PHOTONの開発は、民間企業の計算基盤・エンジニアリング力と、大学・研究機関の深層学習理論・NLP（自然言語処理）知見を結集した産学官の共同研究体制によって推進された。
共同研究における主な役割分担は以下の通り。
各機関の役割分担
1. 富士通（Fujitsu）：プロジェクト統括・大規模計算・社会実装
• 主な役割：開発の主導、大規模GPU計算インフラの提供、エンジニアリング実装、社会実装に向けた実証。
• 具体内容：
◦ 大規模なGPUクラスタを用いたRecGen/HierGenモードの分散並列処理環境の構築と検証。
◦ 「最大475倍」のスループットを実証するスケーラビリティ試験や実機動作の最適化。
◦ 今後の自社LLM基盤（Takane等）やマルチエージェント基盤へのPHOTON構造の組み込み・商用化検討。
2. 理化学研究所（RIKEN AIP）：機械学習の基礎理論・表現学習の設計
• 主な役割：階層型アーキテクチャの理論的枠組みの構築、数式モデルの考案。
• 具体内容：
◦ 従来のTransformerが抱えるKVキャッシュ（メモリ帯域）の限界を数理的に分析。
◦ 「意味のまとまり（チャンク）」をトップダウン/ボトムアップで相互変換する抽象化理論の定式化。
◦ 予測軌道のズレを抑える再構成損失（Reconstruction Loss）など、学習安定化のための数理的手法の設計。
3. 東京科学大学（Institute of Science Tokyo）：LLMアーキテクチャ・NLP評価
• 主な役割：言語モデルとしての構造設計、精度検証、学術的ベンチマーク評価。
• 具体内容：
◦ 階層化エンコーダ・デコーダの内部ネットワーク構造（ContextChunkerやContextEncoder等）の設計支援。
◦ 既存のTransformerモデルとの言語理解能力（Perplexity、日本語・英語タスク精度）の対比実験。
◦ 自然言語処理（NLP）における長文理解・文脈保持能力の評価とモデルのハイパーパラメータ最適化。
4. 東海大学（Tokai University）：アルゴリズム軽量化・推論挙動の解析
• 主な役割：局所処理アルゴリズムの検証、計算量・メモリ読み出しの実験的解析。
• 具体内容：
◦ 局所デコーダ（Bounded Local Attention）におけるPrefix変換器の効率化評価。
◦ 生成時における定数時間 O(1) 処理の実現に向けた、メモリアクセス挙動および計算負荷の検証・データ収集。
連携のシナジー（相乗効果）
基礎理論（理研）からモデル構造（大学陣）、そして大規模計算・エンジニアリング（富士通）へとバトンを繋ぐことで、「理論だけでなく実際にGPU上で爆速で動く」次世代LLMアーキテクチャの実現に至っている。
PHOTONの共同開発として理化学研究所（RIKENAIP）、東京科学大学、東海大学が加わっているが、理化学研究所と東京科学大学は人工知能の最先端であろうことは容易に想像できるが、私立大学である東海大学が加わっているのはなぜだろうか。
それは、大学の「国立・私立」という区分や一般的な大学の知名度ではなく、「そのテーマにおいて突出した知見を持つ『特定研究者（ラボ）』が所属しているから」というのが直接的な理由だった。
最先端のAI研究（特に今回のような新アーキテクチャ開発）において、共同研究先として選ばれる基準は「大学の知名度」ではなく、「課題に対して世界トップクラスの解答を出せる専門家がどこにいるか」という点に完全に特化している。
東海大学がこのトッププロジェクトに参画している背景には、主に3つの理由がある。
1. 「メモリ効率化・並列アルゴリズム」における専門知見
PHOTONの最大の肝は、モデルの精度を高めること以上に「KVキャッシュのメモリ帯域問題をいかに回避し、GPUを限界まで使い倒すか（並列スループットの極限化）」という、計算機科学・アルゴリズム層の最適化にある。
東海大学（情報理工学部や情報通信学部など）には、こうした大規模並列処理、メモリ読み出しの軽量化アルゴリズム、システム最適化の領域で非常に強い実績を持つ研究室・研究者が存在しるす。
理研や東京科学大（旧東工大）が「理論やLLMの全体構造」を設計する一方で、それをいかに無駄なく・超高速に計算ハードウェア上で駆動させるかという技術的パーツにおいて、東海大学の知見が不可欠だったという役割分担だ。
2. トップ研究者個人の「トラックレコード」と人脈
AI・自然言語処理（NLP）の分野では、「どの大学に属しているか」よりも「その研究者がこれまでにどんな成果（論文）を出してきたか」が重視される。
• 理研AIPとの強い兼任・連携関係:
日本の先端AI研究では、大学の教授・准教授が理研AIPの客員研究員や客員研究員ユニットを兼務しているケースが非常に多くある。東海大学の研究者も理研AIPのプロジェクトや共同研究ネットワークに深く組み込まれており、普段から研究基盤を共有している。
• コミュニティの系譜:
日本の自然言語処理や大規模言語モデル（Fugaku-LLMやTakaneなど）開発コミュニティは、東京科学大（旧東工大・岡崎研究室等）や理研、富士通を中心とした研究者の強いネットワークで結ばれている。東海大学の参画研究者も、この最前線コミュニティで長年実績を重ねてきた核心メンバーの一人だ。
3. 国立・私立の壁を超えた「尖った尖端知見の結集」
近年の日本の産学連携（特に「富岳」を活用するような国家的AIプロジェクトや最先端アーキテクチャ開発）では、大学の枠組みを超えた「オールジャパンのスペシャリスト結集」が進んでいる。
各機関の 主な得意領域・プロジェクトにおける担い
富士通：巨大計算インフラ（GPUクラスタ）と製品化・実装力
理化学研究所（AIP）：数理モデル・基礎理論・損失関数の設計
東京科学大学 ：LLM・自然言語処理のアーキテクチャ設計・言語評価
東海大学：局所アルゴリズムの解析・メモリ効率化・計算挙動の評価
まとめ
「私立大学だから」といって一律に排除されることはなく、「PHOTONのボトムアップ／トップダウン走査やBounded Local Attentionを計算的に解き明かすためのキーマンが東海大学にいた」というのが真相だった。
先端IT・AI分野では、大学名という「看板」ではなく、現場で手を動かし理論を支える「研究者個人の鋭い専門性」が何よりも優先される好例と言える。
この学歴廚が発狂しそうな事実は、従来の大学の序列などは全く意味をなさなくなる新しい時代が、既に始まっている事の例ともいえる。