# MLCommons Chakra 分散AI/MLワークロードの性能挙動を記述する標準グラフ表現「Chakra実行トレース(ET)」と、それを収集・変換・分析・再生・シミュレーションするための補完的ツール群からなるオープンかつポータブルなエコシステム。2023年にMetaと[[Georgia Institute of Technology]]が立ち上げた標準化の取り組みが今日では40以上の企業・組織が参加する[[MLCommons]]のワーキンググループへ発展した。(Source: [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]]) Chakra ETは有向非巡回グラフ(DAG)であり、ノードはcompute/memory/communicationの操作を表し、エッジはcontrol依存関係とdata依存関係を表す。モデルパラメータやデータセットの詳細を開示せずに、企業間でワークロードを共有できるよう設計されている。トレース収集はPyTorchのExecution Graph ObserverとKinetoを組み合わせ、Chakra Trace LinkerとChakra Trace Converterがホスト側・デバイス側トレースを統合して正規化されたChakra ET DAGを出力する。 下流ツールとして、trace analysis(可視化・再構成)、trace replay(実システム上での再実行)、simulation/emulation([[ASTRA-sim]]・Keysight AI Data Center Builder・Scala Compute Platform等)の3用途をサポートする。[[NVIDIA]]・[[AMD]]・Meta・Keysight・Hewlett Packard Enterprise・Scala Computingをはじめとする業界で実運用に採用されており、PyTorchとNVIDIA NeMoに正式サポートが組み込まれている。[[vLLM]]統合により推論ワークロード(MoEトークンルーティング、KVキャッシュオフロード、Prefill-Decode分離間のKV転送)のトレース分析にも拡張されている。 コードベースはApache-2.0ライセンスでGitHub上に公開されている(https://github.com/mlcommons/chakra)。(Source: [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]]) ## 関連 - 本ソース: [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]] - 標準化団体: [[MLCommons]] - 共同開発機関: [[Georgia Institute of Technology]] - シミュレータ統合先: [[ASTRA-sim]] - 概念: [[実行トレース]]