ZOZO研究所のAI論文がトップカンファレンスにて発表！新たなスパース化手法とは

ZOZO研究所、AI論文がトップカンファレンスに採択

株式会社ZOZO NEXTの「ZOZO研究所」は、人工知能分野の権威あるカンファレンス「AAAI-26」に研究成果を発表しました。この論文、「Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency」は、複雑な構造を持つデータを対象とした新しいAI手法の提案です。

研究背景

GNN（Graph Neural Network）は、分子構造の解析やネットワークの研究などで幅広く利用されています。しかし、従来のGNNには限界があり、特に高次GNNと呼ばれる新しいモデルは非常に計算量が大きいという問題を抱えています。このような背景の中、ZOZO研究所の研究者たちは「表現力」と「計算効率」の両立を目指し、特に2-FWL GNNsに焦点を当てました。

論文の内容

研究者たちは、2-FWL GNNsの高い表現力を保ちながら、計算量を大きく削減する方法「Co-Sparsify」を提案しました。この技術の中心は、グラフ構造の中で計算する必要のある情報に絞り込むことです。従来はすべてのノード間を考慮する必要がありましたが、必要な情報が存在する領域「二重連結成分」のみに演算を集中させることで計算の効率を大幅に向上させました。

具体的には、分子解析データセットでの評価結果によると、処理時間は最大60％、メモリ使用量は最大52％も削減されることが確認されています。また、従来のモデルと同等の表現力を維持しつつ、精度が向上することも実証されています。これにより、高い表現力を持ちながらも、実用的な計算コストでの利用が可能となりました。

今後の展望

「Co-Sparsify」による新しい演算の最適化は、AIモデルのスケーラビリティを抜本的に向上させる可能性を秘めています。特に、GNNが抱える「オーバー・スクワッシング」問題への応用が期待されており、さらに高次モデルへの展開が実現すれば、従来の手法では扱いきれなかった大規模かつ複雑なデータセットにも効果が期待できます。

今後の研究を通じて、AIの理解力と計算効率を高次元で両立させた新たなアーキテクチャ設計の可能性が広がることでしょう。