヤリストの祈りと、「GREAT LORD, MANTAINE THAT REGAL FAMILIE / WHEREOF KING CHARLS THE SECOND IS THE HEAD...」という ottava rima 形式の祈りが得られ、写本エラー、ハイフン接続語、ページシフトオフセット、および *The Jewel* の不読み可能なセグメントによる軽微な不一致を除いて正確です。検証の結果、275 の位置のうち 231 が正確な最初の単語の一致を示しています。1652 年版の *Jewel* のフリーデジタル画像が存在しないため、残りの不明点を解決するには実物コピーまたはジャック＆ライアルの 1983 年版が必要です。この成果は、高度な AI が以前見過ごされてきた微妙な構造的パターンを検出することで歴史的真実を明らかにすることを示しており、暗号解析を計算的なブルートフォースからパターン認識へ転換しました。

2026/09/14 2:37

Google はなぜ依然として不適切な広告を表示し続けているのでしょうか？

## Japanese Translation: Google の高度な AI モデルである Gemini は、iOS システムアラートのパロディを用いてユーザーをクリックさせるよう誘導する欺瞞的な YouTube 広告を特定しました。オペレーティングシステムのダイアログを模倣した広告を禁止する厳格なポリシーが存在にもかかわらず、この誤解を招くクリエイティブは複数回のユーザー苦情にもかかわらず人間による審査官によって以前承認されていました。広告は非機能のボタンを用いて緊急のハードウェア故障状態を偽造し、視聴者にデバイスが直ちに技術的危機に直面しているという錯覚を成功裡に抱かせました。この操作は虚偽表示に関する基本的なルールに違反し、プラットフォームの安全メカニズムに対するユーザーの信頼を損ないます。したがって、Google はクリエイティブコンテンツを即座に承認停止するよう推奨し、ポリシー違反警告を発出することを示唆しています。広告主がこの種の欺瞞的な実践を継続した場合、アカウントの完全な停止のリスクに直面します。この事例は、人間による監視と自動検知の間にある重大なギャップを浮き彫りにしており、Google はこれらの洗練された詐欺を特定できる強力な AI を保有していますが、システムはまだ有害コンテンツがユーザーに到達する前に能動的にブロックするためにそれらを完全に活用していないという状況です。

2026/09/10 21:27

Julia 1.13 のハイライト

## Japanese Translation: Julia 1.13 がリリースされ、回帰と課題を特定することに焦点を当てたテスターおよびコントリビューターからの大きな貢献が反映されています。今回のアップデートは、特に起動時間とパッケージの前コンパイルにおいて劇的なパフォーマンス向上をもたらします。ベンチマークによると、パッケージの読み込みはバージョン 1.12 に比べて約 30% 速く（LTS の 1.10 に比べて約 10-20% 速く）、アプリケーションの起動時間は 1.12 に比べて約 20% 向上しており、平均的なスピードアップ率は約 1.22 倍です。これらの改善は、AbstractString および数値型に対して RapidhashNano を採用したことであり、イメージオブジェクトのマーキングをスキップしてフルコレクション時間を短縮した強化された garbage collection、そして新しいデフォルトのハッシュングアルゴリズムという技術的なアップデートによって実現されています。より迅速な開発ワークフローを支援するために、重要なバグ修正により Ctrl-C を通じた割り込み処理がより信頼性高く、タスクのカANCEL mechanisms が改善されました。また、リリースには REPL に直接組み込まれる貴重な開発者ツールが含まれます：内部実装による構文ハイライトは OhMyREPL.jl などの外部パッケージの必要性を排除し、新しい fzf スタイルの履歴検索（Ctrl-R）がファジー検索と複数結果の選択、そして REPL モードの表示をサポートします。また、Windows では効率的なテキスト入力を可能にする括弧付きペースト機能も利用可能です。診断機能をさらに強化するために、「--trace-eval」フラグにより、テストスイートやスクリプトでの停滞を特定しながらトップレベルの評価進捗を監視することができ、新しい「@__FUNCTION__」マクロは「#self#」の代替としてパブリック API として機能します。さらに、イントロスペクションマクロは型の付いた呼び出し式を受け付けるようになり、Time To First X（TTFX）モニタリングは 2026 年 9 月 7 日より稼働開始される新しい CI ジョブを通じて Julia の開発プロセスの一部として統合されました。これらの改善は、テスト時や大規模スクリプト実行時の待ち時間を大幅に削減し、個人のコントリビューターおよびエンタープライズチームの両方に対して全体の生産性を高め、より速いフィードバックループを提供します。 ## Text to translate: Julia version 1.13 has been released with significant contributions from testers and contributors focused on identifying regressions and issues. The update delivers dramatic performance improvements, particularly in startup times and package precompilation. Benchmarks indicate that loading packages is now roughly 30% faster than in version 1.12 (and roughly 10-20% faster than 1.10 LTS), while application startup times have improved by approximately 20% over 1.12, with a mean speedup of ~1.22x. These gains are driven by technical updates including the adoption of RapidhashNano for AbstractString and numeric types, enhanced garbage collection that skips marking image objects to reduce full collection time, and new default hashing algorithms. To support this faster development workflow, critical bug fixes ensure more reliable interrupt handling via Ctrl-C and improved task cancellation mechanisms. The release also introduces valuable developer tools directly into the REPL: built-in syntax highlighting replaces the need for external packages like OhMyREPL.jl, a new fzf-style history search (Ctrl-R) supports fuzzy searching with multiple result selection and REPL mode indication, and bracketed paste functionality is now available on Windows for efficient text input. Further enhancing diagnostics, the `--trace-eval` flag allows users to monitor top-level evaluation progress to identify hangs in test suites or scripts, while a new `@__FUNCTION__` macro serves as a public API alternative to `#self#`. Additionally, introspection macros now accept call expressions with types, and Time To First X (TTFX) monitoring is now an integrated part of Julia's development process through new CI jobs, going live on September 7, 2026. Collectively, these improvements significantly reduce wait times during testing or large-scale script execution, thereby boosting overall productivity and providing faster feedback loops for both individual contributors and enterprise teams.