.avif)
人工知能（AI）や機械学習（ML）、モノのインターネット（IoT）、次世代通信、そして新たな量子技術の進展により、マイクロエレクトロニクスは記録的な速さで進化しています。本ACS/CASウェビナーでは、3名の専門家が研究の全体像をマッピングし、脳に着想を得たコンピューティングのブレイクスルーを共有するとともに、米国のCHIPS法がどのように材料イノベーションを促進しているかについて解説しました。登壇者は、Jean-Marc Pécourt氏（CAS）、Steve Furber氏（マンチェスター大学）、Jim Warren氏（米国国立標準技術研究所（NIST））です。
ランドスケープ分析：文献はどの方向を指し示しているか？
CASのプリンシパルサイエンティストであるJean-Marc Pécourt博士は、CAS Content Collection™のデータに基づいたランドスケープ分析から話を始めました。STN™を基盤とするCAS IP Finderを用いた検索により、過去20年間で約230万件のマイクロエレクトロニクス関連レコードが確認されました。
図1。マイクロエレクトロニクス分野における出版動向。挿入されたドーナツグラフは、ジャーナル論文と特許ファミリーの分布を示しています。データは、CAS Content Collectionから2004年から2024年までの期間のジャーナルおよび特許ファミリーの出版物を含みます。*1月から11月までのデータのみを含みます。
続いてJean-Marc氏は、直近の勢いを確認するため、過去5年間の120万件のレコードサブセットに焦点を当てました。この分野における特許とジャーナルの比率が異常に高いことは、商業化への近さを裏付けています。国別の曲線を見ると、中国がジャーナルと特許の両面で急成長している一方、米国と韓国は特許において安定した強さを見せています。日本は2013年頃から長期的な減少傾向にあり、インドはジャーナルに重きを置いた成長を見せています。
CASの科学者が用語を整理するために作成した、NLP（自然言語処理）由来のCAS Trendscapeマップは、急速に発展している分野を浮き彫りにしています。それには、2D材料（遷移金属ダイカルコゲナイド、MXenes）、ペロブスカイト光エレクトロニクス/PV、そして広範なセンサー類が含まれます。デバイス別では、特許面でFETが加速している一方、ジャーナルではメンリスタや摩擦電気ナノ発電機が急速な成長を見せています。化学機械研磨（CMP）、化学気相成長（CVD）、エッチングといった成熟したプロセスは、ベースラインが非常に大きいため「低速」に見えるかもしれませんが、これらは現代のファブ（製造工場）において依然として中心的な役割を担っています。
なぜ今、ニューロモーフィックが重要なのか
英国マンチェスター大学の名誉教授であるSteve Furber博士は、視点を「何を構築するか」から「どのように計算するか」へと移しました。今日のAIスタックは高密度な行列演算に依存していますが、生物学的な大脳皮質は疎で再帰的なシグナリングによって機能しています。同氏は、この不一致こそがAIのエネルギーの壁の根本原因であると主張しました。彼の「SpiNNaker」プロジェクトは、100万個の控えめなARMクラスのコアと、極めて重要な選択的マルチキャストファブリックを用いることでこの問題にアプローチしました。これにより、単一のスパイクを数千のターゲットメッセージに変換し、相互接続を飽和させることなく皮質のファンアウトを模倣することに成功しました。その結果、主要な脳モデルの生物学的リアルタイム動作、スパイクベースの制約充足問題（数独など）のデモンストレーション、そしてイベントベースのセンサーと組み合わせた応答性の高いロボティクスが実現しました。
業界の状況もこの主張を裏付けています。IntelのLoihi 2アーキテクチャと2024年のHala Pointシステム（11.5億個の「ニューロン」）は、特定のディープラーニングワークロードにおいて、ペタ演算規模のニューロモーフィックコンピューティングと、業界をリードするTOPS/W効率を実現しています。これは、イベント駆動型の脳に着想を得た実行が、従来のアクセラレータを補完し（一部のニッチな分野では凌駕する）、可能であることを示しています。Steve氏は、疎性と再帰性は生物学的な好奇心の対象ではなく、スケーラブルで持続可能な知能のための青写真であると考えています。
同氏は、代替ではなく融合という現実的な見方で締めくくりました。GPUとニューロモーフィックは共進化する可能性が高く、ニューロモーフィックは超低遅延・低消費電力の知覚や閉ループ制御を担い、従来のアクセラレータは高密度な学習フェーズを処理する。そして最終的には、両者がハイブリッドシステムとして融合する可能性があるという見解です。
