2026年6月4日、 経済産業省 と 国立研究開発法人新エネルギー・産業技術総合開発機構 (NEDO) が実施する Generative AI Accelerator Challenge (GENIAC) の一環として実施している基盤モデル開発支援事業の 第4期における採択事業者 のキックオフが行われました。今回 AWS は NVIDIA B200 Tensor Core GPU を搭載する Amazon EC2 P6-B200 インスタンス ( p6-b200.48xlarge )、NVIDIA H200 Tensor Core GPU を搭載する Amazon EC2 P5en インスタンス ( p5en.48xlarge )、NVIDIA H100 Tensor Core GPU を搭載する Amazon EC2 P5 インスタンス ( p5.48xlarge , p5.4xlarge ) 等の学習・推論に必要な仮想サーバーを提供します。 AWS は、 GENIAC バーチャルチーム を中心に、以下の支援を提供します: 計算資源 : Amazon EC2 P6-B200, P5en, P5 インスタンスの提供 技術支援 : AWS Solutions Architect (SA) を中心としたメンバーにより、コンピュート (EC2)・ネットワーク ( Elastic Fabric Adapter (EFA) )・ストレージ ( Amazon FSx for Lustre および Amazon S3 ) で構成される分散学習環境の AWS ParallelCluster  を活用した構築・管理の支援 開発者コミュニティ支援 : 海外モデルプロバイダーの開発メンバーとの交流イベントによる最先端の開発動向調査や海外視察、国内の機械学習エンジニア同士の交流による知見共有をはじめとした Meetup の実施 事業化支援 : GENIAC を通じて開発された基盤モデル・生成 AI アプリケーションの Amazon Bedrock Marketplace 、 AWS Marketplace の活用による go-to-market (GTM) 支援、利用企業との AWS 主催イベントを通じたマッチング機会の提供 これらは、経済産業省商務情報政策局情報処理基盤産業室、NEDO、ボストン コンサルティング グループ (BCG)、および AWS パートナーであるクラスメソッド株式会社と密に連携のうえで提供されます。 採択事業者 採択事業者のうち AWS を利用する事業者は以下です (現時点で承諾が得られたもののみをアルファベット・五十音順で掲載): 株式会社ABEJA Direava株式会社 株式会社DubGuild 株式会社Preferred Networks 株式会社メルカリ ONESTRUCTION株式会社 Sansan株式会社 株式会社Spectee 採択事業者からコメントを頂きました 株式会社ABEJAは、GENIAC第一期から継続して、LLMの社会実装への貢献を目的に、LLMおよび周辺技術の社会実装に取り組んでまいりました。 第四期では間違いが許されないミッションクリティカル事業への利活用を目的に、LLMおよび領域特化型のAIエージェントの研究開発に取り組みます。その上で、株式会社IDOM様と連携し、自動車整備領域における利活用を実証します。 AWS様の大規模な計算資源および技術支援を活用することで、過去事例など複数の情報ソースから必要な情報を自律的に検索・参照するToolUse能力、多様なデータを用いて論理的・段階的に解答を導き出す多段推論能力の強化を進めてまいります。 このたび新たに開発する技術は、実店舗で「Human in the Loop」の元、運用することを予定しています。精度を継続的に向上させながら、自動車整備領域における人手不足、属人化、技術の高度化による生産性低下といった課題の解決に貢献してまいります。 — 株式会社ABEJA 執行役員 木下 正文 氏   弊社はGENIACサイクル4において、外科手術における「未来予測AI基盤モデル」の開発に注力します。 サイクル3に引き続き、Amazon EC2 P5インスタンスや、大規模分散学習を支える最先端のインフラを継続して活用できることに深く感謝しております。