トピック: Graph Neural Network (GNN)

全セクション横断 6 件

グラフニューラルネットワークの分類精度を平均3.3%改善する手法「BES」が発表された。金融不正検知や医薬品候補探索など、誤分類コストが高い業務領域での実用化が期待される。

米欧の研究チームが開発した粒子追跡用AIアーキテクチャ「HEPTv2」が、従来手法比で推論速度を最大52倍に高めつつ精度を向上させた。次世代大型ハドロン衝突型加速器の実時間データ処理を可能にし、科学計算基盤と半導体設計の両分野に波及効果をもたらす。

米イリノイ大学などの研究チームが、大規模ECや動画配信向けに生成AIを活用した次世代レコメンドエンジン「G2Rec」を発表した。ユーザーの行動履歴と商品の意味情報を統合し、従来手法を上回る精度を実証した。

京都大学などの研究チームが、グラフニューラルネットワークを用いて巡回セールス問題を従来手法より高精度かつ高速に解くAGDNを発表した。物流・製造・営業など経路最適化を要する産業に広く応用可能とみられる。

グラフニューラルネットワークを用いた新手法が、流体シミュレーションの最大ボトルネックである圧力計算を最大37%短縮することが示された。航空・自動車・エネルギー分野のCAE業務コスト削減に直結する成果である。

グラフニューラルネットワークの位置エンコーディングについて、実務で広く使われる「打ち切り版」では理論上の等価性が成立しないことが判明した。AI精度向上に取り組む企業のモデル設計戦略に直接影響を与える。