TSUBAME共同利用 採択状況・利用課題

公開されている英語中心のコーパスで学習済みの大規模言語モデルをベースに、日本語コーパスに加え、日英対訳データ、プログラミングコード、数学問題テキスト、技術文書などのデータを用いて継続学習を行い、日本語に強く、Reasoning能力を獲得できる下地を有する大規模言語モデルを構築する。また、構築した大規模言語モデルの性能評価を行う。 加えて、LLMの商業利用を見据え、継続事前学習されたモデルにPost-TrainingとしてSFT, GRPO等を行い、Reasoning能力の獲得を目指す。

タンパク質の蛍光特性を計算科学的に予測・設計するための統合パイプラインの開発。AlphaFold3による構造予測、ProteinMPNNによる配列設計、ESMFoldによる高速構造スクリーニング、Rosettaによるエネルギー評価、GROMACSによる分子動力学シミュレーションを組み合わせ、蛍光タンパク質の新規変異体設計および非蛍光βバレルタンパク質への蛍光機能導入を目指す大規模計算スクリーニングを実施する。

低次元材料がファンデルワールス相互作用によって階層化・集合化したナノ構造体の熱物性は、局所的な多面体の歪みや複雑なネットワーク構造に大きく依存する。本研究では、密度汎関数法、分子動力学法、格子動力学法といった原子・分子スケールのシミュレーション手法を駆使し、層状化合物や各種ナノ材料を対象にフォノン特性を精密に解析する。これにより、構造と熱物性の相関メカニズムを体系的に解明し、新たな熱機能性材料設計の基盤を構築することを目指す。

本研究は、深層学習と次元圧縮技術を用いて、リアルタイム浸水域予測の高速化を図ることを目的とする。従来の数値解析では予測に時間を要するため、災害発生時の即時対応が困難であるという課題があった。そこで本研究では、特異値分解（SVD）などの次元圧縮手法によりデータの次元を削減し、DNN（Deep Neural Network）を用いて浸水域を高精度にかつ短時間で予測可能なモデルを構築した。これにより、迅速な水防災対応が可能となり、実災害における利活用が期待される。

本研究課題では、学術データ（論文、特許、ウェブページなど）の利活用を目的とし、データ整形やテキスト処理などの前処理、分析、モデル学習、諸タスクでの応用という一連のパイプラインを構築する。特に、日本語テキストを効率的かつ高性能に抽出する手法と、既存の外部データセットとの連携方法を確立し、国内成果情報の検索・推薦に向けて言語モデルを訓練する。学術ドメイン以外のデータにおいても同様のアプローチを実験することで本研究課題による成果の応用可能性を検証する。

本研究では、タンパク質配列情報と化合物表現を統合的に扱う深層学習基盤を用い、標的に応じた候補分子探索を支援する生成的手法の検討を行う。相互作用データを参照しながら共有表現を学習させることで、標的側の特徴を反映した分子候補の提案や潜在空間上での関係性の整理を目指す。大規模データと事前学習済みモデルを活用し、創薬初期段階における計算的設計手法としての有用性を、多面的な評価を通じて検証する。さらに、標的ごとの候補分布の違いや生成傾向を比較し、実用的な探索支援へつながる基盤的知見の整理を行うとともに、関連データの扱い方についても検討を進める。

COVID-19パンデミックを皮切りに、ウイルス感染症研究はビッグデータの時代に突入した。感染症研究を実施するにあたり要求される計算資源は増大している。現代の感染症研究は、次世代シーケンサーから得られる大量のシーケンスデータ、SARS-CoV-2のゲノム疫学データ、航空機ネットワークの人流データといったビッグデータの活用が不可欠である。本研究ではより効率的な感染症制御法の確立に向けて、これらのビッグデータからウイルスの流行と進化パターンを抽出し、さらには予測するための手法の開発に取り組む。

DNA二本鎖切断(DSB)修復タンパク質であるKu70はDSB修復以外にも核外において様々な機能に関与している。これまで我々はKu70の核移行シグナル(NLS)を同定し、NLS中のリジン残基のアセチル化によってKu70の核移行が制御されている可能性を示した。最近、Ku70のNLS近傍のリジン残基がメチル化されると核内のKu70が細胞質に移動することが報告され、この領域に核外輸送シグナル(NES)も存在する可能性が示唆された。そこで本課題では、予想されるNESと核外輸送受容体との結合力がリジン残基のメチル化によってどのように変化するかを計算化学的手法を用いて解析したいと考えている。

本課題では深層学習に関する基礎技術開発やあらゆる技術の応用に取り組む。具体的には次世代深層学習に関する基礎技術の開発、大規模言語モデルの創発性に関する研究、ニューラルネットと大規模言語モデルを使用した自然言語処理に関する研究、大規模言語モデルを用いたマルチモーダル推論タスクの実行、大規模言語モデルを用いた未知の方策獲得のための既存方策の合成やロボットの低レベル方策の学習効率化アルゴリズムの開発、最適化アルゴリズムにおける方法論の開発とその実践的なタスクへの応用に関する研究、事前学習された拡散モデルを用いた画像編集などの下流タスクへの適応などである。"

