こんにちは、量子研究所・量子アプリケーションCPJの木村悠介です。
私は量子コンピュータの応用先の一つとして、ゲノム解析に着目しています。
今回、ゲノム解析の重要な技術の１つである多重配列アラインメント (Multiple Sequence Alignment, MSA)の一部を量子回路として実装し、その回路を同じく私たちが開発している決定グラフ (Decision Diagram, DD) 型量子回路シミュレータで高速にシュレーションした研究をarXivで公開しました。 この記事では、論文の内容を分かりやすく紹介します。
Read more
皆様、こんにちは。量子研究所の量子アプリCPJの木村です。今回ご紹介する技術は、2026年5月1日に早稲田大学（富士通文中記載）にてプレスリリースされました早稲田大学と富士通の共同研究による最新の研究成果です[1]。この発表を多くの方々にお届けするため、Fujitsu Tech Blogでも詳しくご紹介させていただきます。その詳細はNature Portfolio社の「Scientific Reports」に掲載された論文[2]でもご確認いただけます。
Read more
こんにちは、先端コンピューティング開発本部の藤田と人工知能研究所の近藤です。
2026年3月16日から19日に、アメリカ合衆国カリフォルニア州のサンノゼでNVIDIAの年次技術イベントであるNVIDIA GTC 2026が開催されました。
本イベントは日本からでもバーチャルで各セッションに参加することができますが、今回、実際に渡米し、サンノゼにて現地参加するという貴重な機会をいただいたため、注目トピックや現地の様子についてご紹介します。
Read more
近年、次世代の技術として注目を集める量子コンピュータ。医療、素材開発、そしてエネルギー分野まで、その応用範囲は計り知れません。しかし、実用化にはまだ高いハードルが立ちはだかっています。特に、量子ビットのエラー問題は深刻で、高精度な計算を実現するには、エラーを訂正するための冗長性が必要となります。そのため、現実的な計算には100万規模の量子ビットが必要とされますが、これは相当先の未来の技術であるのが現状です。
この課題に対し、私たちは画期的なアプローチを考案しました。量子研究所*1のロバスト量子計算CPJでは、「STARアーキテクチャver. 3」（富士通スモールリサーチラボ*2に基いて富士通と大阪大学*3で共同開発）と「分子モデル最適化技術」という二つの基盤技術を開発。これにより、従来の量子コンピュータの限界を打ち破ることに成功しました。*4
これらの技術は、数万量子ビット規模の「Early-FTQC時代」において、量子コンピュータの産業応用を劇的に加速させます。医薬品・新素材の開発期間を短縮し、化合物製造のエネルギー効率を向上させるなど、社会が抱える喫緊の課題解決に大きく貢献する可能性を秘めています。今回は、この革新的な技術の詳細とその展望について、わかりやすく解説していきます。少々ボリュームがありますが、ぜひ最後までお付き合いいただければ、量子コンピュータの未来がきっとより鮮明に見えてくるはずです！
Read more
Qwen3.5-27B を追加学習なしで使い、GitHub上に実在する OSS issue をどこまで直せるかを測る SWE-bench Verified で、8本の候補から最終パッチを選ぶ構成により 229B 未満のローカル LLM としては SOTA*1である 74.8% を達成しました。
*1:2026年4月7日時点
こんにちは、コンバージングテクノロジー研究所の松木です。 私たちは、行動変容支援プラットフォーム（通称 BXPF）の研究開発を進めています。
2026年3月に、このBXPFの成果の一部である 「行動変容プランニング」 を公開しました。公開に伴い、本特集では「行動変容支援プラットフォーム（BXPF)」について、全4回で紹介しています。
● 第1回 DXの次はBX？ 行動科学を誰でも使える時代へ
● 第2回 人が動く施策を、エビデンスで設計する
● 第3回 用途や個人に合わせて進化するアプリ
● 第4回 BXでイベントプロモーションはどう変わる？ ★今回★
特集の最後となるこの記事では、 これまでご紹介してきた技術や研究が、実際に社会の中で使われていくために、私たちがどのような取り組みをしているのかをご紹介したいと思います。
Read more
こんにちは！コンバージングテクノロジー研究所の杉山友里です。
私たちは、障害やDE&Iの理解促進に繋がる活動を通して、人々のQOLを向上し、ウェルビーイングな社会の実現に貢献するために日々取り組んでいます。
この度、音をからだで感じることができるデバイス「Ontenna（オンテナ）」が、聾学校でどのように利用されているか調査した結果を紹介いたします！
Read more
コンバージングテクノロジー研究所の山口です。
私たちは、行動変容支援プラットフォーム（通称 BXPF）の研究開発を進めています。
