SIMD 概論

前提知識: プログラミングの基礎知識。CPU アーキテクチャの概要があると望ましい。

このページの要点

• SIMD（Single Instruction, Multiple Data）は 1 つの命令で複数のデータを同時に処理する並列化手法である
• x86-64 では SSE2 が基本命令セットに含まれ、すべての 64 ビット CPU で 128 ビット SIMD が使える
• 将棋エンジンでは 9×9 = 81 マスのビットボード表現に 128 ビット SIMD が自然に適合する
• SIMD の恩恵を最大化するには、対象 CPU の命令セット対応状況を正しく把握する必要がある

SIMD とは何か

SIMD は Single Instruction, Multiple Data の略で、1 つの命令で複数のデータ要素を同時に処理するプロセッサの実行モデルです。 Flynn の分類¹における 4 つの計算モデルの一つに位置づけられます。

通常のスカラー命令では、1 つの加算命令は 1 組のオペランドしか処理できません。 SIMD では、たとえば 128 ビットレジスタに 4 つの 32 ビット整数を詰め込み、1 命令で 4 組の加算を同時に実行できます。

スカラー演算（SISD）: A₁ + B₁ = C₁ ← 1命令で1組

SIMD 演算:
  [A₁, A₂, A₃, A₄]
+ [B₁, B₂, B₃, B₄]
= [C₁, C₂, C₃, C₄]   ← 1命令で4組

レジスタ幅とデータ並列性

SIMD の性能はレジスタ幅に大きく依存します。 レジスタが広いほど、1 命令で処理できるデータ量が増えます。

ただし、レジスタ幅が広ければ常に速いとは限りません。 消費電力の増加によるクロックダウン（特に AVX-512）、アラインメント制約の厳格化、レジスタ間のデータ移動コストなど、幅を広げることによる副作用も存在します。

SIMD の 2 つの用途

SIMD は大きく分けて 2 つの文脈で使われます。

1. データ並列演算

画像処理・音声処理・科学計算など、同種のデータを大量に処理する場面です。 たとえば画像のピクセルごとの輝度補正では、128 ビット SSE2 レジスタに 16 個の 8 ビットピクセルを詰め込み、一括で演算します。 これが SIMD の最も典型的な用途です。

2. ワイドレジスタ演算

64 ビットを超えるデータを 1 つの単位として扱う用途です。 将棋のビットボードはこちらに該当します。 9×9 = 81 マスを表現するには 64 ビットでは不足するため、128 ビットレジスタを「1 つの大きな整数」として利用します。 AND・OR・XOR などの論理演算は、要素幅に関係なくビット単位で動作するため、128 ビット全体に対して 1 命令で適用できます。

ビットボードの OR 演算:
  128bit: [先手の駒がいるマス] | [後手の駒がいるマス] = [全駒のいるマス]
  → SSE2: por xmm0, xmm1   ← たった1命令

なぜ将棋エンジンで SIMD が重要か

将棋エンジンにとって SIMD が重要な理由は 3 つあります。

理由 1: 81 マス問題

チェスは 8×8 = 64 マスなので、uint64_t 1 つでビットボードを表現できます。 将棋は 9×9 = 81 マスあり、64 ビットに収まりません。 128 ビット SIMD レジスタ（SSE2 の __m128i）を使えば、81 ビットを 1 つのレジスタに格納し、論理演算を 1 命令で実行できます。 rsshogi のビットボード実装の詳細は ビットボードのレイアウト を参照してください。

もし SIMD を使わなければ、[u64; 2] の各要素に対して個別に演算する必要があり、演算量が 2 倍になります。 特にビットボード演算は指し手生成の最内周ループで膨大な回数呼ばれるため、この差は大きく効きます。

理由 2: 頻出プリミティブの低コスト化

探索エンジンは局面更新・合法手生成・利き計算を大量に呼び出します。 rsshogi は探索本体を持ちませんが、これらの基盤処理を提供するため、ビットボード演算の SIMD 化は利用側エンジンの実行コストを下げる土台になります。

理由 3: NNUE 評価関数（探索エンジン側の話）

現代の将棋エンジンは NNUE（Efficiently Updatable Neural Network）による評価関数を使用します。 NNUE の差分更新や推論計算には大量のベクトル演算が含まれ、AVX2 や AVX-512 の恩恵が極めて大きい分野です。 Stockfish や 参照実装では NNUE 推論に AVX2 を積極的に活用しており、SSE2 のみの環境と比較して数倍の性能差が生じます。

注意: rsshogi は評価関数を含まない基盤ライブラリです。NNUE の実装は rsshogi を利用する探索エンジン側の責務です。 rsshogi が提供する SIMD 最適化（ビットボード演算・利き計算）は評価関数とは独立した機能です。

命令セット拡張の全体像

x86 / x86-64 プロセッサにおける主要な SIMD 関連の命令セット拡張を以下にまとめます。 各拡張の詳細な歴史と CPU 対応状況は「拡張命令の歴史」で、ビットボード処理で使う個別命令の解説は「拡張命令リファレンス」で扱います。

太字は将棋エンジンで特に重要な命令セットです。

SIMD と将棋エンジンの関係図

┌─────────────────────────────────────────────────────┐ │ rsshogi（基盤ライブラリ） │ ├─────────────────────────────────────────────────────┤ │ ビットボード / 利き計算 / 合法手生成 │ │ (128 bit Bitboard / 256 bit Bitboard256) │ ├─────────────────────────────────────────────────────┤ │ SSE2 論理演算 │ SSSE3 シャッフル │ SSE4.1 テスト │ │ AVX2（角の 4 方向並列） │ ├─────────────────────────────────────────────────────┤ │ POPCNT │ BMI1 (TZCNT/LZCNT) │ BMI2 (PEXT/PDEP) │ │ ビット操作専用命令 │ └─────────────────────────────────────────────────────┘

※ NNUE 評価関数は rsshogi の範囲外。
   探索エンジン側で AVX2 / AVX-512 / FMA3 等を活用して実装する。

非 x86 環境: ARM NEON

ARM アーキテクチャにも NEON と呼ばれる 128 ビット SIMD 拡張があります。 AArch64（64 ビット ARM）では NEON が必須仕様であり、すべての 64 ビット ARM プロセッサで利用可能です。

Apple Silicon（M1 以降）は NEON の性能が非常に高く、x86-64 の SSE2 と同等以上の性能を発揮します。 Raspberry Pi 4 以降や AWS Graviton なども AArch64 であり、NEON が使えます。

ただし、ARM には PEXT/PDEP に相当する命令がないため、BMI2 依存のアルゴリズムは利用できません。 POPCNT に相当する CNT 命令は存在します。

rsshogi の現状: ここで述べた NEON は一般的な背景であり、rsshogi の現在の実装には NEON 専用の コードパスはありません（simd/u64x4/mod.rs に「AVX512/NEON は未導入」と明記）。AArch64 では 128bit 演算はスカラー実装にフォールバックします。SIMD で高速化されるのは AVX2 が有効な x86-64 環境です。

この章の構成

1. Flynn, M. J. (1972). “Some Computer Organizations and Their Effectiveness”. IEEE Transactions on Computers, C-21(9), 948–960. ↩