本課題では，実世界で人間と協調する次世代AI技術を確立するため，その効率的な学習方法の開拓に取り組む．具体的には，音声・画像AIのためのスケーラブルな学習アルゴリズムの開拓，実世界データにおける性能評価ベンチマークの確立，大規模言語モデル (LLM) を活用した学習後のゼロショット調整など，実世界を理解し人々と協調するAIに必要な要素技術の開拓を進める．特に，得られた成果はOSSとして可能な限り整備・公開することで，AIによる環境理解における日本の学術的プレゼンスの向上に努める．"

大規模言語モデルとCLIPなどの事前学習された画像モデルを組み合わせることで，効率的にマルチモーダル言語モデルを構築することができる．本研究課題では，ダイアグラム画像やそのソースコードを対象としたマルチモーダルモデルの検証や，動画を対象としたマルチモーダルモデルの検証を行う．また，モデル内部の挙動確認を行い，どのような要素がモデルの性能に寄与しているかの分析も行う．さらに，モデルの性能を向上させるための合成データの生成方法についても検証を行う．これらの検証を通じて，高性能な小型のオープンマルチモーダルモデルの構築を行う．

計算機の文章読解・生成能力向上を目的とし、大規模テキストコーパスからの大規模言語モデルの学習、および、それを用いた応用システムの研究開発を行う。まず、Wikipediaやウェブテキストなどの大規模テキストコーパスを用いて大規模言語モデルを構築する。次に、構築した大規模言語モデルをファインチューニングすることによって、言語処理応用システムを構築する。これらのモデル・システムの構築時に人手で作成された言語知識や世界知識の統合を検討する。これらのモデル・システムの訓練のために、TSUBAME 4.0の並列計算環境を利用する。

Gタンパク質共役型受容体(GPCR)は細胞外からの刺激を受容し、細胞内へシグナルを伝達する。この過程において、GPCRは多様な下流シグナル分子と相互作用し、結合する分子の種類によって活性化されるシグナル経路が変化する。代表的な下流分子として、Gαタンパク質、βアレスチンなどが挙げられる。これらの分子はGPCRとの相互作用に伴って構造変化を起こし、その様式に応じて、さらに下流のエフェクター分子との相互作用や伝達されるシグナルの性質が決定される。本課題では、分子動力学シミュレーションによって下流分子の構造変化を解析し、GPCRシグナル伝達機構の理解を深めることを目的とする。

近年、ロボットなど身体性を有するエージェントにおける人工知能の研究が活発化している。エージェントが実世界を理解し適切に行動するためには、三次元環境の把握が不可欠である。本研究では、機械学習を用いた物体認識や地図生成、VLAモデル学習といった認識課題に取り組むとともに、それらの情報を活用したロボットナビゲーションやマニピュレーションなどの身体性AIの実現を目指す。また、教師あり学習や強化学習、逆強化学習などの手法を開発し、多様な実世界情報処理に応用する。

インフォマティクス技術とAIを用いたin silico解析、細胞株や精製タンパク質を用いたin vitro解析、そしてマウスやゼブラフィッシュを含む様々な動物モデルを用いたin vivo解析技術を組み合わせることで、遺伝性腫瘍および遺伝性骨疾患の治療法開発を行う。遺伝性腫瘍に対する新規治療法開発では、前年度に同定したヒット候補治療薬の機能解析及び効果判定を行う。遺伝性骨軟骨疾患に対する新規治療法開発では、ヒット化合物の構造展開及び、活性中心情報や構造活性相関情報に基づいた新規化合物のスクリーニングを行う。

深層学習では全てのデータが揃った状態で学習を行い、一度学習したモデルは更新できないのが一般的である。本利用課題では、継続的に学習しつづけるモデルの開発を目指す。また、継続的な深層学習に関する試みもいくつか存在するが、技巧的な手法を用いて経験的な性能向上を重視するものが多い。本利用課題では、数学的に厳密なベイズの原理に基づく理論により継続学習を根本的に見直すことを目的とする。ベイズ的な深層学習には通常の深層学習以上の膨大な計算量を要するため、TSUBAME4.0のような大規模な計算資源が必要である。

深層生成モデルによるディープフェイクの問題は社会で認知され、日本政府やG7でも対策が急務とされている。日本の国立情報学研究所ではディープフェイクの検知技術を主とした偽情報対策技術の研究開発を行なっている。本課題では、新しいディープフェイク検知手法の開発、偽情報対策向けのコーパスの構築、急速に普及が広がる画像生成サービスや音声のボイスクローンサービスなどの商用モデルも考慮したフェイクメディア検知技術、等の基礎研究と応用研究を実施する。

