本研究では，医用画像解析に用いられる自己教師あり表現学習の高速化を目的として，MAE と CMAE の GPU 並列実行環境の構築を行った．MAE については名古屋大学のスーパーコンピュータ「不老」TypeIIサブシステムにおいて分散学習（DDP）を実装し，GPU 数拡大による学習時間短縮を確認した．CMAE は既存の DDP 実装を同環境へ移植し，大規模 GPU 上での安定動作を検証した．さらにプロファイリングにより計算・通信の初期的なボトルネックを把握した．