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、ソフトウェア、予算、政策、研究成果といった不確実性がつきまといます。とくに5年後と10年後を語る節では、稼働済みのシステムと計画中のシステム、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。

高性能計算（HPC）は、特定のチップの名前ではありません。難しい計算を実用的な時間で解くためのハードウェア、ネットワーク、ストレージ、ソフトウェア、施設、そして運用をまとめた総体です。数千から数百万の演算要素をつないでも、問題を分割できず、データが届かず、障害から復旧できないなら、一台の使える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も定義で線を引いているわけではなく、共通のベンチマークへ提出された汎用システムを順位付けしているだけです。過去の世界最速機より現在の民生機器のほうが一部の尺度で速いことはあります。ただし、その機器が当時のシステムと同じメモリ、I/O、信頼性、科学計算ソフトウェアの環境を備えているわけではありません。

1946年に公開されたENIACは、現代的な意味でのスーパーコンピュータというより、その前史にあたります。真空管を使う汎用・電子式・プログラム可能な計算機として、弾道計算を出発点にしながら、別の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、機械式の計算から電子式の汎用数値計算へ移る転換点です。

1964年のCDC 6600は、中心の演算プロセッサからI/Oや管理の仕事を10個の周辺プロセッサへ切り離しました。Computer History Museumは、約300万命令/秒で、およそ5年間にわたって世界最速だったと記録しています。現代のCPU、GPU、ネットワークプロセッサの分業とは構造が違いますが、「高価な演算器を待たせない」という設計課題は今も続いています。

1976年のCray-1は、同じ演算を配列へ次々に適用するベクトル処理を、実用的な科学計算へ広げました。丸い筐体は見た目のためだけではなく、配線を短くして信号の遅延を抑えるための設計でした。高密度な回路を冷やす仕組み、メモリからデータを送り込む帯域幅、コンパイラがループをベクトル化できるかどうかまでが、性能の一部を成します。

ベクトル型の計算機は一つの命令で長いデータ列を扱うのが得意で、流体、気象、構造、暗号などに使われました。一方、分岐やデータ依存が多い問題では同じ効率は出ません。スーパーコンピュータの歴史は「動作周波数を上げてきた歴史」ではなく、問題の規則性をどの粒度でハードウェアへ写し取るかの歴史です。

1993年に始まったTOP500で、最初に首位となったのは1,024プロセッサのCM-5でした。この年をひとつの境として、少数の強力なベクトルプロセッサだけでなく、多数のプロセッサへ仕事を分ける超並列処理も見えるようになります。ただしプロセッサを増やすほど通信と同期も増えるため、ソフトウェアの側で分割、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クラスタが作られました。専用部品だけに頼らず、交換できるノードとオープンなソフトウェアを高速なネットワークで結ぶ考え方は、HPCをより広い研究機関へ開きました。現在の大規模機ははるかに高度ですが、複数のノードを一つの資源として扱うクラスタの基本形を受け継いでいます。

初代地球シミュレータはベクトルプロセッサを並列につなぎ、2002年にLinpack 35.86 TFLOP/sでTOP500の首位に立ちました。地球・気候・地震などの研究を主な目的とし、ベクトル化と並列化の両方をソフトウェアの側に求める設計でした。「古いベクトル型から新しい並列型へ」という一本道ではなく、ワークロード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、アプリケーションとシステムを一体で設計し、2021年の共用開始より前からCOVID-19関連の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、産業など多様なコードを同じ基盤で動かすことを重視した、汎用のHPCです。

エクサスケールとは、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こなす水準を指します。Frontierは2022年に世界初のエクサスケール機としてTOP500の首位に立ちました。El Capitanは2024年にNNSA初のエクサスケール機となり、核実験を行わずに備蓄の安全性・信頼性を評価するシミュレーションへ導入されました。

2026年6月版の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。これは同じ版のHPL順位であって、永続的な「世界最速」の称号でも、あらゆるアプリケーションでの順位でもありません。最新の記事でも必ず「2026年6月版」と時点を明記します。

2026年6月版のTOP500では、500システムのうち276がアクセラレータまたはコプロセッサ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とアクセラレータが異なる部分を担う異種混合の計算が広がったことを示します。チップ単体のピーク性能ではなく、データ移動とソフトウェアを含めたシステム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、安全保障などをモデル化します。実物での実験が危険、高価、長時間、あるいは観測できない場合に、条件を変えたシミュレーションを繰り返して候補を絞ります。ただしシミュレーションの結果は現実そのものではなく、モデル、初期値、解像度、近似、検証用のデータに左右されます。

現代の役割はシミュレーションだけではありません。望遠鏡、加速器、顕微鏡、センサー、実験設備が生むデータを解析し、AIでパターンを探し、次の観測や実験を選ぶ流れを支えます。加えて、数十MW級の電力、特殊な供給網、長く使い続けるソフトウェアを必要とするため、HPCは科学装置であると同時に、国家的な研究基盤でもあります。