インフォデミックの時代において、AIが生成した偽音声の検出と声紋などの個人情報の保護ができる音声データ処理基盤が不可欠である。だたし、既存の偽音声検出と声紋を保護する匿名化技術は独立して設計されるため、共同最適化ができず、検出と保護の水準も理論的に示せない。本プロジェクトでは、偽音声検出と音声匿名化を「尤度比」に基づいた深層学習の枠組みに統合します。これにより、検出精度と匿名化強度の最適なバランスを数学的に導き出し、高度な信頼性を備えた次世代の音声処理モデルの構築を目指します。"

As synthetic multimedia technologies evolve, deepfake audio?ranging from cloned voices to AI-generated music?is becoming virtually indistinguishable from authentic recordings. While current state-of-the-art detectors achieve near-perfect performance (below 2% Equal Error Rate) on clean, speech-only datasets, they face a ""reality check"" when applied to real-world environments. Our pilot studies reveal a staggering nine-fold performance degradation?soaring to over 20% EER?when detectors are exposed to background noise, environmental sounds, or musical overlays.This project addresses a critical scientific question: How can we design a universal model robust to speech, music, noise, and environmental sounds, and how to enhance its reliability under real world conditions."

本課題では科学研究費(24K21324)に関する実験を行う。具体的にはリアル音声データセットに近いデータセットそのものを「生成」する新しい機械学習法の実現に取り組む。 具体的には、(1)個人のプライバシー保護が適切になされ、(2)データバイアスと公平性も改善され、(3)リアル音声データセットに近い有用性も有する大規模音声データセットを自動生成する方法を探求し、評価する。音声データセットのエンコーダ・デコーダモデル、音声の話者性に加え、センシティブな属性（発話内容、アクセント、年齢、性別等）に対してもプライバシー保護を行う手法、そして生成データセットの有用性を測る代表的利用タスクにおける公平性に関して研究を行う。

本研究では、申請者が独自に開発してきた有機合成反応や分子変換法に関して、理論計算（量子化学計算）を活用することで、その反応機構を解析・解明する。具体的な有機反応としては、ヘテロ元素導入反応や金属触媒反応、および可視光駆動型反応を対象にし、基底状態や励起状態の反応経路解析に取り組む。さらに、解明した反応機構を元に新たな有機反応を理論計算によって設計することで、反応機構解析から反応設計まで一貫した理論研究を行う。

COVID-19パンデミックを皮切りに、ウイルス感染症研究はビッグデータの時代に突入した。例えば、これまでに1600万配列以上のSARS-CoV-2ゲノムが解読され、データベース上で公開されてきた。また、高スループット実験により、ウイルスの性質（免疫逃避能や細胞への感染性など）が変異によりどのように変化するのか計測することが可能となった。これらのビッグデータを活用すれば、ウイルスの形質や進化を一定の精度で予測することが可能となる。本課題では、上記のビッグデータと大規模言語モデルや拡散モデルに代表される深層学習モデルを駆使し、ウイルスの形質や進化を予測する手法の開発に取り組む。

生成AIの急速な普及に伴い、AI生成テキスト・画像・音声・動画による偽情報拡散、モデルへの敵対的攻撃、プライバシー侵害といった複合的なセキュリティ脅威が深刻化している。本研究では、①AI生成コンテンツの高精度検出、②単一・マルチモーダルモデルに対する攻撃手法の解明と防御機構の設計、③ファクトチェックとプライバシー保護技術、④映像・音声・言語を横断したディープフェイク認証・出所追跡、の四つの柱を統合し、信頼性の高いAIシステムを支える包括的なセキュリティ基盤を確立する。

多結晶材料の高特性化のためには，製造工程における相変態，再結晶・粒成長などを通じた組織形成の制御が鍵となる．本研究では，高効率な組織計算が可能なフェーズフィールド（PF）法と，物性値の入力不要で組織発展や特性評価を行える分子動力学（MD）などの原子論的手法を融合し，複数GPU並列計算を併用することで，原子レベルの物理を反映した高精度な多結晶組織・特性予測を実現する．今年度は，主として（1）系統的MD計算による組織－力学特性相関の正確な評価と理解，（2）拡散時間スケールを扱える原子論的手法であるPFクリスタル法を通常のPF法と連携させる新しいマルチスケール多結晶組織形成モデリング，の2点を実施する．

次世代人工知能の実現に向け、強化学習などの系列データ深層学習モデルの汎化性能を飛躍的に向上させる手法を提案します。自由群の理論を応用し、ツリー探索と状態空間モデルの長所を活かした新しい状態表現方法を開発します。ランダム行列を用いた深層学習の最新理論に基づき、様々な環境認識や行動学習に対応できる汎用的な人工知能の実現を目指します。これにより、多様なタスクに柔軟に適応可能な次世代AIの基盤技術を創出します。

本研究では、MDシミュレーション・量子化学計算・AI分子設計ソフトウェアを組み合わせることにより、医薬品などの開発支援手法を研究する。まず、MDシミュレーションによって医薬品候補の物性や分子認識過程を予測し、量子化学計算で分子の電子構造や反応性を評価する。さらに、TSUBAMEの高性能計算能力を活かして複雑な分子システムを解析し、分子間相互作用や構造安定性、機能発現機構を明らかにすることで、医薬品や材料の設計および効果予測に貢献する技術の確立を目指す。

