🔬 基礎研究 法定機関 運営中 設立 1991

A*STAR

主管省庁
貿易・工業省(MTI)
規模 / KPI
20以上の研究機関、5000名以上の従業員、年間研究開発費 SGD 4.6億以上
公式サイト
a-star.edu.sg
情報更新
2026-05-02

A*STAR(Agency for Science, Technology and Research)はシンガポール国家研究機関であり、1991年に設立され、貿易・工業省(MTI)の傘下にあります。大学のように教育と研究の両方を行うのではなく、**純粋にアプリケーション指向の研究**を行っており、シンガポール AI 基礎研究と産業応用の「国家レベルの R&D 部門」です。AI 領域では、A*STAR の I2R(情報通信研究院)と CFAR(最先端 AI 研究センター)が2つのコアノードです。

📖 概要

A*STAR はシンガポール最大の公的研究機関で、20 以上の研究機関から構成されています(I2R、IHPC、SIMTech、IMRE、IBN、CFAR など)。情報通信、生物医学、化学材料、製造、持続可能エネルギーなどの分野をカバーしています。

AI と直接関連する中核的な部門には以下があります:

  • I2R(Institute for Infocomm Research):シンガポール最大の ICT 研究機関で、AI、コンピュータビジョン、NLP、機械学習の伝統的な中心地です
  • CFAR(Centre for Frontier AI Research):2022 年に設立された 「フロンティア AI センター」で、LLM、生成 AI、AI for Science に専門化しています
  • IHPC(Institute of High Performance Computing):スーパーコンピューティングと AI for Science の横断研究

A*STAR の役割ポジショニングは非常に明確です:企業が行いたくない、高等教育機関では深く進められない中間層研究を実施することです。その研究成果は ETPL(Exploit Technologies Pte Ltd)を通じて技術移転され、現地企業による商用化に向けてライセンスされます。

🤖 AI との関係

A*STAR はシンガポール AI エコシステムにおいて「インフラストラクチャ層」です——**多くのことが実は A*STAR がやっているのに、あなたはそれだと気づかない**のです。

具体的な貢献:

  • CFAR と AISG が共同で SEA-LION をインキュベート:CFAR は LLM 訓練経験と計算リソースを提供し、AISG はエンジニアリングと製品化を担当
  • I2R はシンガポール NLP/CV 研究の開祖です:初期の SGNLP(後に AISG にメンテナンスが移る)、シンガポール英語方言識別など、すべて I2R に由来
  • AI for Science:A*STAR は素材、生物学、化学分野で AI を使用して発見を行い、シンガポールで完全な AI4S クローズドループを持つ数少ない機関です
  • 国家計算能力中心(NSCC)の運営者:SEA-LION、現地研究プロジェクトの計算リソースはすべて A*STAR の調整に依存

技術路線では、A*STAR は「グローバルファースト論文」を追求せず、「産業導入可能な成果」を追求します——これが、A*STAR が NUS/NTU などの純粋な学術機関と根本的に異なる点です。

🇸🇬 シンガポールとの関係

A*STAR はシンガポール AI 戦略における最も過小評価されやすく、しかし最も不可欠な役割です。

「7 つの伝導レバー」の中で:

  • レバー 1(基礎研究):A*STAR は国家研究投入の主要な受け手であり、CFAR はグローバル前沿と直接ベンチマークしています
  • レバー 3(産業応用):I2R/SIMTech を通じて AI 技術を現地製造業、医療、金融に転移
  • レバー 5(政府自用):政府部門の多くの AI プロジェクト(医療画像、スマートネーション・プラットフォーム)は A*STAR の技術スタックを使用

観点:**A*STAR の真の価値は、その論文出力にあるのではなく、「国家技術コンバーター」の役割を果たしていることにあります**——高等教育機関の純粋研究、企業の具体的ニーズ、国家の戦略目標の 3 者を接着させます。これはシンガポールで「基礎研究から製品落地」の全チェーンを実行できる数少ない機構です。

しかし A*STAR にも明らかなボトルネックがあります:人材と高等教育機関/大企業と比較して吸引力が欠ける(給与は中程度、昇進経路が狭い)、研究成果の効率が階級管理に阻害される一部の研究機関の方向が陳旧化している(これは 1991 年の老舗機構です)。NAIS 2.0 時期に、A*STAR の AI 分野における役割の位置づけは再検討が必要です——「応用研究プラットフォーム」を続けるのか、少数の最先端(例:CFAR)に焦点を当てるのか?

