グラフ構造データ処理を加速するウェハースケール・コンピューティング

• Project/Area Number: 26K02920
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60090:High performance computing-related; Basic Section 60040:Computer system-related; Sections That Are Subject to Joint Review: Basic Section60040:Computer system-related , Basic Section60090:High performance computing-related
• Research Institution: Institute of Science Tokyo
• Principal Investigator: 小林 諒平 東京科学大学, 総合研究院, 准教授 (40783709)
• Co-Investigator(Kenkyū-buntansha): 宮島 敬明 明治大学, 理工学部, 専任講師 (90770850)
• Project Period (FY): 2026-04-01 – 2030-03-31
• Project Status: Granted (Fiscal Year 2026)
• Budget Amount: ¥24,700,000 (Direct Cost: ¥19,000,000、Indirect Cost: ¥5,700,000); Fiscal Year 2029: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2028: ¥7,410,000 (Direct Cost: ¥5,700,000、Indirect Cost: ¥1,710,000); Fiscal Year 2027: ¥8,060,000 (Direct Cost: ¥6,200,000、Indirect Cost: ¥1,860,000); Fiscal Year 2026: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
• Keywords: グラフニューラルネットワーク / ウェハースケール計算 / 疎行列演算 / 高性能計算 / 並列分散処理

Outline of Research at the Start

本研究は，創薬や知識グラフで重要なグラフ構造データを扱うAIを，より大きなデータで，より短時間に学習できる計算方式の開発を目指す．従来のGPUでは苦手な疎で不規則な計算を，1枚の大規模半導体基板を用いるウェハースケール計算機に適した形へ再設計し，既存の機械学習ソフトから利用できる実装として提供する．これにより，大規模データ処理の高効率化と，創薬候補探索や知識更新の効率向上を支える基盤を確立する．