本課題は、特にシングルセル遺伝子発現量データに対して適用可能な深層学習モデルを新規に開発する。一般的な多層パーセプトロンやトランスフォーマーだけでなく、既知の生物学的な関係性を組み込んだアーキテクチャで学習を行う。これにより、ヒトの様々な組織における分子間相互作用の解明や、がんや神経変性疾患の病態の理解を目指す。モデルの学習による膨大なパラメータの最適化や、数万細胞以上の大規模なシングルセルデータの高速処理には、スーパーコンピュータが有する大規模かつ高性能な計算資源の利用が不可欠である。

タンパク質の立体構造アンサンブルは機能は密接に関連しており，立体構造アンサンブル生成モデルは「構造揺らぎ―機能相関」を調べる基盤技術となっている．しかし，既存の生成モデルは未知のタンパク質の立体構造アンサンブルに対する外挿性能を有していない．特に，学習外の配列長のタンパク質に対しての性能低下が著しい．そこで本研究では，外挿性能を有した生成モデルの開発を行う．生成モデルを短鎖データで訓練し，学習データに含まれない長鎖タンパク質の立体構造アンサンブルを生成するための学習戦略，およびモデルアーキテクチャの検討を行う．

地震観測データを用い、巨大地震の発生する沈み込み帯などの地震波速度構造を推定することは、当該地域の地震研究を推進する上で重要である。地震波速度構造を推定するための地震波走時トモグラフィは、データが本質的にスパースな劣決定問題であり、ベイズ推定を用いて推定結果の不確かさを定量化することが望ましい。本研究では、Physics-informed neural network(PINN)を活用し、速度構造のメッシュレスなモデリング・不確かさ定量化を行う手法について検討する。また、推定された速度構造を取り込んだ当該地域での地震データ解析を想定し、地殻変動データから3次元不均質構造内での分布震源を推定するPINN手法の研究も進める。

NVIDIA H100を搭載したスーパーコンピュータであるTSUBAME 4.0において、GROMACS、LAMMPS、OpenMMを中心に様々な古典分子動力学 (MD) コードの性能評価を行う。特に、MD計算の高負荷部分である力場計算についてGPU利用時の性能特性を調査する。また、MDコードの機能拡張とそのGPU計算機における特性を把握するため、機械学習ポテンシャルの利用および他の計算手法 (第一原理計算や有限要素法/体積法など) の連成に関連するプログラムやライブラリについても動作状況や性能情報を調べる。

地球観測データ解析の高度化に向けて、光学、SAR、マルチスペクトル、時系列データを統合的に理解可能な次世代基盤モデルの研究開発を行う。視覚言語モデルを核として、マルチモーダル変化検知、災害状況把握、地表・都市構造の3次元デジタルツイン生成、意味推論などの多様なタスクに対応する。さらに、観測計画、データ取得、解析、知識統合、意思決定支援を自律的に連携するAgentic AIを構築し、環境監視、防災、インフラ管理に資する実運用可能な知能基盤の実現を目指す。

工学応用を見据えた壁モデルラージ・エディ・シミュレーションに組み合わせる汎用的な壁面モデルとして，薄層近似された運動量式を積分することで得られる非平衡代数壁モデルの開発を行う．高レイノルズ数におけるチャネル乱流の直接数値解析を実施し，壁面近傍の瞬間場を取得する．得られた瞬間場にフィルター平均を施し，モデル化されたフィルター平均運動量式を解析する．特に，局所的に生じる乱流の非平衡が運動量式内の渦粘性モデルにあたえる影響を機械学習によってモデル化し，これを非平衡モデルに組み込む．

大規模言語モデル（LLM）を用いて、多施設から収集した電子カルテ内の非構造化テキスト情報から医薬品の有効性と安全性評価に資するアウトカムを抽出する方法論を開発することを目的とする。この取り組みにより、医薬品評価プロセスを革新的に効率化し、患者ケアの質の向上を目指す。 現在の法制度における実現可能性も検討し、最終的に、この研究は医薬品開発と医療サービス提供のプロセスを効率化し、患者の安全と福祉の向上に資することを目指す。

易変異性RNAウイルスによる新興・再興感染症は、社会や経済に多大な損失をもたらす。そのため、その対策は世界が共有する公衆衛生上の重要課題になっている。我々は、計算科学により易変異性ウイルスの理解と制御に向けた基礎・応用研究を進めている。ウイルスの性質は、ウイルスタンパク質の構造により決定される。本研究では、TSUBAMEにおいてAmberによる分子動力学シミュレーションを実施し、変異がウイルスタンパク質の動的性質や宿主因子との相互作用に及ぼす効果を解析する。得られた情報を、病原体の性質変化の分子基盤解明、リスク評価、リスク変異予測、創薬標的同定、ワクチン抗原設計等に活用する。