🗓️ 主要マイルストーン

  1. 1991
    A*STAR 前身 NSTB 設立

    当時は国家科学技術局(National Science and Technology Board)と呼ばれていました。

  2. 2002
    A*STAR に改名
  3. 2002
    I2R 設立

    シンガポール最大の ICT 研究機関となりました。

  4. 2022-09
    CFAR 最先端 AI 研究センター設立

    LLM、生成 AI、AI for Science に特化しています。

  5. 2023
    CFAR が SEA-LION トレーニングに参加

👥 主要人物

🔗 関連リソース

出典

同じカテゴリ 🔬 基礎研究

NUS
シンガポール国立大学、AI 研究ランキングはアジア上位。2024年3月に NUS AI Institute を設立し、基礎 AI、応用 AI および社会的影響研究を統合。
NTU
南洋工科大学、AI とデータサイエンス研究の主要拠点
SMU
シンガポール経営大学、AI のビジネス・社会応用
SUTD
シンガポール科技設計大学、AI とデザインの交差創新
AI Singapore と米国 NSF 研究者による研究協力プロジェクト
本プロジェクトは南洋理工大学の張潔教授がリードし、米国マサチューセッツ工科大学(MIT)と協力して、信頼性があり解釈可能な人工知能・人間相互作用最適化システムの開発に取り組んでいます。研究の重点は、自然言語を組合せ最適化問題のロバストなインターフェースとして確立することであり、AI システムが人間の言語から最適化問題を定式化し、強力な AI 支援最適化を実施し、解釈可能なフィードバックを提供できるようにします。本プロジェクトは、物流、製造、金融などの産業に対して効率的な意思決定支援ツールを提供し、同時に信頼性のある AI の基礎研究を推進することを目的としています。
PINNACLE:PINN 適応的配置点と実験点選択方法
PINNACLE は、物理情報神経ネットワーク(PINN)の訓練効率を改善するための適応的点選択方法です。本方法は経験的ニューラル接線核理論に基づいており、実験点および配置点を含むすべての種類の訓練点の選択を自動的に共同で最適化することができ、前進問題、逆問題、転移学習などの複数のタスクにおいて既存のベンチマーク方法を大幅に上回ります。
BadEdit:モデル編集による大規模言語モデルへのバックドア注入
AI Singapore 研究チームが BadEdit フレームワークを提案しました。これは、モデルパラメータを直接修正することにより、事前訓練された大規模言語モデルに対して効率的なバックドア攻撃を行う革新的なバックドア注入方法です。本方法は、わずか 15 個のデータサンプルと 120 秒で成功的にバックドアを注入でき、攻撃成功率は 100% に近く、一方で清潔なデータに対する最小限の悪影響を保ちます。BadEdit は従来の重み中毒方法と比較して、データ要件が少なく、効率が高く、テキスト分類、事実確認、対話感情生成を含む複数のタスク領域に適用できるという利点があります。
シンボリック回帰を用いた決定木による拡大クラス分割の発見
本研究はシンボリック回帰強化決定木(SREDT)を紹介しています。シンボリック回帰を通じて非線形・多変量の決定木分割規則を発見します。従来型決定木と比較して、SREDTはより優れた予測性能、より小型でコンパクトな木構造、より高速な推論速度、およびノイズに対するロバスト性を備えています。この方法は遺伝的プログラミングを通じて閉式解析的表現を探索し、分類タスクにおいて標準決定木を明らかに上回ります。

この記録を引用

シンガポール AI 観測. A*STAR. 取得日 2026-08-20, https://sgai.md/ja/ecosystem/a-star/

同じテーマの続き