コンピュータ支援設計（CAD）ツールは現代の製品開発にほぼ必須となっていますが、編集可能でパラメトリック形式のネイティブCADデータセットが極めて限定的であるという課題があります。特に境界表現（B-Rep）形式のデータが不足している中で、データ効率の高い学習手法の開発が急務となっています。 本研究では、Masked Topology Modeling（MTM）という新しい自己教師あり事前学習タスクを提案しています。このアプローチはB-Rep形式に特有の構造である顔隣接グラフを活用し、エンコーダがこのグラフ構造を再構成することで学習します。具体的には、顔隣接グラフのエッジの一部をマスクして、エンコーダのメッセージパッシング後の顔の特徴量から各マスク済みエッジの凸性と曲線タイプを予測するヘッドを訓練する仕組みです。 このMTMをMoCo型の運動量キュー対比学習と組み合わせ、B-Rep対応の拡張、BFS接続された顔領域のマスク再構成目的関数を適用しています。さらにABCデータセットと新たに開発した手続き的生成データセットでの事前学習を行うことで、複数のベンチマークタスクにおいて高い性能を実現しています。このデータ効率的なアプローチにより、CAD領域における機械学習活用の可能性が大きく広がることが期待されます。