本課題では、メタサーフェスを用いた新規な電磁波制御技術の開発を目的とします。特に、空間的・時間的に変化するメタサーフェスの設計と、その応用として無線通信システムにおける信号処理の最適化を目指します。スーパーコンピュータTSUBAMEを活用し、メタサーフェスの特性をシミュレーションにより精密に解析することで、実験的アプローチに基づいた設計指針を得ることが期待されます。これにより、無線通信やセンサーデバイス、5Gおよび6G通信における応用可能性が広がります。

金属ギ酸化合物Al(HCOO)3は、ギ酸アニオンとAl3+イオンが3次元的に配列したネットワーク構造をもち、その細孔にH2、CO2、H2Oなどの小分子を吸着・貯蔵する能力を有する。申請者はこれまで、本物質をCO2やNH3などのガス吸着・貯蔵材料へ応用することを見据え、合成時に格子内に残存する不純物H2Oの除去や、吸着性能の向上に向けた異種金属ドーピングについて検討を進めてきた。これを踏まえ本課題では、第一原理計算を用いて、格子内に侵入したゲスト分子の吸着構造の最適化、ならびに振動スペクトル等の分光学的シミュレーションを実施する。得られた計算結果を実験データと比較・解析することで、本物質における微視的な吸着機構を解明することを目的とする。

糖鎖と蛋白質間の相互作用を解明することは、糖鎖の生合成や分解関連酵素の機能やレクチンの分子認識機構を理解する上で重要となる。しかし、糖鎖、糖鎖認識蛋白質それぞれが構造やダイナミクスの複雑性・多様性を有していることから、分子シミュレーションによる複合体モデリングや動的状態の解析の必要性が高い。我々は令和6、7年度の共同利用を通して、ニワトリ卵白リゾチームやシアル酸転移酵素、ペクチナーゼのダイナミクスおよび酵素 - 基質複合体相互作用に関する知見を得ることが出来た。今年度も引き続き分子動力学シミュレーションを中心としたアプローチにより、種々の糖鎖 - 蛋白質間相互作用解析に取り組む。

カーボンナノチューブ（CNT）糸は超高強度材として期待される次世代繊維材料であるが，その強度は単体CNTの理想特性には遠く及ばず，階層構造と力学特性の関係を明らかにすることが求められている．昨年度は，粗視化分子動力学解析により一方向配向CNTバンドルのアスペクト比依存性を調べ，CNT間の界面すべりおよび荷重移行長さが強度・剛性を支配することを示した．今年度は，原子スケールから糸全体スケールまでを対象とする階層的な数値解析により，CNT間相互作用，バンドル構造，糸内部構造が荷重伝達と強度発現に与える影響を評価し，高強度CNT糸の構造設計指針を得る．

狂犬病ウイルスGタンパク質(RV-G)とセンダイウイルスFタンパク質(SeV-F)を融合したキメラ糖タンパク質について、逆行性経シナプス感染能を最大化する最適なジャンクション配列を計算科学的に探索する。AlphaFold3による網羅的な構造予測、PPM 3.0による膜配向解析、GROMACSを用いた粗視化分子動力学シミュレーションを統合した独自の評価パイプラインを構築する。得られた構造的・動的特徴と実験的な感染タイターとの相関を機械学習により解析し、高効率な次世代センダイウイルスベクターの合理的設計基盤を確立する。

ミリ波帯における電波は他の周波数帯と比較して，電波の直進性が大きく，見通し伝搬の形態が多い。しかし，ひとたび電波伝搬のフレネルゾーン内に遮蔽物などが存在すると，受信電力の不確かさが大きくなる。昨年度までは，電波散乱シートの配置や大きさ等による散乱特性を明らかにした。本研究では，様々な使用状況を想定し，屋内環境等の中で使用する電波散乱シートを含む電波計測・制御デバイスの大規模電磁界シミュレーションを行い，ミリ波帯電波の受信電力等を高精度に予測できる新たな手法を開発する。また、無線通信機器からの放射パターン・等価等方性放射電力など性能に対して効率的な電磁界シミュレーションを実施する。

画像やテキストを統合的に利活用するマルチモーダルな大規模多言語言語モデルの推論に関する研究を行います。特に画像やテキストの意味理解と生成に焦点を当て、どのような画像やテキストが人間に好まれるのか、画像とテキストの間の相互関係はどのようになっているか、その判断に関する推論の過程が LLM と人間でどう違うか、などを解明する研究に取り組みます。また、LLM のチューニングによってどのような変化が起きているかについても検証していきます。

Cannabis sativaのカンナビノイド生合成において、CBDAシンターゼ（CBDAS）は基質CBGAから主にCBDAを生成するが、少量のTHCAも副生成することが知られている。本研究では、ハプロタイプ解決済みのゲノムから抽出したCBDAS天然アレル（繊維型など複数品種）について、AlphaFold3等による立体構造予測、CBGAとのドッキング解析で得た初期姿勢を出発点とした分子動力学（MD）シミュレーション、およびPLUMEDによる自由エネルギー解析を行う。CBGAが活性中心ポケット内でCBDA生成型・THCA生成型のいずれの反応前姿勢を取りやすいかを、アレル間で比較することで、THCA副生成リスクに関与する構造的要因を評価する。

