FIT2026 第25回情報科学技術フォーラム

イベント企画

トップコンファレンス2-2 コンピュータシステム

2026/9/2(水) 13:10-15:10
第5イベント会場

座長：本田　巧（富士通株式会社）

13:10-13:30 講演(1)　AQPIM：PIM容量制約低減のためのインメモリ活性値量子化手法
松島康祐（東京科学大学　大学院工学院情報通信系本村・藤木研究室）
【原発表の書誌情報】K. Matsushima, Y. Okoshi, M. Motomura and D. Fujiki, "AQPIM: Breaking the PIM Capacity Wall for LLMs with in-Memory Activation Quantization," 2026 IEEE International Symposium on High Performance Computer Architecture (HPCA), pp. 1-17.
【概要】長文脈LLM推論でKVキャッシュがPIMの容量の壁となる問題に対し、積量子化を用いたインメモリ活性値量子化手法AQPIMを提案。圧縮データ上でアテンション計算を直接行い、メモリと計算量を削減して従来PIM比3.4倍の高速化を実現した。
	【略歴】2025年3月、東京科学大学工学院情報通信系卒業。同年4月、東京科学大学大学院工学院情報通信系修士課程に進学。2026年現在、SW・HW協調設計によるAIモデルの推論効率化に関する研究に従事。
13:30-13:50 講演(2)　BingoGCN：細粒度パーティショニングとSLTによるスケーラブルかつ高効率なGNN高速化
伊藤宏朗（東京科学大学　大学院工学院情報通信系本村・藤木研究室　博士後期課程2年）
【原発表の書誌情報】Yan, J., Ito, H., Nagahara, Y., Kawamura, K., Motomura, M., Chu, T. V. and Fujiki, D.: BingoGCN: Towards Scalable and Efficient GNN Acceleration with Fine-Grained Partitioning and SLT, Proc. 52nd Annual International Symposium on Computer Architecture (ISCA '25), pp.1910-1924 (2025). DOI: 10.1145/3695053.3731115.
【概要】BingoGCNは、大規模GNN推論でボトルネックとなるメモリアクセスを、細粒度グラフ分割と強い宝くじ仮説に基づく軽量化により削減し、高速・高効率かつスケーラブルなAI処理を実現する手法である。
	【略歴】2025年3月、東京科学大学大学院工学院情報通信系の修士課程を修了。同年4月、博士後期課程に進学し、本村・藤木研究室に所属。グラフニューラルネットワーク、AIアクセラレーターに関する研究に従事。
13:50-14:10 講演(3)　DRAM計算における非オペランドデータからの干渉
篤田大知（東京大学　大学院情報理工学系研究科コンピュータ科学専攻高前田研究室　修士課程）
【原発表の書誌情報】Daichi Tokuda, Ismail Emir Yuksel, Tatsuya Kubo, Ataberk Olgun, Haocong Luo, Nisa Bostanci, Jikun Wang, Abdullah Giray Yağlıkçı, Shinya Takamaeda-Yamazaki, and Onur Mutlu, "PuDGhost: Experimental Analysis of Computation Result Corruption in Processing-using-DRAM Operations on Real DRAM Chips and Implications for Future Systems", 53rd Annual International Symposium on Computer Architecture (ISCA 2026), June 2026.
【概要】DRAM計算（Processing-using-DRAM; PuD）は、DRAMセルのアナログ動作特性を活用し、DRAM内部で計算を行うことでデータ移動を削減する有望な計算方式である。本研究では、非オペランドデータがDRAM計算の結果を破壊する干渉現象「PuDGhost」を、実機DRAMチップを用いた実験により明らかにする。
	【略歴】2024年3月、東京大学理学部情報科学科卒業。同年4月、東京大学情報理工学系研究科コンピュータ科学専攻修士課程に進学。同年9月から2025年2月まで、ETH Zurichに研究滞在。 2026年現在、インメモリ計算の研究に従事。
14:10-14:30 講演(4)　データフロー回路における形式検証された投機的実行の導入
勝見舜（東京大学　高前田研究室）
【原発表の書誌情報】Katsumi, S., Murphy, E., & Josipović, L. (2026, February). EagerlyElastic: Correct-by-Construction Eager Execution in Dynamically-Scheduled HLS. In Proceedings of the 2026 ACM/SIGDA International Symposium on Field Programmable Gate Arrays (pp. 103-113).
【概要】近年データフロー回路は主に二つの文脈で注目を集めている。一つは省エネルギー型データフローアクセラレータの台頭であり、もう一つはソフトウェア記述からハードウェアを自動生成する高位合成技術の高度化である。本研究では、このようなデータフロー回路の一種であるElastic回路を対象に、投機的実行の一形態であるEager Executionを形式検証された回路書き換えによって導入する手法を提案する。
	【略歴】2026年3月東京大学理学部情報科学科卒業（高前田研究室）。本研究は2024年9月-2025年8月までスイス連邦工科大学チューリッヒ校(ETH Zurich)での交換留学中に取り組んでいたもの。2026年8月-シンガポール国立大学(NUS)で博士課程進学予定。RECONF講演賞若手部門受賞。JASSO海外留学支援制度（大学院学位取得型）特別枠採用者。
14:30-14:50 講演(5)　RUNLTS：レジスタ値の相関と階層的テーブル編成による分岐予測
小泉透（名古屋工業大学　大学院工学研究科工学専攻　助教）
【原発表の書誌情報】Toru Koizumi, Toshiki Maekawa, Mananari Mizuno, Maru Kuroki, Tomoaki Tsumura, Ryota Shioya: RUNLTS: Branch Prediction with Register-Value Correlations and Hierarchical Table Orchestration, The 53rd International Conference on Computer Architecture (ISCA), pp.543-558 (2026).
【概要】分岐予測はCPUの性能を高める上で欠かせない。我々は、レジスタの値を分岐予測に効率よく役立てる方法、およびTAGE-SCのより良い構成法からなる高精度分岐予測器RUNLTSを提案し、その評価を行った。
	【略歴】2016年東京大学理学部化学科卒業。2018年東京大学工学部電子情報工学科卒業。2023年東京大学大学院情報理工学系研究科電子情報学専攻博士後期課程修了。博士（情報理工学）。同年より名古屋工業大学情報工学科助教。プロセッサアーキテクチャと浮動小数点数演算の研究に従事。本研究の成果により、The 6th Championship Branch Prediction 優勝。
14:50-15:10 講演(6)　PointODE: ニューラル常微分方程式によるエッジデバイス向け軽量点群処理
杉浦圭祐（筑波大学　システム情報系　助教）
【原発表の書誌情報】Sugiura, K., Yasuda, M., Matsutani, H.: PointODE: Lightweight Point Cloud Learning with Neural Ordinary Differential Equations on Edge, Proc. International Conference on Field Programmable Technology (ICFPT), pp.111-118 (2025).
【概要】本研究では、エッジデバイス上での3次元点群処理を高効率化するため、ニューラル常微分方程式による軽量な点群深層学習モデルPointODEと、そのFPGA実装を提案した。残差MLPブロックのパラメータ共有によってモデル規模を削減し、FPGAの限られたオンチップメモリを活用した高速な推論を実現した。
	【略歴】2022年、慶應義塾大学大学院理工学研究科開放環境科学専攻修士課程修了。2024年、同博士課程修了、博士 (工学)。2025年4月より、筑波大学システム情報系助教。計算機アーキテクチャ、FPGA、エッジ機械学習などに関する研究に従事。