1 歴史
1.1 初期のスーパーコンピュータ（1960年代-1980年代）
1.1.1 CDC 6600とベクトル処理
1964年にControl Data Corporationが開発したCDC 6600は、世界初のスーパーコンピュータと広く認識されている。設計者シーモア・クレイは、当時としては革新的な並列処理ユニットと高速なスカラー演算を組み合わせ、従来機の約10倍の性能を達成した。CDC 6600は、浮動小数点演算を高速に実行するための専用ハードウェアを搭載し、科学技術計算に特化した最初の商用システムとなった。
1.1.2 Cray-1の登場とベクトル計算機の黄金期
1976年にクレイが設立したCray Researchが発表したCray-1は、ベクトル処理技術を本格的に実用化した画期的なシステムであった。特徴的なC字型の筐体は、配線長を最短化するための設計であり、クロック周波数80MHz、メモリ帯域幅1GB/sを実現した。Cray-1の成功により、ベクトル計算機は1980年代を通じてスーパーコンピュータ市場の主流となり、気象予報や核兵器シミュレーションなどの大規模計算に不可欠な存在となった。
1.2 並列処理時代（1990年代-2000年代）
1.2.1 分散メモリ型並列計算機
1990年代に入ると、単一プロセッサの性能向上が物理的限界に近づき、複数のプロセッサを相互接続する分散メモリ型並列計算機が主流となった。Thinking Machines社のCM-5やIntelのParagonなどが代表的であり、数千個のプロセッサを結合することで理論ピーク性能を飛躍的に向上させた。これにより、大規模シミュレーションやデータ解析の新たな可能性が開かれた。
1.2.2 Beowulfクラスタの普及
1994年にNASAの研究者らが開発したBeowulfクラスタは、標準的なPCハードウェアとLinuxオペレーティングシステムを組み合わせて低コストで並列計算機を構築する手法を確立した。このアプローチにより、大学や研究機関が予算制約の中で独自のスーパーコンピュータを構築できるようになり、高性能計算の民主化が進んだ。Beowulfクラスタは現在の多くのクラスタ型スパコンの原型となった。
1.3 エクサスケール時代（2010年代以降）
2010年代には、1エクサFLOPS（每秒百京回の浮動小数点演算）を目標とするエクサスケールコンピューティングへの挑戦が本格化した。日本では「富岳」（2020年）、米国では「Frontier」（2022年）がエクサスケール性能を達成し、気候変動予測や創薬、材料科学などへの応用が期待されている。この時代には、GPUや専用アクセラレータの活用、消費電力の抑制、耐故障性の向上が重要な課題となっている。
2 アーキテクチャ
2.1 プロセッサとアクセラレータ
2.1.1 CPUベース
CPUベースのスーパーコンピュータは、汎用性の高いコアを多数搭載したプロセッサで構成される。x86アーキテクチャ（Intel Xeon、AMD EPYC）やARMアーキテクチャ（富士通A64FX）が代表的であり、幅広い並列プログラミングモデルをサポートする。CPU単体では専用アクセラレータに性能で劣るが、メモリ容量や汎用性の面で優位性を持つ。
2.1.2 GPUベース（GPGPU）
GPU（Graphics Processing Unit）は、数千のコアを持つ並列演算に特化したプロセッサである。NVIDIAのTeslaやAMDのInstinctシリーズが代表的で、CUDAやOpenCLを用いたGPGPU（General-Purpose GPU）コンピューティングにより、科学技術計算の高速化に広く利用されている。GPUベースのシステムは、行列演算やシミュレーションなどでCPU比で数十倍の性能向上を実現する。
2.1.3 専用アクセラレータ（FPGA、ASICなど）
特定の計算に特化したアクセラレータも利用されている。FPGA（Field-Programmable Gate Array）は、回路構成をプログラム可能で、低レイテンシや省電力が求められる用途に適する。ASIC（Application-Specific Integrated Circuit）は、例えばディープラーニング向けのGoogle TPUなどがあり、特定のタスクで高い性能効率を発揮するが、柔軟性に欠ける。
2.2 メモリ階層
2.2.1 キャッシュメモリ
キャッシュメモリは、CPUやGPUの内部に配置される高速な小容量メモリで、頻繁にアクセスされるデータを一時的に保持することで、メインメモリへのアクセス遅延を隠蔽する。一般的にL1、L2、L3の複数階層で構成され、階層が深くなるほど容量は増えるが速度は低下する。キャッシュ設計は、プロセッサの実効性能に直接影響する重要な要素である。
