現在の将棋AIに用いられる評価関数としては、CPUを用いた高速な探索に強みを持つNNUE (Neurally Network Updatable Evaluation functions)と、CNN (Convolutional Neural Network)により高精度な形勢判断を行うAlphaZeroの2種類が主流である。本研究ではGNN（Graph Neural Network）を用いた新しい評価関数を提案する。盤面の駒の利きや関係性をグラフとして表現し、複雑かつ非線形な相互作用を学習することでより高精度な形勢判断を実現することを目的とし、その有効性を検証する。