スーパーコンピュータの歴史と役割 — 5年後・10年後の計算基盤

計算機の未来には、半導体、電力、冷却、software、予算、政策、研究成果という不確実性があります。特に5年後と10年後を語る節では、稼働済みのsystemと計画中のsystem、測定値と目標値、一次資料と本サイトの推論を混ぜません。

high-performance computing（HPC）は、単独のchip名ではなく、難しい計算を実用時間で解くためのhardware、network、storage、software、facility、運用の総体です。数千から数百万の演算要素を接続しても、問題を分割できず、dataが届かず、失敗から復旧できなければ、一台の有効な計算機にはなりません。

「スーパーコンピュータ」に永久不変の性能境界はありません。TOP500も定義で線を引くのではなく、共通benchmarkへ提出されたgeneral-purpose systemを順位付けします。過去の世界最速機より現在のconsumer deviceが一部の尺度で速くても、そのdeviceが当時のsystemと同じmemory、I/O、reliability、scientific softwareを持つわけではありません。

1946年に公開されたENIACは、現代的な意味のスーパーコンピュータというより、その前史です。真空管を使う汎用・電子式・program可能な計算機として、弾道計算を起点に、異なる数値問題へ組み替えられる計算基盤の可能性を示しました。「最初」の定義には議論がありますが、機械式計算から電子的な汎用数値計算への転換点です。

1964年のCDC 6600は、中心の演算processorからI/Oや管理仕事を10個のperipheral processorへ切り離しました。Computer History Museumは約300万命令/秒で、およそ5年間世界最速だったと記録しています。現代のCPU、GPU、network processorの分業とは構造が異なりますが、「高価な演算器を待たせない」という設計課題は現在にも続きます。

1976年のCray-1は、同じ演算を配列へ連続適用するvector processingを実用的な科学計算へ広げました。丸い筐体は外観のためだけではなく配線を短くし、signal delayを抑える設計でした。高密度回路を動かす冷却、memoryからdataを供給する帯域、compilerがloopをvector化できるかまでが性能の一部です。

vector machineは一命令で長いdata列を扱うことに強く、流体、気象、構造、暗号などに使われました。一方、分岐やdata依存が多い問題は同じ効率で進みません。スーパーコンピュータ史は「clockを上げた史」ではなく、problemの規則性をどの粒度でhardwareへ写すかの歴史です。

1993年に始まったTOP500の初回首位は、1,024 processorのCM-5でした。同年を一つの境として、少数の強力なvector processorだけでなく、多数のprocessorへ仕事を分けるmassively parallel processingが可視化されます。ただしprocessorを増やすほど通信と同期も増え、softwareは分割、配置、集約を設計しなければなりません。

1994年、NASA Goddardで汎用PCとLinuxを束ねた最初のBeowulf clusterが作られました。専用部品だけに頼らず、交換可能なnodeとopen softwareを高速networkで結ぶ考え方は、HPCをより広い研究機関へ開きました。現在の大規模機は遥かに高度ですが、複数nodeを一つの資源として扱うclusterの基本形を継承しています。

初代地球シミュレータはvector processorを並列接続し、2002年にLinpack 35.86 TFLOP/sでTOP500首位になりました。地球・気候・地震などを主目的とし、vectorizationとparallelizationの両方をsoftware側に求めました。「古いvectorから新しいparallelへ」という単線ではなく、workloadに応じて方式が組み直される例です。

「富岳」は「京」の後継としてapplicationとsystemをco-designし、2021年の共用開始前からCOVID-19関連課題へ計算資源を提供しました。順位だけでなく、災害、気候、創薬、材料、産業など多様なcodeを同じ基盤で動かすことを重視したgeneral-purpose HPCです。

exascaleは、代表的には1秒あたり10の18乗回の倍精度浮動小数点演算を実行する級を指します。Frontierは2022年に世界初のexascale systemとしてTOP500首位となり、El Capitanは2024年にNNSA初のexascale systemとして、核実験を行わず備蓄の安全性・信頼性を評価するsimulationへ導入されました。

2026年6月版TOP500では、中国のLineShineがHPL 2.198 EFLOP/sで首位です。El Capitanが2位、Frontierが3位、Auroraが4位、JUPITER Boosterが5位、富岳が9位でした。これは同月版のHPL順位であり、永続的な「世界最速」称号でも、全applicationの順位でもありません。最新記事でも必ず「2026年6月版」と時点を残します。

2026年6月版TOP500では500 system中276がacceleratorまたはco-processorを採用していました。これはGPUだけがスーパーコンピュータになったという意味ではなく、CPUとacceleratorが異なる部分を担うheterogeneous computingが広がったことを示します。chip単体のpeak性能ではなく、data movementとsoftwareを含むsystem全体で測る必要があります。

HPCは気候と気象、災害、材料、核融合、創薬、電力網、航空宇宙、基礎物理、安全保障などをmodel化します。実物実験が危険、高価、長時間、観測不能である場合に、条件を変えたsimulationを繰り返し、候補を絞ります。ただしsimulation結果は現実そのものではなく、model、初期値、解像度、近似、検証dataに依存します。

現代の役割はsimulationだけではありません。望遠鏡、加速器、顕微鏡、sensor、実験設備が生むdataを解析し、AIでpatternを探し、次の観測や実験を選ぶworkflowを支えます。同時に、数十MW級の電力、特殊な供給網、長期softwareを必要とするため、HPCは科学装置であるとともに国家的な研究infrastructureでもあります。

