中間表現

中間表現（Intermediate Representation: IR）とは

中間表現（IR）とは、コンピュータがデータをプラットフォームを跨いで扱うため、あるいはその他様々な目的で使用されるデータ構造の表現です。中間表現を用いることで、データの抽象化が可能となり、異なるフォーマット間の変換処理を効率化できます。これは、コンピューティング分野では一般的な手法となっています。

中間表現の形態

中間表現はテキストデータやバイナリデータなど、様々なデータ構造を取りえます。例えば、Java[[バイトコード]]はバイト指向の中間表現の一例です。内部的にはポインタなどで効率的な表現が可能ですが、外部ファイルへの書き出し時には永続化が必要です。

構文解析と中間表現

プログラミング言語などの形式言語を扱うプログラムでは、ソースコードを字句解析器でトークンに分割し、構文解析器で構文木を構築します。この構文木を抽象化したものが抽象[[構文木]]であり、中間表現として利用されます。抽象[[構文木]]はプラットフォームに依存しない形式でデータを表現し、命令セットを持つデータは中間表現で抽象化した上で、各プラットフォームの命令セットと関連付けられます。

中間言語

中間表現が言語（形式言語）の形態を持つ場合、特に「中間言語」と呼ばれます。ここでは、主にプログラミング言語に関連する場合について解説します。

コンパイラとインタプリタにおける中間言語

コンパイラやインタプリタでは、ソースコードを直接機械語に変換したり、直接解釈実行するのではなく、中間言語を経由することがあります。中間表現は1段階だけでなく、複数段階にわたることもあります。

中間言語の歴史

1970年代頃までは単一言語・単一ターゲットが主流でしたが、1958年にはUNCOLという概念が提案されました。1980年代には、GNU Compiler Collection（GCC）のように、中間表現を用いることで複数言語やターゲットに対応するコンパイラが登場しました。GCCでは、Register Transfer Language（RTL）という非依存な内部形式が使われています。

中間言語の発展

2000年頃からは、GPLでないライセンスで利用可能なコンパイラ基盤のニーズが高まり、「COINSコンパイラ・インフラストラクチャ」やLLVMなどが開発されました。LLVMは、異なるプログラミング言語のソースコードを単一の中間言語に変換し、異なるターゲットコードに変換できる点が特徴です。clang、rustc、Emscriptenなどの「コンパイラ基盤」として活用されています。

初期のBASIC処理系

初期のBASIC処理系では、字句解析のみを行い、各ステートメントを直接コードに変換する方式も存在しました。また、高度な中間言語を利用する実装もありました。

仮想マシンとJITコンパイル

いくつかの仮想マシンやインタプリタは、中間言語を直接実行しますが、実行時コンパイル（JITコンパイル）により、中間言語から実行環境に応じた機械語を生成する方が高速です。

GPUシェーダーと中間表現

GPU上で動作するシェーダープログラムやコンピュートカーネルも、移植性の高い中間表現が利用されています。DirectXでは、DXBC（DirectX Bytecode）やDXILといった中間表現が利用され、OpenGLではSPIR/SPIR-Vが標準化されています。これらの標準化により、オフラインコンパイルが可能になり、フロントエンドの言語選択の自由度が増しました。CUDAもPTXという中間表現を利用可能です。

その他の事例

C言語などの下位水準言語を、上位水準言語のコンパイル先として利用することがあります。この場合、C言語はある種の中間言語として機能すると言えます。また、TypeScriptもJavaScriptコードを出力するトランスコンパイラとして同様の役割を果たします。

Unix環境では、多くの場合、アセンブリ言語が中間言語として利用され、アセンブラがオブジェクトファイルを生成します。コンパイラドライバの出力ファイル名がa.outになる慣習は、アセンブラからの出力の名残です。

まとめ

中間表現は、ソフトウェア開発において不可欠な概念であり、異なるプラットフォーム間でのデータのやり取りや、コンパイラ、インタプリタなどの様々な場所で活用されています。中間表現の理解は、ソフトウェアの仕組みを深く理解する上で重要な要素となります。

関連項目

LLVMアセンブリ（LLVM IR）
CIL - .NET環境における中間言語
C--
WebAssembly
Java[[バイトコード]]
PASCAL P-Code

もう一度検索