AWS様の強力なサポートのもと、最先端AIの力で一歩先の医療現場を支えるソリューションの開発を加速させてまいります。 — Direava株式会社 CTO 斎藤 洸輔 氏   DubGuildは、大規模な音声インタラクションモデルの研究開発に取り組んでいます。 GENIACプロジェクトでは、B200 GPUを搭載したAWSのP6-B200インスタンスを活用し、30B級の大規模音声言語モデルの開発を進めてまいります。 本取り組みにあたり、Generative AI Innovation Centerをはじめ、AWSの皆様より多大なるご支援を賜っておりますこと、心より感謝申し上げます。 — 株式会社DubGuild CEO 大嵜匡俊 氏   株式会社メルカリは、GENIACプロジェクト4期目において、”Generative Retrieval技術を用いた二次流通市場向け高精度検索・推薦基盤モデルの開発”に取り組みます。Amazon EC2 P5インスタンスを活用し、大規模な学習を行います。AI自身が商品を丸暗記して探す次世代検索モデルによって、世界中の誰もが欲しい物にすぐに出会える最高の買い物体験を目指します。 — 株式会社メルカリ 研究開発組織R4D 所長 小堀 訓成 氏   AWS様には第3期に続き、第4期も引き続き支援いただきありがとうございます。 ONESTRUCTIONは本事業において、建設×AIをテーマに、建設ドメイン知識のAIエージェントへの統合と、それによる3次元設計（BIM）のAIによる自律化を目指します。 AWSの圧倒的なレジリエンスと信頼性に加え、とりわけGenAI Innovation Centerのチームによる世界水準の知見によるバックアップにより、建設業界のAI-Powerdを実現させます、ご期待ください。 — ONESTRUCTION株式会社 AI戦略ユニット Manager 日高 洸陽 氏   防災・危機管理分野からは初の採択となる今回、Specteeは独自の災害データとAI技術を基盤に、危機事象をリアルタイムに抽出する災害検知LLMと、ユーザー固有のBCP等を踏まえて行動を示唆する危機管理AIエージェントの開発に取り組みます。学習には Amazon EC2 P5 インスタンス、データ管理には Amazon S3 を活用し、AWS様のバーチャルチームによる技術支援のもと、人命に関わる領域に求められる高い精度と安定性の実現を目指します。日本発の次世代防災・危機管理基盤として、グローバル展開を見据えて開発を加速してまいります。 — 株式会社Spectee 取締役CRDO 加藤 奈々 氏 まとめ AWS では日本のお客様に対し、2023年の AWS LLM 開発支援プログラム にはじまり、グローバルの Generative AI Accelerator や AWS ジャパン生成 AI 実用化推進プログラム といった取り組みを通して生成 AI ワークロードを支援しています。GENIAC においても 第2期 、 第3期 に続き、第4期でも引き続き採択事業者の皆様と伴走し、これまで蓄積してきた知見を活かして日本の生成 AI 基盤モデル開発力の向上に貢献できれば幸いです。

こんにちは！Data＆Analysis部の今野です。 キャディは2026年6月8日(月)〜12日(金)にGメッセ群馬で開催されたJSAI2026（人工知能学会全国大会 第40回）にプラチナスポンサーとして協賛させていただきました。 この記事では5日間にわたる開催期間中の当社ブースの出展報告や、聴講した技術セッションのレポートをお伝えします。 会場紹介 ブース紹介 聴講したセッションの感想 非構造データからの情報抽出 画像音声メディア処理：視覚言語理解とマルチモーダル生成 終わりに 会場紹介 まずは会場の様子を紹介します！ 場内では複数のセッション・企業展示・ポスター発表が同時並行で実施されていました。企業展示では、多様な業界に跨る159社の企業が、生成AIに限らない幅広い機械学習技術の産業応用に関して紹介をしていました。私も色々なブースを訪れ、エンジニアの皆さんと意見交換をさせていただきました。 場内の案内図 大規模言語モデル等の生成AIとともにフィジカルAIも大きなテーマの一つとなっていて、実際に入口付近ではGMOインターネット株式会社のブースの前でヒューマノイドロボットが来場者を迎えていました。 