TOP500はHigh Performance Linpack（HPL）を使い、密な連立一次方程式を解くときの浮動小数点性能を順位付けします。共通のものさしとして技術の推移を追える一方で、TOP500自身が、組織のシステム選定には実際のアプリケーションに合う独自のベンチマークが必要だと説明しています。

HPL、メモリと通信をより強く問うHPCG、低精度を使うHPL-MxP、AI向けのベンチマーク、実際のアプリケーションが解に到達するまでの時間は、それぞれ別の問いです。ピークFLOPS、実測値のRmax、メモリ帯域幅、電力効率も同じ値ではありません。FLOPSは知能も、発見の質も、モデルの正しさも、ビットコインのハッシュレートも測りません。

大規模なシステムでは、メモリから演算器へ、ノードからノードへ、計算機からストレージへとデータを動かす時間とエネルギーが支配的になり得ます。通信を減らすアルゴリズム、計算の最中にデータを要約するその場解析、チェックポイント、障害からの復旧、性能の可搬性が、演算器を増やすことと同じくらい重要になります。

El Capitan級のシステムは約30 MWを必要とし、次世代の計画でも電力と冷却が設計条件に置かれています。電力あたりの性能が改善しても、システムの規模と利用量が増えれば、総消費が減るとは限りません。将来を「何FLOPSになるか」だけで見積もると、施設、運用費、炭素排出、水、部品の寿命、研究者がコードを移す手間を見落とします。

ここは公表済みの計画の説明です。「富岳NEXT」は2030年頃の稼働開始を目標に、シミュレーション性能とAI性能を一体化したAI-HPC基盤として設計されています。AI、シミュレーション、自動実験、リアルタイムのデータを結び、量子コンピュータとの連携も計画に含まれます。公表資料はLinpack実行時のピーク電力40 MW未満、PUE 1.1未満を目標に掲げています。いずれも2026年時点の目標であって、達成済みの実測値ではありません。

米国エネルギー省のNew Frontiersも、2029年以降のポストエクサスケールへ向けて、省エネルギー、持続可能なオープンソースのソフトウェア、AIとシミュレーションを含むワークフローを研究対象にしています。ここから2031年前後を描くと、CPU、GPU、大容量のメモリ、高速なストレージ、AIを一つの施設で協調させる姿が見えてきます。「一回の最大計算」よりも、シミュレーションとデータと実験を継続的に循環させる基盤が増えていくと見込めます。

ただし、特定のシステムの納期、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」ことと「社会で日常利用される」ことは分けて扱います。

ここからは公式のロードマップではなく、2026年時点の資料から導く本サイトのシナリオです。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にいく代わりに、基準、加速、制約という三つの方向を置きます。

最もありそうな形は、一種類の究極のプロセッサではなく、性質の違う計算器を課題ごとに組み合わせるモザイクです。評価の軸もピークFLOPSだけでなく、解に到達するまでの時間、そこで使うエネルギー、結果の再現性、人間が検証できるかへ広がっていくと考えます。「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は既存のデータから近似や候補生成を速め、HPCのシミュレーションは物理法則に基づく計算と検証用のデータを供給できます。AIだけで未知の物理が自動的に真実になるわけでも、シミュレーションだけで実験が要らなくなるわけでもありません。両者を往復させるAI for Scienceでは、速さと引き換えに、出所の追跡、不確かさ、妥当性の検証がいっそう重要になります。

量子計算は古典計算とは異なる原理で動き、適したアルゴリズムにだけ利点を狙います。実用的なQPUが成立しても、その姿はアクセラレータとしての接続になる可能性があります。古典側のシステムが問題を準備し、QPUが狭い部分処理を担い、古典側が結果を検証する、という形です。古典のノードを増やすことと、量子アルゴリズム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ビットコインのマイニングは、いずれも並列処理、電力、冷却、半導体の供給網を必要とします。しかしHPCは多様な科学計算のアプリケーションを動かすのに対し、現代のビットコインのマイニングは固定されたSHA-256dに特化したASICを使います。HPLのEFLOP/sからビットコインのhash/sを換算したり、TOP500の順位からウォレットへの攻撃能力を推定したりすることはできません。

古典的なスーパーコンピュータを巨大化しても、それだけでShorのアルゴリズムを実行できる誤り耐性のある量子計算機にはなりません。一方でHPCは、量子回路のシミュレーション、暗号移行案の検証、ネットワークのシナリオ解析には使えます。「計算量が大きい」という共通の言い回しだけで、科学シミュレーション、マイニング、AI、暗号解読を同じ能力としてまとめないことが重要です。

ここは事実の報告ではなく、本サイトの見立てです。次の10年で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がシナリオを絞り込み、実験が現実と突き合わせ、その結果を次の計算へ戻す。この循環の速度も上がっていきます。スーパーコンピュータは巨大な電卓から、科学のワークフロー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してくれる問題ではありません。人類の叡智を上回る局所的な能力を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、人間の判断が要らなくなる未来ではなく、判断の根拠をより厳しく問われる未来です。

2031年・2036年のAI能力、人間の立場、AIエージェントとブロックチェーンの可能性は、独立した記事「計算機と知性の未来」で確度別に検討します。