ZOZO研究所、人工知能分野のトップカンファレンス「AAAI-26」のOral Talksに採択
リリース情報提供元：
株式会社ZOZO
～ 高性能な2-FWL GNNsの持つ表現力の高さと計算効率を両立する新手法「Co-Sparsify」を提案 ～
株式会社ZOZO NEXT（本社：千葉県千葉市 代表取締役CEO：澤田 宏太郎）の研究開発組織「ZOZO研究所」は、当所研究員が執筆した論文「Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency」（邦題：2-FWL GNNsにおける接続性誘導型スパース化：完全な表現力保持と計算効率向上）が、人工知能分野のトップカンファレンス「AAAI-26」のMain Track Oral Talksに採択されたことをお知らせします。「AAAI」は、人工知能分野で最も権威のある国際会議の一つです。本研究成果は、当所研究員である莫 凡（Fan Mo）を含む複数機関の研究者からなる研究グループによるものです。
＜研究背景＞
グラフ構造データを対象としたAI技術であるGNN（Graph Neural Network：グラフニューラルネットワーク）は、分子構造解析やネットワーク分析など、幅広い領域で活用が進んでいます。一方で、一般的なGNNは複雑な構造パターンの識別に限界があるため、より表現力の高い「高次GNN（HOGNNs）」が研究されてきました。しかし、高次GNNは計算量が極めて大きく、特に高性能な2-FWL GNNsでは、計算コストの急増により大規模データへの実用的な適用が困難という問題があります。この「表現力の高さ」と「計算効率」の両立が、長年の大きな課題でした。
＜論文内容＞
本研究は、2-FWL GNNsの持つ高い表現力（複雑な構造を捉える能力）を維持しながら、計算量を大幅に削減する新たな仕組み「Co-Sparsify」を提案しています。本手法の特徴は、グラフ構造の“必要な部分のみに計算を集中させる”という、接続性に基づくスパース化の発想です。
従来の2-FWL GNNsでは、「3つのノードの関係（3ノード相互作用）」においてグラフ全域にわたって演算がおこなわれていましたが、数学的な解析により、これらの相互作用が本質的に必要となるのは、ノード間の結合が強い「二重連結成分」と呼ばれる領域に限られることが示されています。そこで Co-Sparsifyは、2ノード間の関係を同一の連結成分内に、3ノード間の関係を同一の二重連結成分内にそれぞれ限定することで、演算対象を必要最小限に抑え、不必要な高次演算を大幅に削減します。
これにより、従来のモデルで必要とされた計算量が、大幅に削減されました。例えば、分子解析データセット（ZINC、QM9）による評価では、精度を維持したまま処理時間が最大60%、メモリ使用量が最大52%削減されることが確認されています。さらに、本手法は近似やサンプリングを用いないため、理論的には2-FWL GNNsと同等の表現力を保証しつつ、実験的には精度が向上する場合も確認されました。
＜今後の展望＞
本研究で示された「必要性に基づく演算の最適化」というアプローチは、既存のGNNモデルのスケーラビリティを根本的に向上させる可能性を秘めています。特に、深い層で情報が圧縮される「オーバー・スクワッシング」問題への応用は、GNNの汎化性能向上に寄与すると期待されます。また、2-FWLを超えるさらなる高次モデルへの展開が実現すれば、従来では扱うことが困難であった大規模・高複雑度のデータセットに対しても、高性能なGNNを適用できる道が開かれます。今後の研究によって、AIの理解力と計算効率を同時に高い次元で両立させる新たなアーキテクチャ設計が期待されます。
＜論文の概要＞
- タイトル：Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency（邦題：2-FWL GNNsにおける接続性誘導型スパース化：完全な表現力保持と計算効率向上）
- 著者：マカオ大学/Rongqin Chen、ZOZO研究所/Fan Mo、マカオ大学/Pak Lon Ip、マカオ大学/Shenghui Zhang、中国科学院 深圳先進技術研究院/Dan Wu、中国科学院 深圳先進技術研究院/Ye Li、マカオ大学/Leong Hou U
- 論文URL ：https://arxiv.org/pdf/2511.12838
＜ZOZO研究所について＞
ZOZO研究所は、「ファッションを数値化する」をミッションに掲げるZOZOグループの研究機関です。ZOZOグループが保有するファッションに関する膨大な情報資産を基に、ファッションを科学的に解明するための研究開発をおこなっています。
- 所名：ZOZO研究所（ZOZO Research）
- 設立：2018年1月31日
- URL：https://research.zozo.com/
企業プレスリリース詳細へ