2.2.2 共有メモリと分散メモリ
共有メモリモデルでは、複数のプロセッサが同一のメモリ空間を参照し、キャッシュコヒーレンシプロトコルによって一貫性を保つ。一方、分散メモリモデルでは、各プロセッサがローカルメモリを持ち、メッセージパッシングによってデータを交換する。大規模スパコンでは、ノード内で共有メモリ、ノード間で分散メモリを採用するハイブリッド構成が一般的である。
2.3 インターコネクト（相互結合網）
2.3.1 ネットワークトポロジ（トーラス、Fat-Treeなど）
インターコネクトのトポロジは、ノード間の接続パターンを決定し、通信性能やスケーラビリティに影響する。トーラスは多次元のリング構造で、高い対称性と低コストが特徴。Fat-Treeは、帯域幅が上位階層で増加する木構造で、ブロッキングの少ない通信が可能。その他、メッシュやハイパーキューブなどが用いられる。
2.3.2 通信プロトコル（InfiniBand、Ethernet）
InfiniBandは、高帯域幅と低レイテンシを実現する専用のスーパーコンピュータ向けインターコネクトであり、RDMA（Remote Direct Memory Access）をサポートする。標準Ethernetは、コスト面で有利だが、性能面で劣る。最近では、Intel Omni-PathやHPE Slingshotなどの独自プロトコルも開発されている。
3 ソフトウェア
3.1 オペレーティングシステム
3.1.1 LinuxベースのカスタムOS
スーパーコンピュータのオペレーティングシステムは、ほぼ例外なくLinuxをベースにカスタマイズされている。軽量なカーネル、リアルタイムタスクの優先制御、大規模並列処理に適したプロセス管理などが求められる。代表的な例として、米国のシステムで使われるCray Linux Environmentや、日本の「富岳」で採用された軽量カーネル「McKernel」がある。
3.2 並列プログラミングモデル
3.2.1 MPI（Message Passing Interface）
MPIは、分散メモリ環境における並列プログラミングの標準規格であり、プロセス間通信を明示的に記述する。ポイントツーポイント通信、集合通信、データ型の定義などを提供し、Fortran、C、C++などの言語で利用される。強力なスケーラビリティを持ち、数千から数万コア規模の計算に広く適用される。
3.2.2 OpenMP
OpenMPは、共有メモリ環境向けの並列プログラミングモデルで、ディレクティブを用いてループや領域の並列化を指示する。マルチスレッドによる並列実行を実現し、MPIと組み合わせてハイブリッド並列計算に使われる。CPUやGPUのマルチコアリソースを効果的に活用できる。
3.2.3 CUDA/OpenCL
CUDAはNVIDIAが開発したGPU向けの並列プログラミング環境であり、C/C++の拡張として記述する。OpenCLは業界標準の並列フレームワークで、異種混合のプロセッサ（CPU、GPU、FPGAなど）に対応する。これらのモデルにより、GPGPUを用いた大規模計算が容易になった。
3.3 ジョブスケジューリング
3.3.1 キューイングシステム（SLURM、PBS）
多数のユーザーが共有するスーパーコンピュータでは、リソース管理とジョブスケジューリングが不可欠である。SLURM（Simple Linux Utility for Resource Management）は、オープンソースのジョブスケジューラで、多くのスパコンで標準的に採用されている。PBS（Portable Batch System）は、商用版が広く使われてきた歴史を持つ。これらは、キューに投入されたジョブを優先度やリソース要求に応じて効率的に割り当てる。
4 応用分野
4.1 気象・気候シミュレーション
4.1.1 台風予測と長期気候モデル
スーパーコンピュータは、大気の流体力学方程式を数値的に解くことで、台風の進路予測や気候変動の長期予測に貢献している。全球気候モデルでは、水平解像度数キロメートル、鉛直層数十層の格子点で計算を行い、エクサスケール級の性能を活用することで、より高精度な予測が可能となる。
4.2 物理学と天文学
4.2.1 宇宙シミュレーション
宇宙の大規模構造形成や銀河の合体過程を再現するN体シミュレーションには、数十億の粒子を追跡する大規模計算が必要である。スーパーコンピュータにより、ダークマターやガスの力学を高精度でシミュレートし、観測データとの比較が可能となる。
4.2.2 素粒子物理の格子QCD計算