マップから製造へ
NISTの材料ゲノムプログラムのディレクターであるJames Warren博士は、文献から得られるシグナルや計算上のアイデアを、製造の現実に結びつけました。同氏は、CHIPS R&DオフィスのBroad Agency Announcement（BAA）について概説しました。これは、先端半導体製造、AI、量子、標準化に関する提案募集であり、公的投資と長期的な成果を一致させるために設計された、非典型的なリターンモデル（株式、ワラント、ライセンス）を伴うものです。同氏の主張の核心は、発見をより迅速に実用化するためには、研究室に自律性、データ、そして厳密さが必要であるという点にあります。
ここでは、材料ゲノムイニシアチブが、自律型ラボや物理学に基づいたMLと融合しています。Jim氏は、閉ループ実験がいかにして豊富で監査可能なデータセットを生成できるかを説明しました。また、第一原理（輸送現象、熱力学、電気化学など）によって制約されたサロゲートモデルが、ファブのタイムスケールで有用な意思決定をほぼリアルタイムで行う様子についても触れました。印象的なエピソードとして、AIがハイスループットな回折ストリームから直接相境界を抽出する事例が挙げられました。これは、自律性が科学者の時間をデータ整理から発見へとシフトさせる未来の先駆けです。このメッセージは、アイデアを研究室から製造現場へと橋渡しする、測定可能な自律性を構築しようという招待状でもありました。
聴衆が注目したポイント
議論を通じて、聴衆の皆様からは活発な質問や意見が寄せられました。特に注目を集めたトピックは以下の通りです。
1. マルチモーダル入力スティーブ氏は、視覚と聴覚を連携させるような真のマルチモーダル統合は、低レベルの脳回路に焦点を当てる現在のニューロモーフィック研究の多くよりも高次のレベルでモデル化されていると説明しました。感覚融合を探求する神経科学の実験やモデルも存在しますが、ニューロモーフィックシステムは一般的に、完全なマルチモーダル処理よりも、基本的な神経マイクロ回路の理解を優先しています。
2. NVIDIAとAMATのデジタルツインジム氏は、NVIDIAとAMATの提携の詳細については言及しませんでしたが、半導体設計・製造におけるデジタルツインへの大規模な投資という広範なトレンドを強調しました。仮想モデルは工場レベルから材料・原子レベルにまで及び、予測と最適化を向上させています。同氏はこれを、NVIDIAが創薬分野で行っている完全仮想化設計ループになぞらえました。モデリングの向上とデータ増加に伴い、デジタルツインはエンジニアリングと製造の革新において中心的な役割を果たしつつあります。
3. Spinnakerと従来のハイパフォーマンスコンピューティング（HPC）の比較スティーブ氏は、Spinnakerは表面上はHPCに似ているものの、根本的に異なると述べました。HPCが強力なプロセッサを用いるのに対し、Spinnakerは高度に並列化された神経モデルに適した多数の小型プロセッサを使用します。最大の違いは、標準的なHPCネットワークでは効率的に行えない、1つのスパイクを数千のターゲットに伝達する効率的なマルチキャストを可能にするカスタム通信ファブリックにあります。
4. 半導体および研究成果における米中の比較ジャン＝マルク氏は、中国の機関は商業重視の特許を多く生み出している一方、米国の研究環境は商業と学術の取り組みが混在していると指摘しました。半導体は戦略的資源であるため、商業的妥当性を示す米国のプロジェクトは強力な資金調達の機会を得る可能性があります。ジム氏は政治的な詳細には触れませんでしたが、NSFやNISTの最終予算は懸念に反して安定していると述べ、中国を長期的な主要競合相手と認めつつ、米国のサプライチェーン確保に向けた取り組みを強調しました。
5. ニューロモーフィックコンピューティングにおけるエネルギーと水の使用スティーブ氏は、冷却水が熱交換器で完全にリサイクル可能であるにもかかわらず、なぜデータセンターが水を消費するのかと疑問を呈しました。ニューロモーフィックシステムは、AIのエネルギー需要とそれに伴う冷却需要を最大1,000倍削減できる可能性があります。一方で、効率化がコスト低下を招き、結果として利用が拡大して全体の消費量が増加する「ジェヴォンズのパラドックス」にも注意を促しました。
ゲストおよび聴衆の皆様に感謝いたします。詳細については、ウェビナーの録画をご覧いただき、関連するCASレポート『Microelectronics frontiers: Emerging technologies, materials, and innovations』