2026年3月に、このBXPFの成果の一部である 「行動変容プランニング」 を公開しました。公開に伴い、本特集では「行動変容支援プラットフォーム（BXPF)」について、全4回で紹介しています。
● 第1回 DXの次はBX？ 行動科学を誰でも使える時代へ
● 第2回 人が動く施策を、エビデンスで設計する
● 第3回 用途や個人に合わせて進化するアプリ
● 第4回 BXでイベントプロモーションはどう変わる？
第2回では、行動科学の知見に基づいて「なぜその施策が有効なのか」を説明できるプランニングについて紹介しました。
前半のプランニングが担うのは、課題に対してどの行動原理（MoA）に着目し、
どの行動変容技法（BCT）を選ぶかを整理し、エビデンスに基づく介入設計を行うことです。
しかし、設計した介入は、それだけでは現場で機能する支援システムにはなりません。
実際には、その介入を画面や操作に落とし込み、体験可能な形で実装することが必要になります。
今回はそれを実現するカスタマイズを取り上げます。
今回は少し趣向を変えて、国際学会 BCSS 2026（14th International Workshop on Behavior Change Support Systems）で発表した内容を中心に、同じ基盤から用途や個人特性に合わせて行動変容支援システムがどう変わっていくのかをご紹介します。
Read more
こんにちは、コンバージングテクノロジー研究所の片桐です。
私たちは、行動や習慣に関する課題を解決するために、行動変容支援プラットフォーム Behavior Transformation Platform（通称 BXPF） の研究開発を進めています。
2026年3月に、このBXPFの成果の一部である 「行動変容プランニング」 を公開しました。公開に伴い、本特集では「行動変容プラットフォーム（BXPF)」について、全4回で紹介しています。
● 第1回 DXの次はBX？ 行動科学を誰でも使える時代へ
● 第2回 人が動く施策を、エビデンスで設計する ★今回★
● 第3回 用途や個人に合わせて進化するアプリ
● 第4回 BXでイベントプロモーションはどう変わる？
第2回の本記事では、「行動変容プランニング」が課題に合った介入を提案している仕組みを解説します。
Read more
コンバージングテクノロジー研究所の石原、山口、松木、片桐です。 私達の研究グループでは、行動変容支援プラットフォーム Behavior Transfomation Platform（通称 BXPF） の研究開発を進めています。
このBXPFの成果の一部である 「行動変容プランニング」 の公開に合わせて、TechBlogにて全4回に分けて特集記事を組みました。
● 第1回 DXの次はBX？ 行動科学を誰でも使える時代へ ★今回★
● 第2回 人が動く施策を、エビデンスで設計する
● 第3回 用途や個人に合わせて進化するアプリ
● 第4回 BXでイベントプロモーションはどう変わる？
どうぞ最後までご覧頂けると幸いです。
Read more
こんにちは、富士通研究開発センター（FRDC）のGenerative AI研究グループに所属しているFei Li、Jiaqi Ning、Ming Yangです。本日は、私たちが開発したマルチモーダル大規模言語モデル（MLLM）のための「グラウンディング技術」についてご紹介したいと思います。
Read more
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」の第 2 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しています
こんにちは。人工知能研究所の高木です。
富士通では企業におけるデータドリブンによる意思決定を支援するため、「Fujitsu 因果AI」を開発しました。
この技術は、データから因果関係を分析し、それを用いることで最も効果が高くかつ悪影響を及ぼさない施策を広範囲な情報をもとに推薦するものです。
2025年7月より、そのアップデート版をAIサービス Fujitsu Kozuchi (R&D) のラインナップとして提供を開始しました。
本記事では、因果アクション最適化技術の実証事例をご紹介します。
Read more
こんにちは。人工知能研究所の菊月・成田・菊地・宮原です。
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。
エンタープライズ生成AIフレームワークは、企業のお客様が特化型生成AIモデルを活用する上で生じる、
といった課題を解決する以下の技術群で構成されています。
本連載では、上記のうち「Fujitsu ナレッジグラフ拡張RAG技術」についての技術紹介を連載形式にてさせていただきます（*1）。皆様の課題解決のヒントとなれば幸いです。また記事の最後には本技術を試す方法についてもお知らせいたします。
*1: RAG技術：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。