量子色力学（QCD）の格子ゲージ理論に基づく計算は、クォークとグルーオンの相互作用を第一原理から解くために用いられる。スーパーコンピュータは、時空間を離散化した超大規模連立方程式を解くことで、ハドロンの質量や崩壊定数の予測に貢献している。
4.3 生命科学
4.3.1 ゲノム解析と創薬
スーパーコンピュータは、大規模なゲノム配列のアラインメントやバリアント検出を高速化する。創薬では、化合物ライブラリのバーチャルスクリーニングや分子ドッキングシミュレーションにより、有望な候補薬を短期間で選別する。
4.3.2 分子動力学シミュレーション
タンパク質の折り畳みや分子複合体の動的挙動を解析する分子動力学シミュレーションには、数百万から数十億原子の長時間計算が必要である。GROMACSやNAMDなどのソフトウェアがスーパーコンピュータ上で動作し、生体分子の機能解明に寄与している。
4.4 工学と産業
4.4.1 航空機・自動車の設計最適化
CFD（Computational Fluid Dynamics）と構造解析を組み合わせた設計最適化は、航空機の空力形状や自動車の衝突安全性の向上に不可欠である。スーパーコンピュータは、多数の設計パラメータを網羅的に評価し、最適な設計解を探索する。
4.4.2 核融合プラズマシミュレーション
核融合炉の実現に向けて、プラズマの安定性や熱輸送を解析するシミュレーションが行われている。磁場閉じ込めや慣性閉じ込めのモデルには、大規模な非線形偏微分方程式の数値解法が必要であり、スパコンの性能が直接的なブレークスルーにつながる。
5 主要なスーパーコンピュータシステム
5.1 歴代のトップシステム
5.1.1 日本の「京」と「富岳」
「京」（2011年稼働、10.51 PFLOPS）は、富士通製のSPARC64 VIIIfx プロセッサを採用し、LINPACKベンチマークで当時世界一を達成した。後継の「富岳」（2020年稼働、442 PFLOPS）は、ARMベースのA64FXプロセッサを用い、世界初のエクサスケール級システムとして注目された。
5.1.2 中国の「神威・太湖之光」
中国は2016年に「神威・太湖之光」（93 PFLOPS）で世界一を達成した。同システムは国産のSW26010プロセッサを搭載し、独自のコアアーキテクチャが特徴である。その後も「天河」シリーズなどが開発され、中国のスーパーコンピュータ技術の発展を示している。
5.1.3 米国の「Frontier」と「Summit」
「Summit」（2018年稼働、148 PFLOPS）は、IBM Power9 CPUとNVIDIA V100 GPUを組み合わせたハイブリッド構成で、Top500でトップを獲得した。「Frontier」（2022年稼働、1.206 EFLOPS）は、AMD EPYC CPUとMI250X GPUを用いて初のエクサスケール達成を公的に報告したシステムである。
5.2 現在のTop500ランキング
Top500リストは、半年ごとに全世界のスーパーコンピュータのLINPACK性能をランキング化している。2024年のリストでは、Frontier（米国）、Aurora（米国）、Eagle（米国）、富岳（日本）、LUMI（フィンランド）が上位を占める。競争は激化しており、各国の投資が続いている。
6 課題と将来
6.1 消費電力と冷却技術
6.1.1 水冷・液浸冷却
エクサスケール級のシステムでは、消費電力が数十MWに達し、冷却が重大な課題となる。水冷システムは、CPUやGPUに直接冷却水を循環させることで効率的に排熱する。さらに、特殊な不活性液体にサーバ全体を浸す液浸冷却は、従来の空冷に比べて大幅な省エネを実現する。
6.1.2 省電力プロセッサ設計
プロセッサ自体の省電力化も進められている。ARMアーキテクチャやRISC-Vのような効率的な命令セット、DVFS（動的電圧周波数スケーリング）、近しきい値電圧動作などの技術が、性能当たりの消費電力を削減する。
6.2 エクサスケール超えと次世代技術
6.2.1 量子コンピュータとの連携
スーパーコンピュータと量子コンピュータを融合するハイブリッドアプローチが研究されている。量子計算が得意とする組合せ最適化や量子化学計算をアクセラレータとして活用し、古典計算では困難な問題を解く可能性がある。
6.2.2 光インターコネクトやニューラルハードウェア
光インターコネクトは、電子配線に比べて低消費電力で大帯域の通信を実現する。一方、ニューラルネットワーク専用のハードウェアは、AI処理の高速化に大きく貢献する。これらの技術が組み合わさることで、将来的なゼタスケール（每秒千垓回）への道筋が模索されている。