入口から見た会場の様子 ブース紹介 次にキャディのブースについて紹介します！ ブースでは、主に私たちが提供している「製造業AIデータプラットフォームCADDi」の中で使用されている機械学習技術や現在取り組んでいる研究開発テーマの紹介をしました。また本サービスのデモを通して、実際に製造業の現場の課題解決にどのように貢献しているかを実感してもらえるようにしました。     注力してR&Dを行っているテーマの中でも、設計資産全体を横断して検索するための2D図面と3D CADモデルの埋め込み空間の統合・3D CADデータ内の加工に必要な特徴の認識・製造業ドメインに特化した独自の視覚言語モデル（VLM）評価ベンチマーク ManuDraw-Benchの3点について紹介させていただきました。 研究開発テーマのポスター   ノベルティとしては、キャディが各所で出展する度に大人気の「データ活用カツ」や製造業をイメージしたマイクロファイバークロスをお配りしました。   図面が文書としての特徴と幾何学的な形状が融合した複雑なデータであることやその中に潜む活用しきれていない情報の価値であったり、テキストや画像と比べるとあまり一般的でない題材の3D CADに対してどのようなアプローチを課題に応じて選択しているかについて関心を持って頂くことができました。 イベント期間中、キャディのブースに立ち寄ってくださった皆さん、本当にありがとうございました！ 聴講したセッションの感想 次に、聴講させていただいたセッションの感想を簡潔にまとめます。 非構造データからの情報抽出 株式会社リクルートの中田さんとSansan株式会社の山内さんがオーガナイザとして実施されたセッションです。 複数ページの請求書 ・医薬品データ・技術マニュアル ・有価証券報告書 など、多種多様な産業の実務に溢れる「非構造データ」から、いかに正確かつ網羅的に情報を抽出するかという共通の課題に対する検証結果が発表されました 。 問題設定及びそれに対して提案された手法は様々ですが、ほとんどの発表においてVLMが手法の中心に据えられていたことが印象的でした。引き続き物体認識やOCRに特化したモデルの有効性は変わらないものの、大規模言語モデルの推論能力を生かした情報の構造化はこの領域において避けては通れないものになっていると感じました。その中で、プロンプトの工夫・画像の前処理・ステップの分割・検索システムの統合など能力を最大限に引き出すための多岐に渡る手法が検証されていました。 図面という非構造化データからの情報抽出は我々の中心にある課題の一つで、日頃の取り組みと密接に関連したセッションであり、これから解析対象のカバレッジを拡張していくに当たり非常に示唆に富んだ内容でした。 https://pub.confit.atlas.jp/ja/event/jsai2026/session/acHLauKQ 画像音声メディア処理：視覚言語理解とマルチモーダル生成 本セッションでは、画像・音声・対話データといったマルチモーダル情報を対象に、人間の認知特性や数理的アプローチを組み合わせて処理のブラックボックスを解き明かし、生成・推論の「制御性と効率性」をいかに向上させるかという共通の課題が議論されました 。 特に印象的だったのは、東京大学の大坂さんによるVLMにおける視覚アクセス境界の存在を実証した研究です 。この研究では、思考のプロセスを言語化させるChain-of-ThoughtプロンプティングをVLMで行う際、モデルが「長く考えること」で視覚的な特徴抽出を拡張しているわけではなく、実際には言語空間内での記号的推論を延長しているに過ぎないという機構を示すものでした。 過去のテックブログ でも紹介しているように、図面からより高度な情報の獲得を目指していくに当たり、VLMのメカニズムに起因する視覚情報に基づく推論の限界は我々も課題に感じており、この問題を新たな視点で捉えられる研究内容であるように感じました。 https://pub.confit.atlas.jp/ja/event/jsai2026/session/fQHM84pJ 終わりに 5日間にわたるJSAI2026への協賛・参加を通じて、AIに関するアカデミックな着目点や産業応用における最新の機械学習技術について幅広い知見を得られる貴重な機会となりました。また、会場での多くの交流や専門的なセッションから、VLMの可能性など我々が日々取り組んでいる課題に対してもヒントを得られる非常に有意義な時間でした。 スピーカーの皆さん、参加者の皆さん、運営の皆さん、素晴らしい会をありがとうございました。 今後もキャディは技術的な挑戦や現場の課題解決に向けた取り組み、そして研究開発の内容を積極的に発信し、エンジニアコミュニティの発展の一助となれるような貢献を続けていきたいと思っています。 次回、また皆さんとお会いできることを心より楽しみにしています！

