AAAI-26ã«å‚åŠ ã—ã¾ã—ãŸ#2 ï½žæœ¬ä¼šè­°ã§ã€Œç•°ç¨®ãƒ‡ãƒ¼ã‚¿ä¸Šã§ã®å› æžœæŽ¢ç´¢æŠ€è¡“ã€ã¨ã€Œè¶…é«˜é€Ÿãªéžç·šå½¢å› æžœæŽ¢ç´¢æŠ€è¡“ã€ã«ã¤ã„ã¦ç™ºè¡¨ã—ã¾ã—ãŸï½ž

こんにちは．人工知能研究所の鈴木と金森です． 2026年1月20日から27日にシンガポールで開催された，AIに関する由緒ある国際学会”The 40th Annual AAAI Conference on Artificial Intelligence (AAAI-26)”において， 富士通からは複数件の論文発表とワークショップ開催の形で参加しました． そこでAAAI-26に関する記事を連載形式でお届けします．

本記事では，本会議に採択された我々の研究成果である「異種データ上での因果探索技術」と「超高速な非線形因果探索技術」に関する研究論文についてご紹介します． 次回の連載では、もう一件の採択論文の内容について解説します．

• 第１弾：AAAI-26に参加しました #1
  • ワークショップ主催に関する報告（公開中）
• 第２弾：AAAI-26に参加しました #2
  • å› æžœAI技術の論文発表に関する報告（今回の記事）
• 第３弾：AAAI-26に参加しました #3
  • AI推論技術の論文発表に関する報告（3月16日予定）

富士通が提案する企業向けベンチマーク：AIエージェントモデルの真価を引き出す #1 AIが「見ていないものを見る」とき：マルチモーダル大規模言語モデル(MLLM)の幻覚診断用ベンチマークの紹介

本記事は、TechBlog シリーズ「富士通が提案する企業向けベンチマーク：AIエージェントモデルの真価を引き出す #1 」**の第 1 回です。本シリーズは全 3 回で構成され、以下のスケジュールで公開予定です。

• 第 1 回：AIが「見ていないものを見る」とき：マルチモーダル大規模言語モデル(MLLM)の幻覚診断用ベンチマークの紹介（本記事）
• 第 2 回：AAAI 2026 AABA4ET参加報告とFujitsu RAG Hard Benchmarkの紹介 (3 月 13 日公開予定)
• 第 3 回：エンタープライズデータセットにおけるコンプライアンス評価 (3 月下旬公開予定)

AIが「見ていないものを見る」とき：マルチモーダル大規模言語モデル(MLLM)の幻覚診断用ベンチマークの紹介

はじめまして。富士通研究開発センター（北京）の人工知能研究所に所属する、Ziqiang Shi、Liu Liu、Zihao Guoです。本日は、MLLMが抱える、重要でありながら見過ごされがちな課題について、私たちの研究成果をご紹介します。それは、モデルが言語由来の知識に過度に頼るあまり、視覚情報と矛盾する回答を自信を持って生成してしまう現象です。私たちはこの現象をECHO（EvidenCe-prior Hallucination Observation）と名付け、この問題に対処するための初の専用ベンチマークFujitsu Hallucination Benchmarkと、そのベンチマークを活用した緩和戦略を提案します。

AAAI-26ã«å‚åŠ ã—ã¾ã—ãŸ#1 ～AIエージェントベンチマークに関するワークショップ開催～

こんにちは、富士通人工知能研究所の茂木・高橋・内田です。2026年1月20日から27日にシンガポールで開催された、AIに関する由緒ある国際学会”The 40th Annual AAAI Conference on Artificial Intelligence (AAAI-26)”において、富士通からは複数件の論文発表とワークショップ開催の形で参加しました。そこでAAAI-26に関する記事を連載形式でお届けします。

本記事では、私たちがワークショップを主催した様子を簡単にご紹介します。次回以降の連載では、下記の予定で論文発表の内容について解説します。

• 第一弾：AAAI-26に参加しました #1
  • ワークショップ主催に関する報告（今回の記事）
• 第２弾：AAAI-26に参加しました #2
  • å› æžœAI技術の論文発表に関する報告（3月12日予定）
• 第３弾：AAAI-26に参加しました #3
  • AI推論技術の論文発表に関する報告（3月16日予定）

