企業情報

「現実世界を計算可能にする」という PFN のビジョンを実現する、チャレンジ精神旺盛な 2027 年卒業予定の学生を募集します。最先端の技術がもたらす新たな体験や価値を幅広い業界に提供するため、PFN Valuesに共感し、さまざまなバックグラウンドを持つ人々と積極的にコミュニケーションを取り、新たな価値を創造できる人材を求めています。ご自身の専門性を活かすだけではなく、未知の分野や困難な状況でも、積極的に学び、謙虚でありながら、前向きかつ主体的に取り組める方を歓迎します。 2027年新卒採用ではつぎの5つのコースを設けて選考します。入社後のポジションや業務内容を確約するものではありませんが、みなさま個人のキャリア指向や志望動機と弊社業務・ポジションとのマッチングを円滑に行うため、ご応募の際にお選びいただきます。実際にご担当いただく業務や配属先は、選考を通じて確認された資質・適性・知識・経験などを考慮のうえ、内定後に決定します。 ・プロダクト・アプリ・サービス開発 ・ソリューションエンジニアリング・データサイエンス ・生成 AI・基盤モデル ・計算基盤 ▼AI チップ（ソフトウェア / ハードウェア）▼ PFN は、AI チップからソリューション・プロダクトに至るまで、AI 技術のバリューチェーンを自社内で垂直統合することで、競争力の高い技術の開発と社会実装を推し進めています。各レイヤーの事業については会社概要をご覧ください。 https://speakerdeck.com/pfn/pfn-corporate-factbook-ja ▼プロダクト・アプリ・サービス開発▼ PFN では深層学習などのソフトウェア技術と計算基盤などのハードウェア技術を独自の方法で組み合わせ、産業向けソリューションからコンシューマー向けサービスまで幅広く業界をまたがるプロダクトを開発・提供しています。バックグラウンドの異なる社内外の人々と積極的にコミュニケーションをとり、意欲的に学び、PFN のプロダクト・サービス開発を通じて新たな価値を生み出すことのできる方を求めています。 ※業務例 ◆PreferredAI™、Matlantis™、MiseMise™、等の各種プロダクト・サービス開発 ◆サービスのフロントエンド・バックエンドの構築から提供まで一貫して行う ◆プロダクトやサービスの品質を検証し、高める ◆プロダクトやサービスの価値を理解し、それを高めるための技術的あるいはビジネス的提案を行う ◆サービスの開発フェーズに合わせて運用保守を視野に入れた設計を行う 大規模言語モデル (LLM) など特殊な要件を持つ技術を適切に扱うためのプラットフォーム・アプリケーションを設計・開発する ◆設計、レビュー、コーディング、システム設定、ドキュメンテーション、運用、サポートなどさまざまな業務を行う ◆サービスの運用・監視 ▼ソリューションエンジニアリング・データサイエンス▼ 製造業・材料科学・創薬・ヘルスケア・エンターテインメント・金融・教育などの多様な領域で展開している PFN の事業において、自社スーパーコンピュータを用いたソリューションやそのプロトタイプの研究開発を行い「現実世界を計算可能にする」という PFN のビジョンを実現します。 事業ドメインの知識を学ぶとともに、コンピュータサイエンスの幅広い知識や実装力を用いて、PFN だからこそ実現できる高価値なソリューションの開発と提供を目指しています。バックグラウンドの異なる社内外の人々と積極的にコミュニケーションし、幅広い興味を持って学び続け、新たな価値を生み出すことのできる方を求めています。 ※業務例 ◆機械学習・最適化を中心とするコンピュータサイエンスの専門性を活かし、顧客と相談しながら、事業や問題の領域に応じた解決策を提案・実装する ◆研究成果を主にソフトウェアの形で実装し、チームで協力してプロダクト・サービスを創りこんでいく ◆ソフトウェア・ハードウェア・サービスの品質を検証し、高める ◆大規模言語モデル (LLM)、コンピュータビジョン技術を用いてプロダクト開発や顧客の課題解決を担う ◆社内外の最新の研究結果をもとに新しい技術を生み出していく ▼生成 AI・基盤モデル▼ PFNでは、日本語性能に優れた国産大規模言語モデル PLaMo™ を、フルスクラッチで開発しています。 