このブログは、第一三共株式会社 スマートリサーチ第二研究所と QSimulate による共著です。 はじめに 第一三共株式会社 (以下、第一三共) では D4 を活用し、DMTA サイクル (Design-Make-Test-Analyze) の中で Structure Based Drug Design (SBDD) 及び親和性予測を通じた創薬効率化を推進している。 創薬研究の高度化に伴い、親和性予測の精度向上はますます重要な課題となっている。Free Energy Perturbation (FEP) の活用に加え、より正確なエネルギー関数の導入が求められており、特に今後複雑化が見込まれる化学モダリティにおいては、従来の FEP では対応が困難であった非古典的相互作用や共有結合系の親和性予測を高い精度で実施できる技術が不可欠である。こうした背景のもと、QSimulate との国内外での面談を通じ、同社が有する量子化学 (QM) を組み込んだ FEP 計算技術 (QM-FEP) を評価した。同社は、創薬研究に求められる実用的なスループットを確保しながら、クラウド環境を活用した計算コストの最適化にも取り組んでいる。計算精度と速度を高い水準で両立する同社の技術は我々のニーズに合致するものと判断した。 QSimulate の紹介、特長 QSimulate は創薬研究を加速するためのシミュレーション技術を開発するボストン発のスタートアップであり、ノースウェスタン大学教授であった CEO 塩崎亨らにより 2018 年に設立された。独自の量子化学計算技術を駆使することで、世界で唯一 QM に基づく FEP を商用プロダクト QUELO として展開している。QUELO は QM 力場と独自の AI 力場を併用することにより、従来の標的に対する高精度・高スループットとともに、金属配位性リガンドのような非古典的相互作用や共有結合系での高精度な結合親和性予測も可能にした。QUELO の機能強化や精度改善を目指して、現在はボストン、バークレー、ベルギー、東京の四拠点を中心とした国際チームで開発を推進している。 QUELO はコストパフォーマンスの優れた Amazon Elastic Compute Cloud (Amazon EC2) G7e や G6e インスタンス上で効率的に動作するように、単精度と倍精度を組み合わせた独自の混合精度アルゴリズムを採用している。従来の量子化学計算と比べて約 1,000 倍の高速化を達成し、タンパク質・リガンド複合体の量子化学計算が 1 スナップショットあたりミリ秒単位で処理可能となった。これまで数ヶ月かかっていたシミュレーション時間を数時間へと短縮、計算コストも 100 〜 1,000 分の 1 に削減することで、QM-FEP による創薬研究を現実的なものにした。 図 1: QUELO プラットフォームの図 QUELO は AWS ParallelCluster 上に展開され、 AWS CloudFormation を使った迅速なデプロイと簡易な運用を実現している。Amazon EC2 のオンデマンドインスタンスとスポットインスタンスを使い分けることで、状況に応じた弾力的な計算リソースの確保が可能である。またデータ基盤には Amazon Relational Database Service (Amazon RDS)、ストレージには Amazon Simple Storage Service (Amazon S3) を採用することで、データの堅牢性とアクセス利便性を確保している。さらに知的財産保護のため、ウェブアプリケーションを保護する AWS WAF など、AWS の豊富なセキュリティ機能を全面に活かした安全な環境を提供している。 