PR TIMESトップへ
～ 高性能な2-FWL GNNsの持つ表現力の高さと計算効率を両立する新手法「Co-Sparsify」を提案 ～
株式会社ZOZO NEXT（本社：千葉県千葉市 代表取締役CEO：澤田 宏太郎）の研究開発組織「ZOZO研究所」は、当所研究員が執筆した論文「Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency」（邦題：2-FWL GNNsにおける接続性誘導型スパース化：完全な表現力保持と計算効率向上）が、人工知能分野のトップカンファレンス「AAAI-26」のMain Track Oral Talksに採択されたことをお知らせします。「AAAI」は、人工知能分野で最も権威のある国際会議の一つです。本研究成果は、当所研究員である莫 凡（Fan Mo）を含む複数機関の研究者からなる研究グループによるものです。
＜研究背景＞
グラフ構造データを対象としたAI技術であるGNN（Graph Neural Network：グラフニューラルネットワーク）は、分子構造解析やネットワーク分析など、幅広い領域で活用が進んでいます。一方で、一般的なGNNは複雑な構造パターンの識別に限界があるため、より表現力の高い「高次GNN（HOGNNs）」が研究されてきました。しかし、高次GNNは計算量が極めて大きく、特に高性能な2-FWL GNNsでは、計算コストの急増により大規模データへの実用的な適用が困難という問題があります。この「表現力の高さ」と「計算効率」の両立が、長年の大きな課題でした。
＜論文内容＞
本研究は、2-FWL GNNsの持つ高い表現力（複雑な構造を捉える能力）を維持しながら、計算量を大幅に削減する新たな仕組み「Co-Sparsify」を提案しています。本手法の特徴は、グラフ構造の“必要な部分のみに計算を集中させる”という、接続性に基づくスパース化の発想です。
従来の2-FWL GNNsでは、「3つのノードの関係（3ノード相互作用）」においてグラフ全域にわたって演算がおこなわれていましたが、数学的な解析により、これらの相互作用が本質的に必要となるのは、ノード間の結合が強い「二重連結成分」と呼ばれる領域に限られることが示されています。そこで Co-Sparsifyは、2ノード間の関係を同一の連結成分内に、3ノード間の関係を同一の二重連結成分内にそれぞれ限定することで、演算対象を必要最小限に抑え、不必要な高次演算を大幅に削減します。
これにより、従来のモデルで必要とされた計算量が、大幅に削減されました。例えば、分子解析データセット（ZINC、QM9）による評価では、精度を維持したまま処理時間が最大60%、メモリ使用量が最大52%削減されることが確認されています。さらに、本手法は近似やサンプリングを用いないため、理論的には2-FWL GNNsと同等の表現力を保証しつつ、実験的には精度が向上する場合も確認されました。
＜今後の展望＞
本研究で示された「必要性に基づく演算の最適化」というアプローチは、既存のGNNモデルのスケーラビリティを根本的に向上させる可能性を秘めています。特に、深い層で情報が圧縮される「オーバー・スクワッシング」問題への応用は、GNNの汎化性能向上に寄与すると期待されます。また、2-FWLを超えるさらなる高次モデルへの展開が実現すれば、従来では扱うことが困難であった大規模・高複雑度のデータセットに対しても、高性能なGNNを適用できる道が開かれます。今後の研究によって、AIの理解力と計算効率を同時に高い次元で両立させる新たなアーキテクチャ設計が期待されます。
＜論文の概要＞
- タイトル：Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency（邦題：2-FWL GNNsにおける接続性誘導型スパース化：完全な表現力保持と計算効率向上）
- 著者：マカオ大学/Rongqin Chen、ZOZO研究所/Fan Mo、マカオ大学/Pak Lon Ip、マカオ大学/Shenghui Zhang、中国科学院 深圳先進技術研究院/Dan Wu、中国科学院 深圳先進技術研究院/Ye Li、マカオ大学/Leong Hou U
- 論文URL ：https://arxiv.org/pdf/2511.12838
＜ZOZO研究所について＞
ZOZO研究所は、「ファッションを数値化する」をミッションに掲げるZOZOグループの研究機関です。ZOZOグループが保有するファッションに関する膨大な情報資産を基に、ファッションを科学的に解明するための研究開発をおこなっています。
- 所名：ZOZO研究所（ZOZO Research）
- 設立：2018年1月31日
- URL：https://research.zozo.com/
企業プレスリリース詳細へ
PR TIMESトップへ
このページでは、PR TIMESから提供されたニュースリリース情報を表示しています。