大規模分散学習、事後学習、マルチモーダル対応、推論最適化、エージェント開発などの技術領域に取り組みながら、PLaMo は実用化に向けて複数の事業と連携し、技術と応用の両面で挑戦を続けています。 大規模言語モデル (LLM) の開発に興味があり、技術の可能性を広げる挑戦に意欲を持つ方の応募を心よりお待ちしています。 ※業務例 ◆基盤モデルの研究開発、モデル学習のためのデータセット収集・前処理、評価など、各コンポーネントの開発 ◆大規模分散学習を支えるフレームワーク、コンポーネントの開発・運用 基盤モデルの性能をさらに向上させる事後学習（指示学習、強化学習など）手法の研究開発 ◆自社開発チップ MN-Core を含む、各種アクセラレータに最適化された学習・推論技術の開発 ◆デプロイ環境に応じた推論最適化のための推論エンジンの研究開発 ◆画像などのマルチモーダル基盤モデルの研究開発 ◆LLM を利用したエージェント・アプリケーション開発、および各ドメインに特化した派生モデル開発のサポート ▼計算基盤▼ PFN は、これまでのさまざまな研究開発や事業を通じて培ってきたデータセンタ設備、ハードウェア、ソフトウェアの構築・運用のノウハウを持ち、これらが自社の価値と競争力の源泉となっています。 現在これらを垂直統合し、制限なく MN-Core の計算力を使うことのできる新たなプラットフォームを PFCP™として提供しています。 公平かつ効率のよい大規模な計算基盤と、それを利用するためのサービスの開発、運用を通じて MN-Core の事業化を支える仲間を募集します。 ※業務例 ◆Kubernetes を用いた大規模機械学習プラットフォームの機能設計と開発 ◆コンテナ技術を用いたセキュアかつ高効率なマルチテナント環境の構築 ◆計算資源 (GPU、MN-Core を含む) を有効活用するワークロードスケジューリング技術の開発 ◆ワークフロー、実験管理、CI などをまとめた機械学習向け統合開発環境の開発 ◆自動サーバプロビジョニングやパブリッククラウド連携による運用効率化 ◆分散キャッシュシステムや分散オブジェクトストレージの構築、運用 ◆スケーラブルかつマルチテナンシーをサポートする機械学習向け高速ネットワークの設計、構築、運用 ◆高いエネルギー効率をもつ計算基盤とデータセンタファシリティの設計、構築、運用 ◆社内外の多種多様な機械学習ワークロードにおいて、最適な計算をするためのユーザーのサポート ▼AIチップ（ソフトウェア / ハードウェア）▼ PFN が保有する計算基盤の心臓部にはアクセラレータがあり、PFN では独自の原理に基づく MN-Core™ シリーズを開発・活用しています。 MN-Core はプロセッサの制御の大半をソフトウェアで事前にスケジューリングすることで高効率を出すアーキテクチャを採用しています。 このアーキテクチャの性能は、ハードウェア設計と、制御を担うソフトウェアスタック（コンパイラやランタイム）の品質によって直接的に決定づけられます。そのため、ハードウェアとソフトウェア両面の開発が PFN の事業を加速するうえで非常に重要です。 今後は自社開発の推論用チップ「MN-Core L1000 」の外部への提供も本格化させていきます。 多様なユースケースに対応するための、アーキテクチャの更なる進化やコンパイラ・ランタイムの最適化も、私たちの新たなミッションとなります。 実際のユーザやソフトウェア／ハードウェア開発者と非常に距離が近い環境で、「世界一」の計算機を開発・活用する業務に意欲のある方のご応募をお待ちしています。 ※業務例 ◆Python で構築されたニューラルネットワークコードからの計算グラフの生成 ◆計算グラフに対するヒューリスティックな最適化 ◆MN-Core 用の Numpy-like なライブラリの開発 ◆GPU での CUDA カーネルのような、MN-Core 向けの高速なカーネルの実装 ◆計算グラフを機械語に変換するコンパイラコアの実装 ◆MN-Core への迅速なデータ供給と前処理の実施 ◆大規模言語モデル (LLM) の推論に向けた低レイテンシのランタイムの開発 ◆MN-Core 用のデバイスドライバの開発 ◆社内ワークロードの MN-Core への移植と高速化 ◆MN-Core次世代機種のアーキテクチャ検討、RTL設計・検証 ◆PCIeやHBMメモリなどの各種I/F IP組込み・検証 ◆MN-Core搭載のアクセラレータ基板の開発