TOP500はHigh Performance Linpack（HPL）で、denseな連立一次方程式を解く浮動小数点性能を順位付けします。共通尺度として技術の推移を追える一方、TOP500自身が、組織のsystem選定には実applicationに合う独自benchmarkが必要だと説明しています。

HPL、memoryと通信をより強く問うHPCG、低精度を使うHPL-MxP、AI benchmark、実applicationのtime to solutionは異なる問いです。peak FLOPS、測定されたRmax、memory bandwidth、energy efficiencyも同じ値ではありません。FLOPSは知能、発見の質、modelの正しさ、Bitcoin hashrateを測りません。

大規模systemでは、memoryから演算器へ、nodeからnodeへ、計算機からstorageへdataを動かす時間とenergyが支配的になり得ます。通信を減らすalgorithm、計算中にdataを要約するin situ analysis、checkpoint、failure recovery、performance portabilityが、演算器の追加と同じくらい重要です。

El Capitan級のsystemは約30 MWを必要とし、次世代計画も電力と冷却を設計条件に置いています。性能per wattが改善しても、system規模と利用量が増えれば総消費は減るとは限りません。将来を「何FLOPSになるか」だけで予測すると、facility、運用費、carbon、water、部品寿命、研究者がcodeを移すcostを見落とします。

ここは公表済み計画の説明です。「富岳NEXT」は2030年頃の稼働開始を目標とし、simulation性能とAI性能を一体化するAI-HPC platformとして設計されています。AI、simulation、自動実験、real-time dataを結び、量子コンピュータとの連携も計画しています。公表資料はLinpack時のpeak電力40 MW未満、PUE 1.1未満を目標に掲げますが、いずれも2026年時点の目標であり達成済み実測ではありません。

米国エネルギー省のNew Frontiersも2029年以降のpost-exascaleへ向け、省energy、持続可能なopen-source software、AIとsimulationを含むworkflowを研究対象にしています。これらから2031年前後は、CPU、GPU、大容量memory、高速storage、AIを一つのfacilityで協調させ、「一回の最大計算」より、simulationとdataと実験を継続的に循環させる基盤が増えると見込めます。

ただし特定systemの納期、性能、量子連携の実用範囲を本稿は保証しません。「計画されている」と「社会で日常利用される」を分けます。

ここからは公式roadmapではなく、2026年時点の資料から導く本サイトのscenarioです。2036年の性能、製品、導入時期を確定的に予測できる一次資料はありません。そこで一つの数字を当てる代わりに、基準、加速、制約の三方向を置きます。

最もありそうな形は、一種類の究極processorではなく、異なる計算器を課題ごとに組み合わせるmosaicです。評価軸もpeak FLOPSだけでなく、time to solution、energy to solution、結果の再現性、人間が検証可能かへ広がると考えます。「2036年までにzettascaleが必ず実現する」「量子が古典HPCを置き換える」とは断定しません。

AIは既存dataから近似や候補生成を速め、HPC simulationは物理法則に基づく計算と検証dataを供給できます。AIだけで未知の物理が自動的に真実になるわけでも、simulationだけで実験が不要になるわけでもありません。両者を往復させるAI for Scienceは、速さと引き換えにprovenance、uncertainty、validationをさらに重要にします。

量子計算は古典計算と異なる原理で、適したalgorithmにだけ利点を狙います。実用QPUが成立しても、古典systemが問題を準備し、QPUが狭いsubroutineを処理し、古典側が結果を検証するacceleratorとして接続される可能性があります。古典nodeを増やすことと量子algorithmを実行できることは、量の差ではなく方式の差です。

スーパーコンピュータとBitcoin miningはいずれも並列処理、電力、冷却、semiconductor supply chainを必要とします。しかしHPCは多様なscientific applicationを動かし、現代のBitcoin miningは固定されたSHA-256dへ特化したASICを使います。HPLのEFLOP/sからBitcoinのhash/sを換算したり、TOP500順位からwallet攻撃能力を推定したりすることはできません。

古典スーパーコンピュータを巨大化しても、それだけでShorのalgorithmを実行するfault-tolerant量子計算機にはなりません。一方でHPCは量子回路のsimulation、暗号移行案の検証、network scenarioの解析には使えます。「計算量が大きい」という共通語だけで、科学simulation、mining、AI、暗号解読を同じ能力へまとめないことが重要です。

ここは事実報告ではなく本サイトの見立てです。次の10年に増えるのは演算回数だけではありません。人間が問いを定め、AIが候補を生成し、HPCがscenarioを淘汰し、実験が現実に照合し、その結果を次の計算へ戻す循環の速度です。スーパーコンピュータは巨大な電卓から、科学workflowを動かす社会基盤へ変わっていくと考えます。

しかし、何を最適化するか、どの誤差を許すか、誰に計算資源を配るか、軍事・医療・気候の結果をどう使うかは、演算器が自動的に正解を出す問題ではありません。人類の叡智を上回る局所的能力をAIが示すほど、目的、証拠、反証、責任の所在を人間の制度が明示する必要があります。計算機が大きくなる未来は、人間の判断が不要になる未来ではなく、判断の根拠をより厳密に問われる未来です。

2031年・2036年のAI能力、人間の立場、AI agentとblockchainの可能性は、独立記事「計算機と知性の未来」で確度別に検討します。