ダイヤモンドスピン量子ビット向けクライオCMOSがさらに進化！ NVモジュールの複数量子ビット駆動に成功

モジュラー量子コンピューティングプロジェクト・プロジェクトディレクターの河口です。この記事では、私たち富士通とデルフト工科大学、QuTechとの共同研究で実現したクライオCMOSによる世界初のNVモジュール複数量子ビット動作の詳細について解説していきます[1]。なお本成果は、回路分野での最高峰の国際会議であるISSCCで2026年2月に発表され、QuTechの公式サイトにてプレスリリースされています[2]。

我々のエージェント評価システムが Agentic AI 国際コンペティションで2位を獲得しました！！

はじめに

こんにちは、富士通研究所 人工知能研究所の高橋と佐藤です。Agentic AI の国際的なコンペティション「AgentX AgentBeats Competition」に参加し、2nd Place（2位）を獲得することができました！！ 本ブログは、コンペの取り組みについてご紹介いたします。

顧客対応スキル向上に向けた 「リフレクションAIコーチ」の実証実験を開始

こんにちは。コンバージングテクノロジー基礎PJの岩崎と吉岡です。今回は、私たちが取り組んでいる、行動変容によるスキル定着化の研究開発の事例をご紹介します。

å¤§è¦æ¨¡ã‚°ãƒ©ãƒ•æ§‹é€ ã®ã€ŒèƒŒæ™¯ã‚’èª­ã‚€ã€ï¼šå¤§è¦æ¨¡ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯è§£é‡ˆã¸ã®æŒ‘æˆ¦

こんにちは、人工知能研究所の丸橋です。本記事はグラフAIシリーズの第3弾です。第1弾では10億ノード規模の大規模グラフをどのように学習するかを紹介しました。第2弾では、本来ブラックボックスであるグラフAIをどのように説明可能・解釈可能にするかを紹介しました。そして今回は、そのさらに先にある挑戦、「大規模グラフの背後にある現象そのものを推定する」というテーマについて、我々の取り組みを紹介します。

グラフAIを「解きほぐす」：ブラックボックスの説明可能性から自己解釈可能なモデルへ

こんにちは、私たちはFujitsu Research of India Pvt. Ltd（FRIPL）の人工知能研究所のVempalli Saketh、Siddartha Reddy Thummaluru、Harsh Pandey、Mahesh Chandranです。本日は、グラフAIをより透明で、信頼でき、実用的なものにするための最新の研究をご紹介できることを嬉しく思います。

LLM推論性能モデリング

こんにちは、富士通研究所のコンピューティング研究所の福本です。最近、LLM推論サービスが活用が進む中で、LLM推論サービスを高速化する研究開発が活発に行われています。一方で推論処理をサービス化するにあたって、LLM推論のスループットやレイテンシ（応答速度）がどのパラメータによって決まり変動するのか分かりづらいです。この課題は想定するLLM推論サービスに適切なGPUを選定するときにも同様に発生します。そこで今回は、簡単な性能モデルを作って調べてみました。その結果、簡単な近似でも、ボトルネックの切り替わりや性能の変化を説明できて、意外と役に立ちそうなことがわかりました。本記事ではLLM推論サービスの性能モデルの作り方と使用例について簡単に説明します。

10億ノードグラフを「使い切る」：大規模学習と適応型グラフAI

こんにちは。私たちは、Fujitsu Research of India Pvt. Ltd（FRIPL）の人工知能研究所に所属するMohit Meena、Yash Punjabi、Mahesh Chandranです。大規模グラフAIにおけるスケーラビリティの課題解決に焦点を当てた、私たちの最新の研究をご紹介できることを嬉しく思います。