本課題では、大規模メタサーフェスの設計に供するための、誘電体ナノ構造アレイの光学的な応答解析を行う。現在、誘電体ナノ構造からなる可視波長域で動作するメタサーフェスレンズの開発を進めている。構造の最適化のためには光学特性の計算が必須であるが、必要なメモリが膨大となるため、従来所有していたワークステーションでは十分な計算を行えなかった。そこで、TSUBAME 4.0上でマルチフィジックス計算ソフトを利用することで、本課題の本格的な展開に取り組むことを目的として、申請を行った。2024年度には，偏光・集光性・偏向を制御するメタサーフェスに関するマルチスケール解析を行う。

生体膜中では、脂質分子が均一に分布するのではなく、組成や分子間相互作用に応じて局所的な秩序構造やナノスケールの集合体を形成する。本課題では、複数種の脂質およびコレステロールからなるモデル膜について、全原子分子動力学シミュレーションを実施し、脂質分子の空間分布、局所構造、膜厚、拡散性などを詳細に解析する。これにより、生体膜における脂質集合構造の形成と安定性を支配する物理化学的要因を原子レベルで明らかにする。

申請者は多ノード・多GPU対応の擬スペクトル法MHDコードGallopeを開発し、cuFFTMpによる分散3次元FFTとOpenACCによるGPUオフロードにより、1ノード1GPUのMiyabi（GH200）でCPU版比4.2倍の高速化と256ノードま での良好な強スケーリングを実証した。本課題では1ノードにH100を4基搭載するTSUBAME4.0を用い、ノード 内NVLinkとノード間InfiniBandが混在する階層的通信環境でのcuFFTMpスラブ分割のスケーリング特性を系統的 に評価し、最適な実行構成を確立するとともに、磁気回転不安定性乱流の超高解像度計算への適用可能性を検証する。

高精度（HD）地図は，車線形状，交通規制，交差点構造などの道路情報を高精度に表現し，自動運転車の認識・経路計画・車両制御を支える重要な基盤である。一方，整備・更新コストが高く，下道を含む広域への適用は困難である。近年は生成AIによるオンラインHDマップ生成技術が注目されているが，遮蔽，認識誤差，環境変化などに起因する誤生成や既存地図との不整合が生じるため，生成地図の信頼性を十分に保証できない。本研究では，オンラインHDマップ生成と妥当性評価を統合し，自動運転に利用可能な高信頼HDマップ技術を確立するとともに，生成地図の利用可能性を定量的に評価する新たな手法を提案する。

本研究では、生命現象をデザインしプログラミングするための機械学習基盤を開発する。第一に、相互作用する複数のタンパク質の配列を統合的に学習するタンパク質言語モデルを構築し、個々の分子ではなく、複数のタンパク質からなる生体分子系全体の機能を考慮した同時設計を実現する。第二に、実験的に取得されたゲノム情報をゲノム言語モデルにより解析し、配列と生命機能の関係を学習する。大規模計算環境を活用してモデルの学習・検証を行い、新たな機能を備えたタンパク質システムおよび生物の創出につながる設計技術の確立を目指す。

電気自動車（Electric Vehicle：EV）における電動モータの高性能化にむけて，コイルで発生する熱を効率よく排熱する技術開発が求められている．本研究では，モータのコイル端部への油流れの数値シミュレーションを実施し，冷却性能の評価と油冷却システムの最適設計を実施する．この油の流れに関して，コイル端部は多くの銅線が非常に入り組んだ形状をしており，油の流動を予測するのは，非常に計算負荷が高い．本研究では，粒子法を用いてコイルエンドを流動する油流れの数値シミュレーションを行い，近年開発した熱伝達モデルにより，油冷却システムの排熱性能を調査し，最適な油冷却システムの提案を行う．

近年のサンプルリターンミッション「はやぶさ2」などの探査の成功から、小惑星上に分布する岩塊検知に十分なデータセットと、実際にそれを学習に用いた深層学習技術が提案されている。人の目では困難な小惑星全球の岩塊数え上げが可能となり、緯度・経度ごとの岩塊の分布や形状について情報が得られつつある。別の観点で、分光スペクトルの特徴から各岩塊の母天体の推測が可能であり、大量の岩塊を分光解析により分類できれば、より強く小惑星の形成史に制約を与えられる。本研究では「はやぶさ2」によるマルチバンド観測画像を用い、深層学習技術によって大量に検知された岩塊から分光情報を抽出し、岩塊の自動分類手法の開発に取り組む。