図 2: AWS 上に展開された QUELO のアーキテクチャ図。QUELO は AWS ParallelCluster、Amazon EC2、Amazon RDS、 AWS Lambda 、Amazon S3、AWS WAF などの様々な AWS の機能を活用しています。 QSimulate の評価 (既存課題の貢献など) QUELO の技術導入により、従来の課題解決に向けた成果が得られてきている。QM 力場を活用した計算では良好な予測精度が確認され、さらに同社独自の AI 力場を組み合わせることで、計算精度と計算速度の両立が実現されている。 クラウド環境の活用においては、通常時はスポットインスタンス、緊急時はオンデマンドインスタンスを使い分けることで、現場のニーズに応じた柔軟な計算実行が可能であることが確認された。AI 力場の適用では計算時間の短縮を、QM 力場の適用では従来手法では対応が困難であった非古典的相互作用への対応をそれぞれ実現した。 既に複数の創薬プログラム・標的に活用しており、実際のプロジェクトにおいて新規ケモタイプ創出にも貢献した。今後、共有結合系において Warhead の比較が必要な場面での親和性予測についても、技術革新によってさらなる精度の向上と適応範囲拡大を期待している。 まとめ 創薬研究において、化合物候補を迅速に高活性な群へと絞り込むことは、効率化を行う上で必須なプロセスである。QSimulate 技術の活用は、QM 力場による高い予測精度と、 AI 力場およびクラウド環境を組み合わせた計算速度の向上を同時に実現できることが示され、本課題に対する有効な解決策の一つといえる。 今後は、本技術を複数創薬プロジェクトへ適用し、さらに推進していく予定である。計算精度・速度の両立がもたらす恩恵を享受し、創薬サイクルの加速と成功確率の向上に継続的に貢献していきたい。 おわりに 本ブログでご紹介した第一三共株式会社と QSimulate の取り組みや関連する AWS サービスに関して、ご興味・ご質問をお持ちのお客様は お問い合わせフォーム もしくは担当営業までご連絡ください。 著者について 第一三共株式会社 岡田 晃季 (Akitoshi Okada) スマートリサーチ第二研究所 第三グループ シニアサイエンティスト: 創薬効率化に向けた、計算化学/機械学習による活性/物性予測を担当。「計算とはいつも二手三手先を考えて行うものだ…」と言えるようになりたい。 森友 紋子 (Ayako Moritomo) スマートリサーチ第二研究所 第三グループ プリンシパルサイエンティスト: 計算化学の活用を通じた創薬研究効率化実現を目指しています。仕事においても私生活においても、まず状況を整理したうえで効率を重視して行動するタイプで、息抜きは読書とピアノです。 芹沢 貴之 (Takayuki Serizawa) スマートリサーチ第二研究所 第三グループ長: マルチモダリティインフォマティクスの推進を基軸とする業務変革推進、研究効率化に興味があります。スポーツ観戦が好きですが種目がドッジボールからバレーボールと陸上に代わりました。 QSimulate 塩崎 亨 (Toru Shiozaki) QSimulate CEO: 創薬におけるコンピュータ・シミュレーションの新しいあり方を提案するために QSimulate をボストンで起業。前職ではノースウェスタン大学化学科で研究室を運営。最近庭いじりにはまっています。 井本 翔 (Sho Imoto) QSimulate Japan, Chief Scientist: 計算化学による研究開発加速をできるように、デプロイ支援から技術指導まで包括的なサポートを目指しています。元々は水泳をやっていましたが、最近は陸上進出を果たしマラソンにも熱中しています。 アマゾン ウェブ サービス ジャパン合同会社 中島 丈博 (Takehiro Nakajima) ハイテク & ヘルスケア・ライフサイエンス部 シニアソリューションアーキテクト: ヘルスケア・ライフサイエンスのお客様を中心にクラウド利用の技術支援をしており、ユースケースの紹介やお客様のご要望を具現化するための活動をしています。週末は旅の予定に思いを巡らせています。