SC25ã«å‚åŠ ãƒ»å±•ç¤ºã—ã¾ã—ãŸ#4 ～「FUJITSU-MONAKA」と「富岳NEXT」に関する展示

こんにちは、先端技術開発本部の枝澤友也、武藤優真、岡本拓也です。私たちはAI・HPC・クラウドなどの最先端領域の未来を支える次世代Armプロセッサ「FUJITSU-MONAKA」[^1]をはじめとした「FUJITSU-MONAKA」シリーズの開発に取り組んでいます。また、2025年6月よりスーパーコンピュータ「富岳」の後継システムである「富岳NEXT」の開発を開始しました。本プロジェクトは現在、理化学研究所様、NVIDIA様と共同で行っております。これらの取り組みや最新動向を世界に発信すべく、2025/11/16～11/21にアメリカのセントルイスで開催された国際会議SC25, The International Conference for High Performance Computing, Networking, Storage, and Analysis（以降、SC25｜https://sc25.supercomputing.org/）に現地参加しました。 本記事では、「FUJITSU-MONAKA」と「富岳NEXT」の展示内容と、テクニカルセッション聴講や他社展示見学で得られた最新動向について報告します。

SC25ã«å‚åŠ ãƒ»å±•ç¤ºã—ã¾ã—ãŸ#3 ～AI時代を支える富士通ミドルウェア技術とHPC業界動向

こんにちは、富士通研究所 コンピューティング研究所の平賀、木下、大辻です。

本記事は2025年11月にアメリカ合衆国 セントルイスで開催された国際会議SC25の参加報告（全4回連載）のうち、3つ目の記事となります。 コンピューティング研究所がブースで展示した内容や、スーパーコンピュータに関わる性能ランキング（Top500、Green500、IO500）の動向、 その他イベントの様子についてお届けいたします。

AIは「それっぽい嘘」を見抜けるか？（全３回） #1å› æžœé–¢ä¿‚æŠ½å‡ºã®ã€ŒçŸ›ï¼ˆæŠ€è¡“ï¼‰ã€ã¨ã€Œç›¾ï¼ˆè©•ä¾¡ï¼‰ã€

「アイスクリームの売上が増えると、水難事故が増える」。 人間ならこの裏にある「気温の上昇」という真の原因を推測できますが、AIは表面的なデータに騙されず、正しい「因果関係」を見抜けるのでしょうか？

本連載では、膨大なテキストから因果関係を抽出するというAIにとっての難問に挑んだ、開発と検証の記録を全3回でお届けします。高精度な抽出を行う「AI技術（矛）」と、その実力を厳しく測る「高難易度ベンチマーク（盾）」。この両輪を開発することで見えてきた、AIの限界と進化の可能性について解説します。

第1回（今回）： AIマルチエージェントと高難易度ベンチマーク開発

第2回： AIに「自問自答」させる技術：マルチエージェントシステムが因果関係抽出の精度を劇的に高める仕組み(2026年4月ごろ掲載予定)

第3回： 「70%の壁」を突破せよ：高難易度ベンチマークを攻略する次世代・因果関係抽出技術(2026年7月ごろ掲載予定)

「Fujitsu ナレッジグラフ拡張RAG for Root Cause Analysis」を顧客とPoC実証：プラント保全効率化に向けて有用性を確認

こんにちは。人工知能研究所の和田です。

富士通では企業における生成AIの活用促進に向けて、多様かつ変化する企業ニーズに柔軟に対応し、企業が持つ膨大なデータや法令への準拠を容易に実現する「エンタープライズ生成AIフレームワーク」を開発し、2024年7月よりAIサービス Fujitsu Kozuchi (R&D) のラインナップとして順次提供を開始いたしました。本掲載では、上記のうちFujitsu ナレッジグラフ拡張RAG for Root Cause Analysis*1（KG拡張RAG for RCA）*2をプラント保全向けにPoC適用した件について紹介します。このPoCで、私達は、プラントを保有する顧客企業様（仮称：A社様）と共に実施し、A社様のプラントで発生した実際の事例を基にしてKG拡張RAG for RCAの評価を行いました。

*1:RAG：Retrieval Augmented Generation。生成AIの能力を外部データソースと組み合わせて拡張する技術。

*2:KG：Knowlege Graph。データベースや情報から得られる知識（ナレッジ）を結び付け、相互の関係性を構造化したグラフ形式のネットワーク。