分子接着剤（molecular glue）は、タンパク質間に結合して三者複合体を誘起する低分子であり、従来手法では狙えない標的への応用が期待される。その活性は二者間の結合親和性だけでなく三者複合体の協同性にも支配されるため、計算による評価には複数階層の手法が用いられる。本課題では、三者複合体の構造と定量的な実験値が揃った系を対象に、分子動力学（MD）計算および自由エネルギー摂動（FEP）法を適用し、実験値との対応を系統的に評価する。あわせて既報の計算値を異なるエンジンで再現し、エンジンの差と手法の差を切り分ける。分子接着剤の計算設計においてどの手法をどのような標的で用いるべきかの指針を得る。

軽水炉の中性子輸送計算の信頼性向上には、温度・圧力に応じた軽水の熱中性子散乱則データの整備が重要である。本課題では、TSUBAME4.0上で、原子炉運転時に相当する高温・高圧水を対象に、水素原子核の量子効果を考慮するため、機械学習ポテンシャルを用いた経路積分分子動力学計算を試行する。複数の温度・圧力条件、計算系サイズ及びビーズ数について、プログラムの動作、計算速度、GPU利用効率、メモリ使用量及び計算の安定性を評価する。これにより、TSUBAME4.0の本格利用に適した実行条件を整理し、必要なGPU時間及び計算資源量を定量化する。

BRCA1とp53はどちらも細胞のがん抑制機構に関与するタンパク質であり、両者が相互作用することが実験的に報告されている。一方で、その原子レベルでの相互作用様式は十分に明らかにされていない。本研究では、実験的に相互作用が報告されているBRCA1の中央領域とp53のC末端領域を対象とし、AlphaFold-Multimerによる複数の複合体構造予測と分子動力学シミュレーションを組み合わせることで、安定な相互作用様式と相互作用に寄与するアミノ酸残基を解明する。

本研究では、赤外波長域で動作する光学メタサーフェスの大規模電磁界解析を実施し、ナノピラーアレイによる波面制御特性を明らかにする。これまでに、直径の異なるシリコンナノピラーの配置によって位相遅延が生じることを確認した一方、滑らかな波面傾斜の実現には配列条件の最適化が必要である。COMSOL MultiphysicsのWave Optics Module等を用い、アレイ規模、ピラー径分布、素子間の接続領域および解析領域寸法が、出射波面、電磁界分布、偏向特性に及ぼす影響を系統的に評価する。大規模な三次元モデルの計算に必要なメモリと計算時間をTSUBAME4.0で確保し、光学素子設計の指針を得る。

本課題では、深層学習を利用して、天然タンパク質の配列に依存しない新規タンパク質を計算機上で設計する。GPU上で生成モデルを実行して多様なアミノ酸配列と立体構造の候補を作成し、構造予測や計算上の評価指標を用いて、折りたたみの確からしさや構造の多様性を評価する。候補の生成、予測、選抜を反復し、目的に合うタンパク質を効率的に設計するワークフローを整備する。多数の独立した計算を並列実行して探索規模を拡大し、設計条件による候補の品質や計算効率の違いを比較する。得られた知見を今後のタンパク質設計研究に活用する。

本課題では、大規模言語モデル（LLM）への創造性付与において、ファインチューニング時に事実知識が崩壊する「壊滅的忘却」という根本的問題を克服するため、日本語特許文献からの創造性蒸留に特化したLLMの研究開発を行う。本研究により、特許文献に蓄積された人類の知的創造の成果をAIが学習・内在化し、属人的な経験や直感に依存せずとも革新的なアイデアを効率的に創出するシステムの実現可能性を検証する。本課題の成果は、企業の新製品開発・特許戦略立案・研究テーマ探索への応用を通じ、我が国産業界におけるイノベーション創出力の強化に寄与するものである。

本研究は、量子コンピュータを用いたCAE計算、材料計算、および量子機械学習（QML）の高度化を目指す基盤研究である。主な目的は、大規模条件下における量子アルゴリズムの理論的性能検証と、将来的な量子・古典ハイブリッド計算基盤の設計指針の獲得にある。現状の量子ハードウェアの制約を克服し、実用規模に近い条件でアルゴリズム挙動を評価するためには、指数関数的に増大する演算量とメモリ消費に対応した大規模な量子回路シミュレーションが不可欠である。本課題では、単体GPU環境では実行困難な規模のシミュレーションを分散GPU環境で並列実行し、強スケーリング特性や通信律速条件下での性能評価を行う。さらに、QMLにおける学習過程のスケーリング挙動解析や、材料モデル構築のための電子状態計算（DFT）および機械学習ポテンシャル（MLIP）生成も実施する。多数のGPUと高速インターコネクトを要するこれらの計算を通じ、古典HPC資源との高効率な連携アーキテクチャを検証する。本研究は、企業の通常業務とは明確に区別された学術的成果創出を目的とする研究開発であり、次世代の計算基盤構築に寄与するものである。

これまでのTSUBAME利用により開発したAI音声合成モデルおよびリアルタイムAI通訳システムの成果を踏まえ、次世代AI音声プラットフォームの高度化を目的とした研究開発を行う。これまでに、感情表現を強化した音声合成モデルやリアルタイム多言語通訳システムの基盤を構築し、実サービスとしての展開を開始した。一方で、より実用的なAI音声基盤の実現に向けては、対応言語のさらなる拡大、感情表現や話者特徴の高度化、リアルタイム推論の低遅延化などの課題が残されている。本研究では、TSUBAMEの大規模計算資源を活用し、大規模音声データを用いた深層学習モデルの訓練および推論最適化を進めることで、多言語かつ高品質なAI音声生成技術の実現を目指す。さらに、医療、教育、観光など多様な分野で活用可能なAI音声基盤の社会実装を推進する。

感情豊かな音声合成を行うには、音声から取得できる情報のうち、話者の感情や意図などを含む「パラ言語情報」を精緻に捉え活用する重要性が急速に高まっている。一方、そのようなパラ言語情報を扱うモデルはモデルアーキテクチャの工夫のみならず、モデル、データセットサイズのスケーリングが重要であることがわかってきている。弊社DubGuildは、このような音声モデルがスケーリングする時代においてモデル自体の学習手法、求められるデータ前処理技術、ファインチューニング手法について研究開発を行う。

自動運転AIの実用化には、高精度な環境認識や位置推定が不可欠である。しかし、自動運転用のAIプロセッサは、車載環境において電力消費や演算性能に厳しい制約があるため、大規模なニューラルネットワークをそのまま適用することは困難である。加えて、季節変化や昼夜による明暗差など、自動運転特有の環境変動に伴う外観変化に対してロバスト性を確保することも大きな課題となっている。本プロジェクトでは、こうした条件下でも高精度を維持可能な自動運転AIを実現するため、モデルの低ビット化手法や軽量演算メカニズムの開発を進める。今回は前回利用で得られた知見を踏まえ、混合精度量子化やマルチカメラに起因する幾何的な制約の下での軽量演算メカニズムの開発など実応用に向けた先進的な軽量化手法の検討を行う。

機械学習ポテンシャルでは原子間に働くエネルギー表面を量子化学計算レベルの精度で推論する手法で、量子化学計算を用いたレベルの高精度かつそれを用いるより高速にシミュレートする事が可能であるが、様々な結晶系や分子構造及びそれらを組み合わせた不規則、無秩序な構造を含めて学習する事は課題となっており、有機分子と無機固体を含めた界面に様に複雑なモデルへの取り組みは少ない。本研究では機械学習ポテンシャルの相互作用モデル精度を向上し、得られたモデルを用いた分子動力学シミュレーションにより有機無機界面が課題となる電池材料等の実問題適用を目的とする。

東京科学大学発ベンチャー第T092号のアヘッド・バイオコンピューティング株式会社は、IT創薬支援を事業の核として技術開発を行っている。特に、低分子や環状ペプチド創薬支援のための技術に優位性があり、本課題では、NVIDIA H100 GPUを活用したシミュレーション技術、バーチャルスクリーニングの研究開発を行うことを目的とする。具体的には、大規模化合物ライブラリを対象としたバーチャルスクリーニングに向けた技術開発を実施する。

強力な大規模言語モデル(LLM)を一から学習するには、複数の設計上の軸について適切な選択を行う必要があり、その組み合わせを本番規模で網羅的に検証することは計算コスト上困難である。本プロジェクトでは、計算コストの低い小規模モデルを用いて各軸の手法を検討する。そのうち有望と判断されたものについては、より大きなモデルサイズでの挙動も分析することで、本番規模の学習に適用した場合の有効性を確認する。これらを通じて、限られた計算機資源下でLLMを効率的に学習するための実験設計の整備に取り組む。

本課題では、ExG（EEG/EMG混合信号）、音声、画面状態・候補行動ログを用い、人の発話準備・発話運動に伴う信号から次の行動・発話意図を予測する基盤モデルと学習方法を検証する。自然操作ログではなく、音韻・運動・文脈状態を高エントロピーに探索したデータを用い、自己教師あり表現学習、候補条件付き行動予測、早期判定、文脈prior/LLM再ランキングを比較する。TSUBAMEでは大規模ablation、スケーリング則解析、汎化評価を行う。

本課題では、日本語音声認識を音声から最終表記までのブラックボックスとせず、かな・モーラ・韻律・信頼度などの音響証拠層を先に構築し、漢字・固有名詞・文脈を扱う表記層がその証拠を上書きできない監査可能なアーキテクチャを研究する。TSUBAME4.0のH100ノードを用い、公開日本語音声コーパス(ReazonSpeech等)上で、凍結エンコーダ上の自前ヘッド(かなCTC・モーラ・韻律・無音検出)を学習し、既存大規模ASRと比較評価する。特に劣化音声や無音区間の認識幻覚を音響ゲートで抑制しつつ精度を損なわないことを検証し、固有名詞・同音異義語・文脈を測る日本語ベンチマーク3種を整備する。